JP7473652B2 - 加工コンテンツの真正性アセスメント - Google Patents

Description

本願は、本願と同時に出願された「Ｃｏｎｔｅｎｔ Ａｕｔｈｅｎｔｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｉｎｔｒｉｎｓｉｃ Ａｔｔｒｉｂｕｔｅｓ」と題された米国特許出願第１６／７３７，８１０、代理人整理番号０２６０６３５に関し、参照により本願に完全に援用する。

機械学習の進歩は、本物のようだが人物の画像又は音声から偽装された再現物の作成を可能にし、それはその作成のためにディープ人工ニューラルネットワークを使用することに起因して、「ディープフェイク」として知られている。ディープフェイクは、画像又は音声が使用される本人の同意なしに作成され得、本人が実際には言っていないこと又はやっていないことを、言ったり或いはやったりするように見せかけ得る。その結果、ディープフェイクの加工デジタルコンテンツは、誤報を広めるために悪意を持って使用され得る。

エンターテインメント及びニュースの配信にデジタルコンテンツが広く親しまれていることにより、そのコンテンツの効果的な認証及び管理は、コンテンツの作成者、所有者、及び配信者のいずれにも重要である。しかしながら、機械学習ソリューションが改良し続けるにつれて、ディープフェイクは検出することが困難になり続けており、困難になり続けるだろう。その結果、わずかに加工された、或いは完全に偽のデジタルコンテンツが、不注意に放送され得、或いは契約上の合意又は規制制限に違反して配信され得、それによってコンテンツの所有者及び／又は配信者が潜在的に法的危険にさらされ得る。

実質的に、少なくとも１つの図に関連して示され、且つ／或いは説明されるように、且つ、特許請求の範囲に、より完全に明記されるように、加工コンテンツの真正性をアセスメントするためのシステム及び方法が提供される。

図１は、一実装形態による、ベースラインデジタルコンテンツが１人又は複数のユーザによって加工される例示的な使用例のダイアグラムを示す。 図２は、一実装形態による、加工コンテンツの真正性をアセスメントするための例示的なシステムのダイアグラムを示す。 図３は、一実装形態による、加工コンテンツの真正性をアセスメントするために訓練されたニューラルネットワーク（ＮＮ）を含むソフトウェアコードの例示的なダイアグラムを示す。 図４は、一実装形態による、加工コンテンツの真正性をアセスメントするための例示的な方法を提示するフローチャートを示す。 図５は、一実装形態による、加工コンテンツの真正性をアセスメントするためのシステムによって提供される例示的なグラフィカルユーザインターフェース（ＧＵＩ）を示す。

以下の説明は、本開示における実装形態に関する具体的な情報を含む。当業者は、本開示が本明細書で具体的に議論されるのとは異なる方法で実装され得ることを認識するであろう。本願の図面及び添付の詳細な説明は、単に例示的な実装形態を対象とする。特段の記載がない限り、図中の同様の或いは対応する要素は、同様の或いは対応する参照数字によって示され得る。さらに、本願の図面及び図示は一般的に、縮尺通りではなく、実際の相対的な寸法に対応することを目的としない。

本願は、従来技術における難点及び欠陥を克服する加工コンテンツの真正性をアセスメントするためのシステム及び方法を開示する。デジタルコンテンツの最初に作成されたバージョン、又は「ベースライン」バージョンにおいて、デジタルコンテンツに対する1つ又は複数の加工の真正性をアセスメントするために訓練済みのニューラルネットワークを使用することによって、本願は、最新技術を改善する、加工コンテンツの細かな差異のアセスメントを可能にする高度な認証ソリューションを開示する。さらに、基礎となるベースラインデジタルコンテンツに対する１つ又は複数の加工の固有属性に基づいて加工コンテンツをアセスメントするための、検証データを生成することによって、本ソリューションは、有利には、各加工自体の特性を利用し、その真正性をアセスメントする。

いくつかの実装形態では、本コンテンツの認証ソリューションは、実質的に自動化されたシステムによる実質的に自動化されたプロセスとして実行され得ることに留意されたい。本願で使用されるように、用語「自動化」、「自動化された」、及び「自動化する」は、システム管理者のような、人間のユーザの参加を必要としないシステム及びプロセスを指すことに留意されたい。いくつかの実装形態では、人間のシステムオペレータ又は管理者が、自動化されたシステムによって、且つ本明細書で説明された自動化された方法に従って行われた認証判定を確認し得るが、その人間の関与は任意である。したがって、本願で説明された方法は、開示された自動化されたシステムのハードウェア処理コンポーネントの制御下で実行され得る。

図１は、一実装形態による、ベースラインデジタルコンテンツ１２２が、許可された編集プロセスにおいてユーザ１０２ｂによって加工され、許可された編集プロセスにおいて或いは許可されていない編集プロセスにおいてユーザ１０２ｃによってさらに加工され得る、例示的な使用例のダイアグラム１００を示す。図１には、デバイス１１０ａを利用するユーザ１０２ａ、デバイス１１０ｂを利用するユーザ１０２ｂ、デバイス１１０ｃを利用するユーザ１０２ｃ、及びデバイス１１０ｄを利用するユーザ１０２ｄが含まれている。また、図１には、加工コンテンツ１２０ａ及びさらなる加工コンテンツ１２０ｂの例が示されている。本願で定義されるように、表現「加工コンテンツ」は、その作成後に１つ又は複数の加工を受けたベースラインデジタルコンテンツ１２２を指すことに留意されたい。さらに、本明細書で定義されるように、「真正コンテンツ」は、加工が行われていないベースラインデジタルコンテンツ、又は、作成者若しくはベースラインデジタルコンテンツに変更を加えることが許可されたユーザのような、コンテンツの許可されたユーザによって導入された加工のみを含む加工コンテンツ、のいずれかを指す。

ベースラインデジタルコンテンツ１２２は、上述のように、参照により本願に完全に援用する、「Ｃｏｎｔｅｎｔ Ａｕｔｈｅｎｔｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｉｎｔｒｉｎｓｉｃ Ａｔｔｒｉｂｕｔｅｓ」と題された米国特許出願第１６／７３７，８１０によって説明された方法を含むが、それに限定されない、任意の適切な方法を使用してそのように判定され得ることに留意されたい。本願において、加工コンテンツ１２０ａ及び／又はさらなる加工コンテンツ１２０ｂに含まれるベースラインデジタルコンテンツは、本明細書ではそのようにラベル付けされ、且つ／或いは説明されたコンテンツである。

図１によって示される例示的な実装形態によれば、ユーザ１０２ｂは、ユーザ１０２ａからベースラインデジタルコンテンツ１２２を受信し得る。例えば、ユーザ１０２ｂは、ユーザ１０２ａによって制御されるデバイス１１０ａからベースラインデジタルコンテンツ１２２を受信してもよい。ユーザ１０２ａは、ベースラインデジタルコンテンツ１２２の作成者であってもよく、或いはベースラインデジタルコンテンツ１２２の許可された配信者であってもよい。ユーザ１０２ａは、例えば、ベースラインデジタルコンテンツ１２２を生成するために、デバイス１１０ａと統合された１つ又は複数のマイクロフォン、及び／又は、１つ又は複数の深度センサ、及び／又は、１つ又は複数のビデオカメラ、及び／又は、１つ又は複数の静止画像カメラを利用してもよい。様々な実装形態では、ベースラインデジタルコンテンツ１２２は、いくつかの例を挙げると、音声なしのビデオコンテンツ、映像なしのオーディオコンテンツ、又は映画のオーディオ－ビデオコンテンツ、ウェブシリーズ及び／若しくはビデオログを含み得るエピソードテレビ（ＴＶ）コンテンツ、スポーツコンテンツ、ニュースコンテンツ、又はビデオゲームコンテンツであってもよい。代替的に、いくつかの実装形態では、ベースラインデジタルコンテンツ１２２は、デジタル写真の形態をとってもよい。

ビデオカメラとしてのデバイス１１０ａ、スマートフォンとしてのデバイス１１０ｂ、ラップトップコンピュータとしてのデバイス１１０ｃ、及びデスクトップコンピュータとしてのデバイス１１０ｄの描写は、単に例示的なものであることに留意されたい。様々な他の実装形態では、１つ又は複数のデバイス１１０ａ、１１０ｂ、１１０ｃ、及び１１０ｄ（以下、「（複数の）デバイス１１０ａ－１１０ｄ」）は、タブレットコンピュータ、ゲーム機、スマートテレビ（スマートＴＶ）、又はウェアラブル通信デバイスの形態をとってもよい。さらに、ウェアラブル通信デバイスとして実装されるとき、（複数の）デバイス１１０ａ－１１０ｄは、拡張現実（ＡＲ）若しくは仮想現実（ＶＲ）のヘッドセット若しくは眼鏡、スマートウォッチ、スマートリング、又は、１人若しくは複数のユーザ１０２ａ、１０２ｂ、１０２ｃ、若しくは１０２ｄ（以下、「ユーザ１０２ａ－１０２ｄ」）によって着用される任意の他のスマート個人アイテムの形態をとってもよく、或いは、１人又は複数のユーザ１０２ａ－１０２ｄによって着用される衣類の中又は衣服の上に据えられてもよい。

図１に示されるように、ユーザ１０２ｂは、デバイス１１０ｂを利用してユーザ１０２ａによって制御されるデバイス１１０ａからベースラインデジタルコンテンツ１２２を受信し、デバイス１１０ｂを使用してベースラインデジタルコンテンツ１２２を加工し得、加工コンテンツ１２０ａを作成し得る。図１に示される例示的な実装形態によれば、ベースラインデジタルコンテンツ１２２に対して行われた加工は、許可された加工である。いくつかのそのような実装形態では、図１に示されるように、ユーザ１０２ｂ及びデバイス１１０ｂによって行われたベースラインデジタルコンテンツ１２２に対する加工は、許可された加工を記述する編集データ１２１ａが、加工コンテンツ１２０ａのその後の認証における記憶及び使用のために安全な取引台帳１０１に送信されるという結果をもたらす。様々な実装形態では、安全な取引台帳１０１は、公開或いは非公開の安全な取引台帳の形態をとり得ることに留意されたい。そのような安全な取引台帳の例は、いくつか挙げると、ブロックチェーン、ハッシュグラフ、有向非巡回グラフ（ＤＡＧ）、及びホロチェーン台帳を含んでもよい。

図１にさらに示されるように、ユーザ１０２ｃは、デバイス１１０ｃを利用してデバイス１１０ｂから加工コンテンツ１２０ａを受信し得、デバイス１１０ｃを使用して加工コンテンツ１２０ａをさらに加工し得、さらなる加工コンテンツ１２０ｂを作成し得る。ユーザ１０２ｃによる加工コンテンツ１２０ａのさらなる加工が許可されるいくつかの実装形態では、許可されたさらなる加工を記述する編集データ１２１ｂはまた、さらなる加工コンテンツ１２０ｂのその後の認証における記憶及び使用のために安全な取引台帳１０１に送信されてもよい。しかしながら、加工コンテンツ１２０ａに対するさらなる加工が許可されていないとき、編集データ１２１ｂは生成されず、安全な取引台帳１０１に格納されない。

図１に示される実装形態は、ユーザ１０２ｂがベースラインデジタルコンテンツ１２２に対する許可された加工を行い、次いで、加工コンテンツ１２０ａをユーザ１０２ｃに転送することを描写しているが、その使用例は、単に例示的なものである。他の実装形態では、ユーザ１０２ｃは、デバイス１１０ａ及び１１０ｃを直接結ぶ破線１１１によって示されるように、ユーザ１０２ａから直接ベースラインデジタルコンテンツ１２２を受信してもよい。すなわち、いくつかの実装形態では、ベースラインデジタルコンテンツ１２２は、ユーザ１０２ｃによる許可されていない加工を受ける前に、ユーザ１０２ｂによる許可された加工を受けない場合がある。

ベースラインデジタルコンテンツ１２２及び加工コンテンツ１２０ａの加工は、デバイス１１０ｂ及び１１０ｃに格納された、例えば、オーディオ及び／若しくはビデオ記録、又は編集アプリケーションのような、１つ又は複数のコンテンツ処理アプリケーションの使用を通じて実行されてもよい。ベースラインデジタルコンテンツ１２２の加工又は加工コンテンツ１２０ａのさらなる加工は、ベースラインデジタルコンテンツ１２２及び／又は加工コンテンツ１２０ａに含まれるオーディオコンテンツ及び／又はビデオコンテンツの１つ又は複数のセグメントの加工を含んでもよい。ベースラインデジタルコンテンツ１２２又は加工コンテンツ１２０ａの加工は、ビデオコンテンツのみの加工、オーディオコンテンツのみの加工、ＶＲアプリケーションによる使用のための深度点群のような、没入型コンテンツのみの加工、又は、オーディオ、ビデオ及び没入型コンテンツの任意の組み合わせの加工を含んでもよい。

そのような加工がベースラインデジタルコンテンツ１２２又は加工コンテンツ１２０ａのビデオコンテンツを加工することである場合、加工は、いくつかの例を挙げると、１つ又は複数のビデオフレームの画像特性（例えば、コントラスト、明るさなど）を変更すること、１つ又は複数のビデオフレームを削除すること、１つ又は複数のビデオフレームを挿入すること、１つ又は複数のビデオフレームからオブジェクトを取り除くこと、１つ又は複数のビデオフレームにオブジェクトを挿入すること、１つ又は複数のビデオフレーム内で色を変更すること、或いは１つ又は複数のビデオフレームにメタデータを付加すること、のうちの１つ又は複数を含んでもよい。同様に、加工がデジタル写真の形態のベースラインデジタルコンテンツ１２２を加工することである場合、加工は、いくつかの例を挙げると、デジタル写真の画像特性（例えば、コントラスト、明るさなど）を変更すること、デジタル写真からオブジェクトを取り除くこと、デジタル写真にオブジェクトを挿入すること、デジタル写真内で色を変更すること、或いはデジタル写真にメタデータの付加すること、のうちの１つ又は複数を含んでもよい。

ベースラインデジタルコンテンツ１２２又は加工コンテンツ１２０ａの加工が、ベースラインデジタルコンテンツ１２２又は加工コンテンツ１２０ａのオーディオコンテンツを加工することである場合、そのような加工は、例えば、元のオーディオコンテンツの一部分の削除、及び／又は、音楽若しくはスピーチのような、追加のオーディオコンテンツの挿入を含んでもよい。代替的に或いは追加的に、ベースラインデジタルコンテンツ１２２又は加工コンテンツ１２０ａのオーディオコンテンツの操作は、オーディオトラックをミキシングすること、１つ又は複数のオーディオトラックのオーディオレベルを変更すること、或いは１つ又は複数のオーディオトラックにメタデータを付加することを含んでもよい。ベースラインデジタルコンテンツ１２２又は加工コンテンツ１２０ａの加工が、ＶＲアプリケーションでの使用のためにデバイス１１０ａによってキャプチャされた深度点群のような、没入型コンテンツを加工する場合、加工は、例えば、深度点群の一部分の削除を含んでもよい。

図１に示される実装形態によれば、ユーザ１０２ｄは、デバイス１１０ｄを利用してデバイス１１０ｂから（ユーザ１０２ｂによって作成された）加工コンテンツ１２０ａを受信し、或いはデバイス１１０ｃから（ユーザ１０２ｃによって作成された場合）さらなる加工コンテンツ１２０ｂを受信する。しかしながら、ベースラインデジタルコンテンツ１２２に対して行われた加工、又は加工コンテンツ１２０ａに対して行われたさらなる加工の真正性をアセスメントするためのロバストなソリューションがない場合、ユーザ１０２ｄは、加工コンテンツ１２０ａ又はさらなる加工コンテンツ１２０ｂがベースラインデジタルコンテンツ１２２に対する許可された加工のみを含むことを保証することができない。その結果、加工コンテンツの真正性をアセスメントするためのロバストなソリューションがないことから生じる不確実性は、真正コンテンツの配信、消費、及び享受を不所望に妨げ得る。

図２は、一実装形態による、加工コンテンツの真正性をアセスメントするための例示的なシステム２３０のダイアグラムを示す。以下で議論されるように、システム２３０は、ローカルエリアネットワーク（ＬＡＮ）を介してアクセス可能なコンピュータサーバを使用して実装されてもよく、或いはクラウドベースのシステムとして実装されてもよい。さらに、図２に示されるように、システム２３０は、ハードウェアプロセッサ２３４を有するコンピューティングプラットフォーム２３２と、非一時的記憶デバイスとして実装されるシステムメモリ２３６とを含む。例示的な本実装形態によれば、システムメモリ２３６は、加工コンテンツ２２０の真正性をアセスメントするように構成されている真正性評価２７０を含むグラフィカルユーザインターフェース（ＧＵＩ）２３８を提供するソフトウェアコード２４０を格納する。図２にさらに示されるように、加工コンテンツ２２０は、ベースラインデジタルコンテンツ２２２、ベースラインデジタルコンテンツ２２２のための認証データ２２４、及びベースラインデジタルコンテンツ２２２に対する加工２２６を含む。図２に示される例示的な実装形態によれば、ベースラインデジタルコンテンツ２２２に対する加工２２６は、認証データ２２８を有する加工２２６ａ、及びそのような認証データを欠く加工２２６ｂを含む。

いくつかの実装形態によれば、加工２２６ａ及び２２６ｂの各々は、加工コンテンツ２２０においてベースラインコンテンツ２２２に対して行われた全ての加工を表してもよい。すなわち、加工２２６ａは、認証データ２２８を有する全ての加工に対応してもよく、加工２２６ｂは、認証データを欠く全ての加工に対応してもよい。しかしながら、他の実装形態では、ベースラインコンテンツ２２２に対する個々の加工、例えば、セピアフィルタ又は他の色の変更の適用、明るさの変更などは、別個の加工として格納されてもよい。

例えば、ベースラインコンテンツ２２２に対する各加工は、別個に格納されてもよく、配信又は再生のときに一緒にまとめられてもよい。一実装形態では、例えば、編集アプリケーションは、加工コンテンツをレンダリングするときに「ｉｎｖｅｒｓｅ Ｐｈｏｔｏｓｈｏｐ Ｄｏｃｕｍｅｎｔ（．ｐｓｄ）ファイル」を生成するように構成されていてもよく、この「ｉｎｖｅｒｓｅ．ｐｓｄファイル」は、レンダリングするときにベースラインコンテンツ２２２に適用された全ての変更を否定する変換を実行する命令を有し、それによって加工コンテンツ２２０に含まれるベースラインコンテンツ２２２の非破壊保存を可能にする。一実装形態では、ＥＸＩＦ（Ｅｘｃｈａｎｇｅａｂｌｅ Ｉｍａｇｅ Ｆｉｌｅ Ｆｏｒｍａｔ）タグの拡張は、加工を記録するために使用され得る。編集アプリケーションは、加工に「ｉｎｖｅｒｓｅ．ｐｓｄファイル」を埋め込むように構成されていてもよく、これにより、加工コンテンツ２２０を受信する別のユーザが、ベースラインコンテンツ２２２を再生成するためにそれを抽出して実行することを選択し得る。別の実装形態では、編集アプリケーションは、ベースラインコンテンツ２２２がインポートされているかを判定するように構成されていてもよい。インポートされている場合、アプリケーションは、ベースラインコンテンツ２２２と、加工２２６ａ及び２２６ｂとを別個にエクスポートしてもよい。

また、図２に示されるように、システム２３０は、安全な取引台帳２０１と、ディスプレイ２１２を含むデバイス２１０ｄと、デバイス２１０ｄを利用するユーザ２０２ｄとを含む使用環境内に実装される。通信ネットワーク２０４及びネットワーク通信リンク２０６は、システム２３０がデバイス２１０ｄから加工コンテンツ２２０を受信し、デバイス２１０ｄのディスプレイ２１２上にレンダリングするために真正性評価２７０を出力することを可能にするように、デバイス２１０ｄにシステム２３０を通信可能に結合し、任意に安全な取引台帳２０１にシステム２３０を結合し得ることに留意されたい。

ベースラインデジタルコンテンツ２２２を含む加工コンテンツ２２０は、加工コンテンツ１２０ａ及びさらなる加工コンテンツ１２０ｂのいずれか又は両方に一般的に対応し、加工コンテンツ１２０ａ及びさらなる加工コンテンツ１２０ｂの両方がベースラインデジタルコンテンツ１２２を含む。その結果、ベースラインデジタルコンテンツ２２２、及び加工コンテンツ２２０は、本開示によってそれぞれのベースラインデジタルコンテンツ１２２と、加工コンテンツ１２０ａ及びさらなる加工コンテンツ１２０ｂのいずれか又は両方とに起因する任意の特性を共有してもよく、その逆も同様であってもよい。

さらに、ユーザ２０２ｄと、ディスプレイ２１２を含むデバイス２１０ｄと、安全な取引台帳２０１とは、図１における、ユーザ１０２ｄと、デバイス１１０ｄと、安全な取引台帳１０１とにそれぞれ一般的に対応する。その結果、ユーザ２０２ｄと、デバイス２１０ｄと、安全な取引台帳２０１とは、本開示によってそれぞれのユーザ１０２ｄと、デバイス１１０ｄと、安全な取引台帳１０１とに起因する任意の特性を共有してもよく、その逆も同様であってもよい。すなわち、図２では、デバイス２１０ｄは、デスクトップコンピュータとして示されているが、その表現は、単に例として提供される。より一般的には、デバイス２１０ｄは、ユーザインターフェースを提供し、通信ネットワーク２０４への接続をサポートし、本明細書においてデバイス２１０ｄに起因する機能性を実装するのに十分なデータ処理能力を実装する任意の適切なモバイル又は静止コンピューティングデバイス又はシステムであってもよい。

様々な実装形態では、ディスプレイ２１２は、デバイス２１０ｄと物理的に統合され得、或いはデバイス２１０ｄと通信可能に結合されているが物理的に分離され得ることに留意されたい。例えば、デバイス２１０ｄがスマートフォン、ラップトップコンピュータ、又はタブレットコンピュータとして実装される場合、ディスプレイ２１２は典型的には、デバイス２１０ｄと統合されるであろう。対照的に、デバイス２１０ｄがデスクトップコンピュータとして実装される場合、ディスプレイ２１２は、コンピュータタワーの形態のデバイス２１０ｄから分離されたモニタの形態をとってもよい。ディスプレイ２１２は、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、又は信号から光への物理的変換を実行する任意の他の適切なディスプレイスクリーンとして実装され得ることにさらに留意されたい。

システム２３０に関して、本願は、概念的な明確さのために、システムメモリ２３６に格納されているようなソフトウェアコード２４０を指すが、より一般的には、システムメモリ２３６は、任意のコンピュータ読み取り可能な非一時的記憶媒体の形態をとってもよい。本願で使用されるような、表現「コンピュータ読み取り可能な非一時的記憶媒体」は、コンピューティングプラットフォーム２３２のハードウェアプロセッサ２３４に命令を提供する搬送波又は他の一時的な信号を除く、任意の媒体を指す。したがって、コンピュータ読み取り可能な非一時的媒体は、例えば、揮発性媒体及び不揮発性媒体のような、様々なタイプの媒体に対応してもよい。揮発性媒体は、ダイナミックランダムアクセスメモリ（ダイナミックＲＡＭ）のような、動的メモリを含んでもよく、不揮発性メモリは、光学、磁気、又は静電記憶デバイスを含んでもよい。コンピュータ読み取り可能な非一時的媒体の一般的な形態は、例えば、光ディスク、ＲＡＭ、プログラマブルリードオンリーメモリ（ＰＲＯＭ）、消去可能なＰＲＯＭ（ＥＰＲＯＭ）、及びＦＬＡＳＨメモリを含む。

また、図２は、ソフトウェアコード２４０の全体がシステムメモリ２３６に格納されているように描写しているが、その表現はまた、単に概念的な明確化への補助として提供されることに留意されたい。より一般的には、システム２３０は、例えばコンピュータサーバのような、１つ又は複数のコンピューティングプラットフォーム２３２を含んでもよく、コンピューティングプラットフォーム２３２は、コロケートされてもよく、或いは例えば、クラウドベースシステムのような、相互的に結ばれているが分散されたシステムを形成してもよい。

その結果、ハードウェアプロセッサ２３４及びシステムメモリ２３６は、システム２３０内の分散されたプロセッサ及びメモリリソースに対応してもよい。したがって、図３を参照して以下で説明される１つ又は複数の特徴のような、ソフトウェアコード２４０の様々な特徴は、システム２３０の分散されたメモリ及び／又はプロセッサリソースを使用して格納され得、且つ／或いは実行され得ることが理解されるべきである。

図２によって示される実装形態によれば、ユーザ２０２ｄは、デバイス２１０ｄを利用して通信ネットワーク２０４を介してシステム２３０と対話し得、加工コンテンツ２２０の真正性をアセスメントし得る。そのような一実装形態では、コンピューティングプラットフォーム２３２は、例えば、インターネットのようなパケット交換ネットワークを介してアクセス可能な、１つ又は複数のウェブサーバに対応してもよい。代替的に、コンピューティングプラットフォーム２３２は、ワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）をサポートする、或いは別のタイプの限定的な配信又はプライベートネットワークに含まれる、１つ又は複数のコンピュータサーバに対応してもよい。

図３は、一実装形態による、図１及び図２において、ベースラインデジタルコンテンツ１２２／２２２に基づいて生成され、且つベースラインデジタルコンテンツ１２２／２２０に対する１つ又は複数の加工２２６を含む、加工コンテンツ１２０ａ／１２０ｂ／２２０の真正性をアセスメントするために訓練されたニューラルネットワーク３４２を含むソフトウェアコード３４０の例示的なダイアグラムを示す。本願で定義されるように、単に「ニューラルネットワーク」（以下、「ＮＮ」）としても知られている、人工ニューラルネットワークは、観測されたデータのパターン又は学習された表現が、入力と出力との間の関係をマッピングする高度に結合された計算層を使用して処理される、機械学習のフレームワークの一種であることに留意されたい。

深層学習という面における「ディープニューラルネットワーク」は、入力層と出力層との間の複数の隠れ層を利用するＮＮを指し得、生データで明示的に定義されていない特徴に基づく学習を可能にし得る。そのように、ディープニューラルネットワークを含むが、それに限定されない、様々な形態のＮＮは、過去の例又は「訓練データ」に基づいて新しいデータについての予測を行うために使用され得る。様々な実装形態では、ＮＮは、画像解析及び／又は自然言語解析を実行するために利用されてもよい。訓練データは、アーカイブされたデータであり得、或いは、例えば、ユーザ１０２ａ又は１０２ｂのうちの１人によって以前に作成され、或いは加工され、そのコンテンツの作成又は加工の真正性が検証されたコンテンツであり得ることに留意されたい。それらの使用例では、ＮＮは、例えば、コンテンツを含むデータファイルに埋め込まれた、或いは他の方法で含まれるメタデータによって識別されるように、各ユーザが、コンテンツを作成し、或いは加工するために典型的に利用するデバイス及び／又はアプリケーションのような、ユーザの創造的或いは編集的傾向を学習してもよい。それらの学習された傾向からの大幅な逸脱は、コンテンツ又はコンテンツに対する加工に疑わしいというフラグを立てるために使用され得る。

図３に示されるように、ＮＮ３４２に加えて、ソフトウェアコード３４０は、評価モジュール３４６を含み、任意のスコアリングモジュール３４４を含んでもよい。図３にさらに示されるように、ソフトウェアコード３４０のＮＮ３４２は、入力として加工コンテンツ３２０を受信し、出力として１つ又は複数の真正性アセスメント３５２ａ及び／又は３５２ｂを提供するように構成されている。いくつかの実装形態では、評価モジュール３４６は、真正性アセスメント３５２ａ及び／又は真正性アセスメント３５２ｂに基づいて真正性評価３７０を生成するように構成されていてもよい。

しかしながら、ソフトウェアコード３４０がスコアリングモジュール３４４を含む実装形態では、ＮＮ３４２はまた、真正性アセスメント３５２ａ及び／又は真正性アセスメント３５２ｂをスコアリングモジュール３４４に出力してもよく、スコアリングモジュール３４４は、評価モジュール３４６に、真正性アセスメント３５２ａ及び真正性アセスメント３５２ｂにそれぞれ対応する１つ又は複数のアセスメント信頼度スコア３５４ａ及びアセスメント信頼度スコア３５４ｂを提供してもよい。それらの実装形態では、評価モジュール３４６は、アセスメント信頼度スコア３５４ａ及び／又はアセスメント信頼度スコア３５４ｂ、ならびに真正性アセスメント３５２ａ及び／又は真正性アセスメント３５２ｂに基づいて真正性評価３７０を生成するように構成されていてもよい。

加工コンテンツ３２０は、図２における加工コンテンツ２２０、ならびに図１における加工コンテンツ１２０ａ及びさらなる加工コンテンツ１２０ｂのいずれか又は両方に一般的に対応し、真正性評価３７０は、図２における真正性評価２７０に一般的に対応する。その結果、真正性評価３７０は、本開示によって真正性評価２７０に起因する任意の特性を共有してもよく、その逆も同様であってもよい。さらに、加工コンテンツ３２０は、本開示によって加工コンテンツ２２０、加工コンテンツ１２０ａ、又はさらなる加工コンテンツ１２０ｂに起因する任意の特性を共有してもよく、また、その逆も同様であってもよい。すなわち、加工コンテンツ２２０と同様に、加工コンテンツ３２０は、ベースラインデジタルコンテンツ２２２、ベースラインデジタルコンテンツ２２２のための認証データ２２４、認証データ２２８を有するベースラインデジタルコンテンツ２２２に対する加工２２６ａ、及びそのような認証データを欠く、ベースラインデジタルコンテンツ２２２に対する加工２２６ｂを含んでもよい。

さらに、ソフトウェアコード３４０は、ソフトウェアコード２４０に一般的に対応し、それらの対応する特徴は、本開示によっていずれかの対応する特徴に起因する任意の特性を共有してもよい。したがって、ソフトウェアコード３４０と同様に、ソフトウェアコード２４０は、ＮＮ３４２に対応するＮＮ、ならびに評価モジュール３４６と、いくつかの実装形態では、任意のスコアリングモジュール３４４とにそれぞれ対応する特徴を含んでもよい。

ソフトウェアコード２４０／３４０の機能性は、図２、図３、及び図５と組み合わせて図４への参照によってさらに説明されるであろう。図４は、一実装形態による、加工コンテンツの真正性をアセスメントするための例示的な方法を提示するフローチャート４６０を示す。図４に概説された方法に関して、本願における発明的特徴の議論を不明瞭にしないために、特定の詳細及び特徴がフローチャート４６０から省かれていることに留意されたい。

図５は、一実装形態による、システム２３０のソフトウェアコード２４０／３４０によって提供される例示的なＧＵＩ５３８を示す。図５に示されるように、例示的なＧＵＩ５３８は、ベースラインデジタルコンテンツ５２２を識別し、加工ペイン（modifications pane）５７２と、加工コンテンツ５２０の例示的なヒートマップの形態の任意の可視化５７４とを含む、真正性評価５７０を提供する。しかしながら、他の実装形態では、任意の可視化５７４は、いくつかの例を挙げると、ベースラインデジタルコンテンツの未加工セグメントとベースラインデジタルコンテンツに対する加工とを区別する表、リスト、又はバッジ又はアイコンの形態をとってもよい。図５にさらに示されるように、加工ペイン５７２は、ベースラインデジタルコンテンツ５２２に対する加工５２６ａ及び５２６ｂと、加工５２６ａ及び５２６ｂにそれぞれ対応する少なくとも真正性アセスメント５５２ａ及び５５２ｂとを識別する。また、図５の例示的な実装における加工ペイン５７２は、それぞれの真正性アセスメント５５２ａ及び５５２ｂに基づくアセスメント信頼度スコア５５４ａ及び５５４ｂが含まれることが示される。

真正性評価５７０は、図２及び図３における真正性評価２７０／３７０に一般的に対応し、ＧＵＩ５３８は、図２におけるＧＵＩ２３８に一般的に対応する。すなわち、ＧＵＩ２３８及び真正性評価２７０／３７０は、本開示によってそれぞれのＧＵＩ５３８及び真正性評価５７０に起因する任意の特性を共有してもよく、その逆も同様であってもよい。したがって、図２及び図３に示されていないが、真正性評価２７０／３７０は、ベースラインデジタルコンテンツ２２２／５２２を識別してもよく、加工ペイン５７２及び任意の可視化５７４にそれぞれ対応する特徴を有してもよい。

ベースラインデジタルコンテンツ５２２は、図１及び図２におけるベースラインデジタルコンテンツ１２２／２２２に一般的に対応する。したがって、ベースラインデジタルコンテンツ５２２は、本開示によってベースラインデジタルコンテンツ１２２／２２２に起因する任意の特性を共有してもよく、その逆も同様であってもよい。さらに、加工コンテンツ５２０は、図２及び図３における加工コンテンツ２２０／３２０、ならびに図１における加工コンテンツ１２０ａ及びさらなる加工コンテンツ１２０ｂのいずれか又は両方に一般的に対応する。その結果、加工コンテンツ５２０は、本開示によって加工コンテンツ２２０／３２０、加工コンテンツ１２０ａ、又はさらなる加工コンテンツ１２０ｂに起因する任意の特性を共有してもよく、その逆も同様であってもよい。すなわち、加工コンテンツ２２０と同様に、加工コンテンツ５２０は、ベースラインデジタルコンテンツ２２２／５２２、ベースラインデジタルコンテンツ２２２／５２２のための認証データ２２４、認証データ２２８を有するベースラインデジタルコンテンツ２２２／５２２に対する加工２２６ａ／２２６ａ、及びそのような認証データを欠く、ベースラインデジタルコンテンツ２２２／５２２に対する加工２２６ｂ／２２６ｂを含んでもよい。

図２、図３、及び図５は、単に概念的な明確さのために、ベースラインデジタルコンテンツ２２２／５２２に対する２つの加工、すなわち加工２２６ａ／５２６ａ及び２２６ｂ／５２６ｂを含むものとして加工コンテンツ２２０／３２０／５２０を表すことが強調される。いくつかの実装形態では、加工コンテンツ２２０／３２０／５２０は、ベースラインデジタルコンテンツ２２２／５２２に対する単一の加工を含んでもよく、他の実装形態では、加工コンテンツ２２０／３２０／５２０は、ベースラインデジタルコンテンツ２２２／５２２に対する、より多くの加工、又は２つよりも多くの加工を含んでもよい。

例示的な本実装形態によれば、加工２２６ａ／５２６ａ及び２２６ｂ／５２６ｂの各々の真正性は、真正性評価２７０／３７０／５７０の生成をもたらすアセスメントの対象である。図５に示されるように、いくつかの実装形態では、真正性評価２７０／３７０／５７０は、ベースラインデジタルコンテンツ２２２／５２２に対するそれぞれの加工２２６ａ／５２６ａ及び２２６ｂ／５２６ｂの真正性アセスメント３５２ａ／５５２ａ及び３５２ｂ／５５２ｂをグラフィカルに描写する可視化５７４を含む。例えば、図５にさらに示されるように、いくつかの実装形態では、可視化５７４は、真正性アセスメント３５２ａ／５５２ａ及び／又は真正性アセスメント３５２ｂ／５５２ｂに基づいて加工コンテンツ２２０／３２０／５２０のヒートマップの形態をとってもよい。

いくつかの実装形態では、真正性評価２７０／３７０／５７０は、真正性アセスメント３５２ａ／５５２ａに基づいて判定されたアセスメント信頼度スコア３５４ａ／５５４ａ、及び／又は、真正性アセスメント３５２ｂ／５５２ｂに基づいて判定されたアセスメント信頼度スコア３５４ｂ／５５４ｂをさらに含んでもよい。それらの実装形態では、可視化５７４は、アセスメント信頼度スコア３５４ａ／５５４ａ及び／又はアセスメント信頼度スコア３５４ｂ／５５４ｂに基づいて加工コンテンツ２２０／３２０／５２０のヒートマップの形態をとってもよい。

例示的なヒートマップ可視化５７４を参照すると、加工コンテンツ５２０は、水平のＸ軸に沿って連続的に配置されたセグメント５８０ａ、５８０ｂ、５８０ｃ、５８０ｄ、５８０ｅ、及び５８０ｆ（以下、「セグメント５８０ａ－５８０ｆ」）にセグメント化され、水平のＸ軸は、加工コンテンツ５２０のタイムコード５７６と一致し得る。セグメント５８０ａ－５８０ｆに加えて、ヒートマップ可視化５７４は、それぞれの加工５２６ａ及び５２６ｂの真正性アセスメント５５２ａ及び５５２ｂを含む。すなわち、ベースラインデジタルコンテンツ５２２のセグメント５８０ａは、加工５２６ａによって加工コンテンツ５２０で加工され、図３において、ソフトウェアコード３４０のＮＮ３４２によって判定された加工５２６ａの真正性アセスメント５５２ａの視覚的な描写を示す。さらに、ベースラインデジタルコンテンツ５２２のセグメント５８０ｄ及び５８０ｅは、加工５２６ｂによって加工コンテンツ５２０において加工され、ソフトウェアコード３４０のＮＮ３４２によって判定された加工５２６ｂの真正性アセスメント５５２ｂの視覚的な描写を示す。

ヒートマップ可視化５７４はタイムコード５７６を含むが、その表現は単に例示的なものであり、ベースラインコンテンツ５２２又は加工コンテンツ５２０がビデオクリップ又はオーディオトラックの形態をとる使用例に特に関連し得ることに留意されたい。ベースラインコンテンツ５２２又は加工コンテンツ５２０が、タイムコード５７６が省略されたデジタル写真の形態をとる実装形態では、ヒートマップ可視化５７４は、それらの領域が加工された可能性に応じてデジタル写真内の領域を強調するために使用されてもよい。デジタル写真の特定の領域が加工された可能性に関する判定は、同じユーザ、デバイス、又はベースラインコンテンツ５２２を作成するために使用されたアプリケーションによって作成された他の画像と比較したとき、或いはベースラインコンテンツ５２２と同じ位置及び／又は時間に作成された他の画像と比較したときの変化に基づいて実行されてもよい。

セグメント５８０ａ－５８０ｆへの、加工コンテンツ５２０のセグメント化は、加工コンテンツ５２０の真正性アセスメントの一部として発生し得、或いはベースラインコンテンツ５２２の性質の結果として自然に発生し得ることにさらに留意されたい。例えば、ベースラインコンテンツ５２２が、ベースラインコンテンツ５２２の作成中に生成されたタイムコード５７６を含むビデオクリップを含む場合、タイムコードのインクリメント又はセグメントに含まれるコンテンツがベースラインコンテンツ５２２と加工コンテンツ５２０との間で比較され得るように、加工コンテンツ５２０のセグメント化は、同じ元のタイムコード５７６を使用することを強要されてもよい。代替的に、加工コンテンツ５２０が真正性に関してアセスメントされるとき、例えば、タイムコード間隔又はフレームシーケンスに従った全く新しいセグメント化スキームが、ベースラインコンテンツ５２２及び加工コンテンツ５２０に与えられ得る。さらに、いくつかの実装形態では、１つより多いセグメント化スキームは、加工コンテンツ５２０のアセスメント中に適用されてもよい。

図５に示される例示的な実装形態によれば、ヒートマップ可視化５７４は、それぞれの真正性アセスメントの比較を容易にするために、加工コンテンツ５２０で加工されたベースラインデジタルコンテンツの全てのセグメントを同時に示す。しかしながら、他の実装形態では、加工コンテンツ５２０に含まれる全てのセグメント又は全てに満たないセグメントを同時に表示することが有利であり得、或いは望ましい場合がある。例えば、様々な実装形態では、可視化５７４は、加工コンテンツ５２０の全てのセグメント、加工されたセグメントのみ、真正性アセスメントを含まない加工を含むセグメントのみ、ユーザが選択したセグメントなどを表示してもよい。

図５では、セグメント５８０ａ－５８０ｆの各々は、その塗りつぶしパターン又は暗さによって視覚的に区別され得ることに留意されたい。いくつかの実装形態では、塗りつぶしパターン又は暗さではなく、色、色相、又は色の欠如も、セグメント５８０ａ－５８０ｆ間を視覚的に区別するために使用されてもよい。すなわち、例えば、実質的に無色或いは「白」である加工コンテンツ５２０のセグメント５８０ｂ、５８０ｃ、及び５８０ｆは、ベースラインデジタルコンテンツ５２２におけるそれらの対応するセグメントに対して不変であってもよい。再び、単に例として、ベースラインデジタルコンテンツ５２２に対する許可された加工５２６ａを含む加工コンテンツ５２０のセグメント５８０ａは、緑のような色によって描写されてもよく、放送し、或いは他の方法で配信することが安全であることを示す。対照的に、また、単に例として、ベースラインデジタルコンテンツ５２２に対する未検証の加工５２６ｂを含む加工コンテンツ５２０のセグメント５８０ｄ及び５８０ｅは、注意を知らせるために赤のような色によって描写されてもよい。

さらに、いくつかの実装形態では、加工セグメント５８０ａ、５８０ｄ、及び５８０ｅは、それらのそれぞれの真正性アセスメントに対応するように着色され得るが、他の実装形態では、ベースラインデジタルコンテンツ５２２の対応するセグメントと比較したときにそれらのセグメントが変更された程度に基づいて加工セグメント５８０ａ、５８０ｄ、及び５８０ｅを着色することが有利であり得、或いは望ましい場合があることに留意されたい。それらの実装形態では、例えば、加工コンテンツ５２０の未加工セグメントは緑色に着色されてもよく、少し加工された加工セグメントは黄色に着色されてもよく、大幅に加工された加工セグメント又は加工の複数の層を経たものは赤色に着色されてもよい。

いくつかの実装形態では、異なる重みが、異なるタイプの加工に割り当てられ得る。例えば、アスペクト比の変更及び圧縮は、明るさの変更又はグリーンスクリーンの視覚効果よりも、悪意のある、或いは他の方法で許可されていない加工の結果である可能性が低くてもよい。したがって、少し加工された加工セグメントは、単一の低リスクのタイプの加工を含むことに基づいてそのように識別されてもよく、大幅に加工された加工セグメントは、複数の加工及び／又は単一の高リスクの加工に基づいてそのように識別されてもよい。

セグメント５８０ａ－５８０ｆの各々は、例えば、加工コンテンツ５２０のタイムコード間隔であってもよい。すなわち、いくつかの実装形態では、加工コンテンツ５２０は、加工コンテンツ５２０のタイムコード５７６に基づいてセグメント化されてもよい。代替的に、セグメント５８０ａ－５８０ｆは、ベースラインデジタルコンテンツ５２２及び加工コンテンツ５２０の性質に適切な任意の他の所定のコンテンツセグメントであってもよい。例えば、ベースラインデジタルコンテンツ５２２及び加工コンテンツ５２０がオーディオを含む場合、セグメント５８０ａ－５８０ｆは各々、加工コンテンツ５２０のオーディオトラックの形態をとってもよい。ベースラインデジタルコンテンツ５２２及び加工コンテンツ５２０がビデオを含む使用例では、加工コンテンツ５２０のセグメント５８０ａ－５８０ｆは、ビデオの１つ又は複数のフレーム、ビデオの１つ又は複数の「ショット」、又はビデオの１つ又は複数のシーンに対応してもよい。

本願で使用されるように、「ショット」は、カットなしに、且つ／或いは他の映画的な遷移なしに固有のカメラの視点からキャプチャされるビデオフレームのシーケンスを指すことに留意されたい。したがって、様々な実装形態では、加工コンテンツ５２０のセグメント５８０ａ－５８０ｆの各々は、ビデオの単一フレーム、複数の個々のビデオフレームを含むビデオの単一ショット、又は複数のショットを含む１つのシーン若しくは複数のシーンに対応してもよい。

ソフトウェアコード２４０／３４０がスコアリングモジュール３４４を含む実装形態では、ヒートマップ可視化５７４はまた、真正性アセスメント５５２ａに基づくアセスメント信頼度スコア５５４ａ、及び真正性アセスメント５５２ｂに基づくアセスメント信頼度スコア５５４ｂを示し得る。アセスメント信頼度スコア５５４ａ及び５５４ｂは、例えば、ゼロ（信頼度なし）から１００（相当な信頼度）までの数値のように、数値的に表現されてもよい。図５の例では、アセスメント信頼度スコア５５４ａは、９０として数値的に表現され、アセスメント信頼度スコア５５４ｂは、８０として数値的に表現される。別の例では、アセスメント信頼度スコア５５４ａ及び５５４ｂは、例えば、異なる幅又は高さを有するバーによって、グラフィカルに表現されてもよい。図５の例では、アセスメント信頼度スコア５５４ａは第１のバーによってグラフィカルに表現され、アセスメント信頼度スコア５５４ｂは第２のバーによってグラフィカルに表現され、アセスメント信頼度スコア５５４ｂよりもアセスメント信頼度スコア５５４ａに関連付けられた信頼度の方が大きいので、第１のバーは第２のバーよりも高い高さを有する。アセスメント信頼度スコア５５４ａ、５５４ｂは、１つ又は複数の方法（例えば、数値的にのみ、グラフィカルにのみ、テキストのみ、又はそれらの組み合わせ）で表現されてもよい。

さらに、いくつかの実装形態では、アセスメント信頼度スコア５５４ａ及び５５４ｂは、それぞれの真正性アセスメント５５２ａ及び５５２ｂの推定精度を報告する。例えば、加工５２６ａが認証データ２２８を含む場合、加工５２６ａは、真正であるとアセスメントされてもよく、そのアセスメントは、高いアセスメント信頼度スコア５５４ａを有してもよい。しかしながら、加工５２６ｂが真正でない可能性が高いとアセスメントされるにもかかわらず、加工５２６ｂが認証データ２２８に対応する認証データを欠くことに起因して、或いはそれが未検証であることに起因して、加工５２６ｂの真正性の低いアセスメントが、比較的高いアセスメント信頼度スコア５５４ｂを有してもよい。

ここで、図２及び図３と組み合わせて図４を参照すると、フローチャート４６０は、ＮＮ３４２を使用して、ベースラインデジタルコンテンツ２２２に基づいて生成され、且つベースラインデジタルコンテンツ２２２に対する１つ又は複数の加工２２６ａ及び／又は２２６ｂを含む、加工コンテンツ２２０／３２０を受信することから開始する（アクション４６２）。図２に示されるように、加工コンテンツ２２０は、通信ネットワーク２０４及びネットワーク通信リンク２０６を介してデバイス２１０ｄから受信されてもよい。アクション４６２は、ハードウェアプロセッサ２３４によって実行され、且つＮＮ３４２を使用する、システム２３０のソフトウェアコード２４０／３４０によって実行されてもよい。

フローチャート４６０は、続いて、ＮＮ３４２を使用して、ベースラインデジタルコンテンツ２２２に対する１つ又は複数の加工２２６ａ及び／又は２２６ｂの各々の真正性をアセスメントして、ベースラインデジタルコンテンツ２２２に対する１つ又は複数の加工２２６ａ及び／又は２２６ｂにそれぞれ対応する１つ又は複数の真正性アセスメント３５２ａ及び／又は３５２ｂを作成する（アクション４６４）。概念的な明確さのために、フローチャート４６０によって概説されるアクションは、加工コンテンツ２２０／３２０がベースラインデジタルコンテンツ２２２に対する加工２２６ａ及び２２６ｂを含む具体的な使用例を参照することによってさらに説明されるであろう。しかしながら、他の使用例では、加工コンテンツ２２０／３２０は、加工２２６ａ若しくは２２６ｂのうちの１つ、又はそれ以上、又は、加工２２６ａ若しくは２２６ｂよりさらに多くの加工を含み得ることに留意されたい。

アクション４６４は、多くの異なる方法で、ハードウェアプロセッサ２３４によって実行され、且つＮＮ３４２を使用する、ソフトウェアコード２４０／３４０によって実行され得る。例えば、図１、図２、及び図３を参照すると、ベースラインデジタルコンテンツ１２２／２２２に対する許可された加工が、安全な取引台帳１０１／２０１を使用して追跡される実装形態では、アクション４６４は、安全な取引台帳１０１／２０１からベースラインデジタルコンテンツ１２２／２２２に関する許可された加工履歴を取得し、その許可された加工履歴を加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０に含まれる加工２２６ａ及び２２６ｂと比較することによって実行されてもよい。いくつかの実装形態では、ベースラインコンテンツ１２２／２２２の許可された加工履歴は、ベースラインコンテンツ１２２／２２２を加工コンテンツ１２０ａと比較し、次いで、加工コンテンツ１２０ｂを加工コンテンツ１２０ａ及び／又はベースラインコンテンツ１２２と比較することによって取得され得ることに留意されたい。

そのような一使用例では、例えば、ユーザ１０２ｂは、ベースラインデジタルコンテンツ１２２／２２２の許可された編集者であってもよく、その目的のために秘密鍵を発行されてもよく、ユーザ１０２ｃは、ベースラインデジタルコンテンツ１２２／２２２を加工する許可が与えられていなくてもよい。その使用例では、秘密鍵を保有するユーザ１０２ｂがベースラインデジタルコンテンツ１２２／２２２を加工するたびに、安全な取引台帳１０１／２０１は、データ１２１ａを編集することによって更新される。いくつかの実装形態では、秘密鍵を有さないユーザ、例えばユーザ１０２ｃは、コンテンツ１２２又は加工コンテンツ１２０ａを受信し、或いは編集することができない場合があり、それによって、時期尚早な開示又は改ざんを防止し得る。作成後、安全な取引台帳１０１は、リードディレクタによって、或いはユーザ１０２ａ及び／又はユーザ１０２ｂが保有する鍵を取り消すことによって、最終版にされ得る。加工２２６ａ及び２２６ｂの真正性のアセスメントは、ベースラインデジタルコンテンツ１２２／２２２の加工されている部分を加工されていない部分から区別する能力を前提としている。例えば、図５を図１、図２、図３、及び図４と組み合わせて参照すると、アクション４６４は、ＮＮ３４２を使用して、ベースラインセグメント５８０ｂ、５８０ｃ、及び５８０ｆから加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０の加工セグメント５８０ａ、５８０ｄ、及び５８０ｅを区別することを含んでもよい。いくつかの実装形態では、その区別は、ベースラインデジタルコンテンツ１２２／２２２／５２２のための認証データ２２４を使用して、例えばセグメントごとに、ベースラインデジタルコンテンツ１２２／２２２／５２２の固有属性に基づいて行われてもよい。

認証データ２２４が基づくベースラインデジタルコンテンツ１２２／２２２／５２２の固有属性は、ベースラインデジタルコンテンツ１２２／２２２／５２２の各セグメント自体に含まれるコンテンツ、ならびに各セグメントの具体的な特徴を含み得る。ベースラインセグメント５８０ｂ、５８０ｃ、及び５８０ｆを参照すると、それらの未加工ベースラインセグメントの各々は、例えば、バイト（byte）単位で各々が含むデータの量及び／又はそのデータ形式に基づいて、そのように識別されてもよい。代替的に或いは追加的に、認証データ２２４が基づくベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆの固有属性は、ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆの各々を作成するために使用されるデバイス１１０ａのデバイス識別（デバイスＩＤ）、ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆを作成するために使用されるデジタルコンテンツ作成ソフトウェアのソフトウェアアプリケーション識別（アプリケーションＩＤ）、及び／又はデバイス１１０ａのユーザ１０２ａの身元を識別するメタデータを含んでもよい。さらに、いくつかの実装形態では、認証データ２２４が基づくベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆの固有属性は、例えば、デバイス１１０ａの１つ又は複数のポジション／ロケーションセンサ（図１には示されていないデバイス１１０ａのポジション／ロケーションセンサ）によって記録されたデータに基づいて、ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆの各々が作成された日付、それらの作成のそれぞれの時間、及び／又はベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆのそれぞれの生成のときのデバイス１１０ａの位置を識別するメタデータを含んでもよい。

ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆの各々を含む、上述された任意の或いは全ての固有属性は、ハッシュ関数のセキュアハッシュタグアルゴリズム（ＳＨＡ）ファミリーのうちの１つ、例えば、ＳＨＡ－０、ＳＨＡ－１、ＳＨＡ－２、又はＳＨＡ－３の１つのような、任意の適切な暗号ハッシュ関数を使用してハッシュ化されてもよい。したがって、認証データ２２４は、ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆの各々のハッシュ値、ならびに上述されたベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆのいくつかの、全ての、或いはいずれでもない追加の固有属性を含んでもよい。いくつかの実装形態では、認証データ２２４は、ベースラインデジタルコンテンツ１２２／２２２／５２２に付加されてもよい。例えば、認証データ２２４は、当技術分野で知られているように、「サイドカー」として、ベースラインデジタルコンテンツ１２２／２２２／５２２に付加されてもよい。しかしながら、他の実装形態では、ベースラインデジタルコンテンツ１２２／２２２／５２２に認証データ２２４を埋め込むことが有利であり得、或いは望ましい場合がある。

次いで、加工セグメント５８０ａ、５８０ｄ及び５８０ｅは、各セグメントのための検証データを生成し、その検証データを各セグメントのための認証データ２２４と比較することによって、未加工ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆから区別され得る。認証データ２２４がベースラインデジタルコンテンツ１２２／２２２／５２２の各セグメントのハッシュ値を含む実装形態では、例えば、セグメント５８０ａ－５８０ｆの各々のための検証データは、認証データ２２４を生成するために使用される同じ暗号ハッシュ関数を利用する各セグメントをハッシュ化することによって生成されてもよい。ベースラインセグメント５８０ｂ、５８０ｃ、及び５８０ｆについてそのように生成された検証データは、それらのセグメントのための認証データ２２４と一致することとなり、加工セグメント５８０ａ、５８０ｄ及び５８０ｅのために生成された検証データは、加工セグメント５８０ａ、５８０ｄ及び５８０ｅのための認証データ２２４と一致しないこととなり、それによって、５８０ａ、５８０ｄ及び５８０ｅを加工コンテンツと識別することとなる。

加工２２６ａ／５２６ａ及び２２６ｂ／５２６ｂの各々の真正性のアセスメントは、ベースラインセグメント５８０ｂ、５８０ｃ及び５８０ｆから加工セグメント５８０ａ、５８０ｄ及び５８０ｅを区別するために上述された方法に類似する方法で実行されてもよい。例えば、デバイス１１０ｂを使用する許可されたユーザ１０２ｂによって行われたベースラインデジタルコンテンツ１２２／２２２／５２２に対する許可された加工２２６ａ／５２６ａを参照すると、加工２２６ａ／５２６ａの真正性は、加工２２６ａ／５２６ａの固有属性に基づいて、加工２２６ａ／５２６ａに対する認証データ２２８を使用して、アセスメントされてもよい。

認証データ２２８が基づく加工２２６ａ／５２６ａの固有属性は、加工２２６ａ／５２６ａ自体に含まれるコンテンツ、ならびに例えば、加工２２６ａ／５２６ａのデータサイズ及び／又はそのデータ形式のような、加工２２６ａ／５２６ａの具体的な特徴を含み得る。代替的に或いは追加的に、認証データ２２８が基づく加工２２６ａ／５２６ａの固有属性は、加工２２６ａ／５２６ａを作成するために使用されるデバイス１１０ｂのデバイスＩＤ、加工２２６ａ／５２６ａを作成するために使用される編集ソフトウェアのアプリケーションＩＤ、及び／又はデバイス１１０ｂのユーザ１０２ｂの身元を識別するメタデータを含んでもよい。さらに、いくつかの実装形態では、認証データ２２８が基づく加工２２６ａ／５２６ａの固有属性は、例えば、デバイス１１０ｂの１つ又は複数のポジション／ロケーションセンサ（図１には示されていないデバイス１１０ｂのポジション／ロケーションセンサ）によって記録されたデータに基づいて、加工２２６ａ／５２６ａが作成された日付、作成の時間、及び／又は作成の時間におけるデバイス１１０ｂの位置を識別するメタデータを含んでもよい。

加工２２６ａ／５２６ａを含む、上述された任意の或いは全ての固有属性は、上記で識別されたハッシュ関数のＳＨＡファミリーの１つのような、任意の適切な暗号ハッシュ関数を使用してハッシュ化されてもよい。したがって、認証データ２２８は、加工２２６ａ／５２６ａのハッシュ値、ならびに上述された加工２２６ａ／５２６ａのいくつかの、全ての、或いはいずれでもない追加の固有属性を含んでもよい。いくつかの実装形態では、認証データ２２８は、「サイドカー」として、加工２２６ａ／５２６ａに付加されてもよい。しかしながら、他の実装形態では、加工２２６ａ／５２６ａに認証データ２２８を埋め込むことが有利であり得、或いは望ましい場合がある。有利には、加工２２６ａ／５２６ａに認証データ２２８を埋め込むことは、加工２２６ａ／５２６ａから認証データ２２８をストリップすることを回避し得る。

次いで、加工２２６ａ／５２６ａの真正性は、上述された加工２２６ａ／５２６ａの１つ又は複数の固有属性を使用する加工２２６ａ／５２６ａのための検証データを生成するために、ＮＮ３４２を使用し、その検証データを加工２２６ａ／５２６ａのための認証データ２２８と比較することによってアセスメントされ得る。認証データ２２８が加工２２６ａ／５２６ａのハッシュ値を含む実装形態では、例えば、加工２２６ａ／５２６ａのための検証データは、認証データ２２８を生成するために使用される同じ暗号ハッシュ関数を利用する加工２２６ａ／５２６ａをハッシュ化することによって生成されてもよい。すなわち、加工２２６ａ／５２６ａのための検証データは、加工２２６ａ／５２６ａの１つ又は複数の固有属性のハッシュ値を含んでもよい。加工２２６ａ／５２６ａについてそのように生成された検証データは、加工２２６ａ／５２６ａのための認証データ２２８と一致することとなり、それによって、加工２２６ａ／５２６ａが真正である可能性が高いと識別されることとなる。対照的に、真正な加工２２６ａ／５２６ａの認証データ２２８に対応する認証データを欠く加工２２６ｂ／５２６ｂは、そのようなアセスメントプロセスにおいて検証されないままであろう。

アクション４６４は、ＮＮ３４２によって、加工２２６ａ／５２６ａに対応する真正性アセスメント３５２ａ／５５２ａの作成、及び／又は加工２２６ｂ／５２６ｂに対応する真正性アセスメント３５２ｂ／５５２ｂの作成をもたらす。上述されたように、真正性アセスメント３５２ａ／５５２ａは、許可されたユーザ１０２ｂによるベースラインデジタルコンテンツ１２２／２２２／５２２に対する真正な加工として加工２２６ａ／５２６ａを識別してもよい。対照的に、真正性アセスメント３５２ｂ／５５２ｂは、加工２２６ｂ／５２６ｂを、検証されておらず、その結果、真正でない可能性が高いとして識別してもよい。

フローチャート４６０は、続いて、真正性アセスメント３５２ａ／５５２ａ及び／又は真正性アセスメント３５２ｂ／５５２ｂに基づいて加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０の真正性評価２７０／３７０／５７０を生成する（アクション４６６）。上述されたように、いくつかの実装形態では、ソフトウェアコード２４０／３４０は、スコアリングモジュール３４４を省略してもよい。図３に示されるように、ＮＮ３４２は、真正性アセスメント３５２ａ及び／又は真正性アセスメント３５２ｂを評価モジュール３４６に直接出力するように構成されている。したがって、いくつかの実装形態では、ハードウェアプロセッサ２３４は、評価モジュール３４６を使用して、ソフトウェアコード２４０／３４０を実行してもよく、真正性アセスメント３５２ａ／５５２ａ及び／又は真正性アセスメント３５２ｂ／５５２ｂだけに基づいて加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０の真正性評価２７０／３７０／５７０を生成してもよい。

しかしながら、ソフトウェアコード２４０／３４０がスコアリングモジュール３４４を含む実装形態では、ハードウェアプロセッサ２３４は、ソフトウェアコード２４０／３４０を実行し得、加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０のセグメント５８０ａに関するアセスメント信頼度スコア３５４ａ／５５４ａを判定し得、且つ／或いは加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０のセグメント５８０ｄ及び５８０ｅに関するアセスメント信頼度スコア３５４ｂ／５５４ｂを判定し得る。上述されたように、アセスメント信頼度スコア３５４ａ／５５４ａ及び３５４ｂ／５５４ｂは、それぞれの真正性アセスメント３５２ａ／５５２ａ及び３５２ａ／５５２ｂの推定精度を報告する。例えば、さらに上述されたように、加工２２６ａ／５２６ａが認証データ２２８に基づいて真正であるとアセスメントされる場合、そのアセスメントは、高いアセスメント信頼度スコア３５４ａ／５５４ａを有してもよい。さらに、加工２２６ｂ／５２６ｂが真正でない可能性が高いとアセスメントされるにもかかわらず、加工２２６ｂ／５２６ｂが認証データ２２８に対応する認証データを欠くことに起因して、或いは加工２２６ｂ／５２６ｂが検証されていないことに起因して、加工２２６ｂ／５２６ｂの真正性の低いアセスメントが、比較的高いアセスメント信頼度スコア３５４ｂ／５５４ｂを有してもよい。

アセスメント信頼度スコア３５４ａ／５５４ａ及び／又はアセスメント信頼度スコア３５４ｂ／５５４ｂが判定される実装形態では、加工コンテンツ１２０ａ／１２０ｂ／２２０／５２０の真正性評価２７０／３７０／５７０は、アセスメント信頼度スコア３５４ａ／５５４ａ及び／又はアセスメント信頼度スコア３５４ｂ／５５４ｂ、ならびにそれぞれの真正性アセスメント３５２ａ／５５２ａ及び／又は真正性アセスメント３５２ｂ／５５２ｂに基づいて、評価モジュール３４６を使用して作成されてもよい。

フローチャート４６０によって概説される例示的な方法は、ディスプレイ上でレンダリングするために、加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０の真正性評価２７０／３７０／５７０を出力することで終了し得る（アクション４６８）。例えば、図２に示されるように、いくつかの実装形態では、加工コンテンツ１２０ａ／１２０ｂ／２２０／３２０／５２０の真正性評価２７０／３７０／５７０は、ディスプレイ２１２上でレンダリングするために、通信ネットワーク２０４及びネットワーク通信リンク２０６を介して、デバイス２１０ｄに送信されてもよい。いくつかの実装形態では、ハードウェアプロセッサ２３４は、人間の関与が省略され得る自動化されたプロセスにおいてアクション４６２、４６４、４６６、及び４６８を実行するためにソフトウェアコード２４０／３４０を実行し得ることに留意されたい。

したがって、本願は、従来技術における難点及び欠陥を克服する加工コンテンツの真正性をアセスメントするためのシステム及び方法を開示する。デジタルコンテンツの最初に作成されたバージョン、又は「ベースライン」バージョンにおいて、デジタルコンテンツに対する1つ又は複数の加工の真正性をアセスメントするために訓練済みのニューラルネットワークを使用することによって、本願は、加工コンテンツの細かな差異のアセスメントを可能にする高度な認証ソリューションを開示する。さらに、基礎となるベースラインデジタルコンテンツに対する１つ又は複数の加工の固有属性に基づいて加工コンテンツをアセスメントするための、検証データを生成することによって、本ソリューションは、有利には、各加工の特性を利用し、その真正性をアセスメントする。

以上の説明から、様々な技術が、本願で説明された概念を実装するために、それらの概念の範囲から逸脱することなく、使用され得ることは明らかである。さらに、概念は、特定の実装形態を具体的に参照して説明されてきたが、当業者は、それらの概念の範囲から逸脱することなく、形態及び詳細において変更が加えられ得ることを認識するであろう。そのように、説明された実装形態は、全ての点で例示的であり、制限的でないとみなされるべきである。また、本願は、本明細書で説明された特定の実装形態に限定されるものではなく、本開示の範囲から逸脱することなく多くの再構成、変更、及び置換が可能であることを理解されるべきである。

Claims (26)

1. ハードウェアプロセッサ及びシステムメモリを含むコンピューティングプラットフォームと、
   前記システムメモリに格納されたソフトウェアコードであって、前記ソフトウェアコードは、ベースラインデジタルコンテンツに基づいて生成された加工コンテンツの真正性をアセスメントするために訓練されたニューラルネットワークを含み、前記加工コンテンツは前記ベースラインデジタルコンテンツに対する１つ又は複数の加工を含む、前記ソフトウェアコードと、
   を含み、
   前記ハードウェアプロセッサは、前記ソフトウェアコードを実行して、
   前記ニューラルネットワークを使用して、前記加工コンテンツを受信することと、
   前記ニューラルネットワークを使用して、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工を、前記ベースラインデジタルコンテンツから区別することと、
   前記ニューラルネットワークを使用して、前記ベースラインデジタルコンテンツから区別された、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工の各々の真正性をアセスメントして、前記ベースラインデジタルコンテンツから区別された、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工にそれぞれ対応する１つ又は複数の真正性アセスメントを作成することと、
   前記１つ又は複数の真正性アセスメントに基づいて、前記加工コンテンツの真正性評価を生成することと、
   ディスプレイ上にレンダリングするために前記真正性評価を出力することと、を行うように構成されている、
   システム。
2. 前記ニューラルネットワークは、前記１つ又は複数の加工の各々の１つ又は複数の固有属性を使用して、前記ニューラルネットワークによって生成された前記１つ又は複数の加工の各々の検証データに基づいて、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工の各々の前記真正性をアセスメントするように構成されており、前記１つ又は複数の固有属性は、前記ベースラインデジタルコンテンツの各セグメントにおけるデータの量、前記ベースラインデジタルコンテンツの各セグメントのデータ形式、前記ベースラインデジタルコンテンツの各セグメントを作成するために使用された各デバイスのデバイス識別情報、前記ベースラインデジタルコンテンツの各セグメントの作成日付、又は、前記ベースラインデジタルコンテンツの各セグメントの作成時の前記デバイスの位置、の少なくとも１つ以上を含む、請求項１に記載のシステム。
3. 前記１つ又は複数の加工の各々の前記検証データは、前記１つ又は複数の加工の各々の前記１つ又は複数の固有属性のハッシュ値を含む、請求項２に記載のシステム。
4. 前記真正性評価は、前記１つ又は複数の真正性アセスメントをグラフィカルに描写する可視化を含む、請求項１に記載のシステム。
5. 前記可視化は、前記１つ又は複数の真正性アセスメントに基づく前記加工コンテンツのヒートマップを含む、請求項４に記載のシステム。
6. 前記ハードウェアプロセッサは、前記ソフトウェアコードを実行して、前記１つ又は複数の真正性アセスメントに基づいて、前記加工コンテンツの１つ又は複数のセグメントに関するアセスメント信頼度スコアを判定することをさらに行うように構成されている、請求項１に記載のシステム。
7. 前記真正性評価は、前記加工コンテンツの前記１つ又は複数のセグメントに関する前記アセスメント信頼度スコアに基づく前記加工コンテンツのヒートマップを含む、請求項６に記載のシステム。
8. 前記加工コンテンツの前記１つ又は複数のセグメントの各々は、前記加工コンテンツのタイムコード間隔に基づいてセグメント化される、請求項１に記載のシステム。
9. 前記加工コンテンツは、ビデオを含み、前記加工コンテンツの前記１つ又は複数のセグメントの各々は、ビデオのシーン、ビデオのショット、又はビデオのフレームのうちの１つを含む、請求項１に記載のシステム。
10. 前記加工コンテンツは、オーディオを含み、前記加工コンテンツの前記１つ又は複数のセグメントの各々は、オーディオトラックを含む、請求項１に記載のシステム。
11. ハードウェアプロセッサと、
    ベースラインデジタルコンテンツに基づいて生成された加工コンテンツの真正性をアセスメントするために訓練されたニューラルネットワークを含むソフトウェアコードを格納するシステムメモリであって、前記加工コンテンツは前記ベースラインデジタルコンテンツに対する１つ又は複数の加工を含む、システムメモリと、
    を有するコンピューティングプラットフォームを含むシステムによる使用のための方法であって、前記方法は、
    前記ハードウェアプロセッサによって実行され、且つ前記ニューラルネットワークを使用する、前記ソフトウェアコードによって、前記加工コンテンツを受信することと、
    前記ハードウェアプロセッサによって実行され、且つ前記ニューラルネットワークを使用する、前記ソフトウェアコードによって、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工を、前記ベースラインデジタルコンテンツから区別することと、
    前記ハードウェアプロセッサによって実行され、且つ前記ニューラルネットワークを使用する、前記ソフトウェアコードによって、前記ベースラインデジタルコンテンツから区別された、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工の各々の真正性をアセスメントして、前記ベースラインデジタルコンテンツから区別された、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工にそれぞれ対応する１つ又は複数の真正性アセスメントを作成することと、
    前記ハードウェアプロセッサによって実行される前記ソフトウェアコードによって、前記１つ又は複数の真正性アセスメントに基づいて、前記加工コンテンツの真正性評価を生成することと、
    前記ハードウェアプロセッサによって実行される前記ソフトウェアコードによって、ディスプレイ上にレンダリングするために前記真正性評価を出力することと、
    を含む、方法。
12. 前記ニューラルネットワークは、前記１つ又は複数の加工の各々の１つ又は複数の固有属性を使用して、前記ニューラルネットワークによって生成された前記１つ又は複数の加工の各々の検証データに基づいて、前記ベースラインデジタルコンテンツに対する前記１つ又は複数の加工の各々の前記真正性をアセスメントするように構成されており、前記１つ又は複数の固有属性は、前記ベースラインデジタルコンテンツの各セグメントにおけるデータの量、前記ベースラインデジタルコンテンツの各セグメントのデータ形式、前記ベースラインデジタルコンテンツの各セグメントを作成するために使用された各デバイスのデバイス識別情報、前記ベースラインデジタルコンテンツの各セグメントの作成日付、又は、前記ベースラインデジタルコンテンツの各セグメントの作成時の前記デバイスの位置、の少なくとも１つ以上を含む、請求項１１に記載の方法。
13. 前記１つ又は複数の加工の各々の前記検証データは、前記１つ又は複数の加工の各々の前記１つ又は複数の固有属性のハッシュ値を含む、請求項１２に記載の方法。
14. 前記真正性評価は、前記１つ又は複数の真正性アセスメントをグラフィカルに描写する可視化を含む、請求項１１に記載の方法。
15. 前記可視化は、前記１つ又は複数の真正性アセスメントに基づく前記加工コンテンツのヒートマップを含む、請求項１４に記載の方法。
16. 前記ハードウェアプロセッサによって実行される前記ソフトウェアコードによって、前記１つ又は複数の真正性アセスメントに基づいて、前記加工コンテンツの１つ又は複数のセグメントに関するアセスメント信頼度スコアを判定することをさらに含む、請求項１１に記載の方法。
17. 前記真正性評価は、前記加工コンテンツの前記１つ又は複数のセグメントに関する前記アセスメント信頼度スコアに基づく前記加工コンテンツのヒートマップを含む、請求項１６に記載の方法。
18. 前記加工コンテンツの前記１つ又は複数のセグメントの各々は、前記加工コンテンツのタイムコード間隔に基づいてセグメント化される、請求項１１に記載の方法。
19. 前記加工コンテンツは、ビデオを含み、前記加工コンテンツの前記１つ又は複数のセグメントの各々は、ビデオのシーン、ビデオのショット、又はビデオのフレームのうちの１つを含む、請求項１１に記載の方法。
20. 前記加工コンテンツは、オーディオを含み、前記加工コンテンツの前記１つ又は複数のセグメントの各々は、オーディオトラックを含む、請求項１１に記載の方法。
21. 請求項１に記載のシステムにおいて、前記加工コンテンツを受信する前に、前記システムは、
    コンテンツの作成又は前記コンテンツに対する加工の正当性を認証することと、
    認証された前記コンテンツから取得された訓練データを用いて前記ニューラルネットワークを訓練することと、
    を実行するよう構成される、システム。
22. 請求項２１に記載のシステムにおいて、前記正当性の認証は、ユーザが前記コンテンツを作成した又は加工したことを認証する、システム。
23. 請求項２２に記載のシステムにおいて、前記正当性の認証は、前記コンテンツを作成又は加工するために使用されたデバイス又はアプリケーションを識別するコンテンツ内メタデータを使用する、システム。
24. 請求項１１に記載の方法において、前記加工コンテンツを受信する前に、
    コンテンツの作成又は前記コンテンツに対する加工の正当性を認証することと、
    認証された前記コンテンツから取得された訓練データを用いて前記ニューラルネットワークを訓練することと、
    を含む方法。
25. 請求項２４に記載の方法において、前記正当性の認証は、ユーザが前記コンテンツを作成した又は加工したことを認証する、方法。
26. 請求項２５に記載の方法において、前記正当性の認証は、前記コンテンツを作成又は加工するために使用されたデバイス又はアプリケーションを識別するコンテンツ内メタデータを使用する、方法。