国际标准内容代码(ISCC)

国际标准内容代码(ISCC),是针对数字内容(媒体文件和网页以及其部分)的细粒度的唯一标识符。任何人都可不经许可、免费为属于或不属于自己的数字内容创建ISCC。

作为新的ISO标准草案,ISCC于2021年10月立项,目前正在审查与征求意见阶段(30.20):

ISO/CD 24138.2 Information and documentation — International Standard Content Code

本文件规定了国际标准内容代码(ISCC)的语法和结构,作为数字资产的识别系统(包括全媒体领域的文本、图像、音频、视频或其他内容的编码)。它还描述了ISCC元数据以及ISCC与其他方案(如ISO/TC 46/SC 9定义的方案)的结合使用。ISCC适用于特定的数字资产,是使用本文档中的算法和规则从多个散列构建的数据描述符。组织、个人和机器可以为多种数字资产生成ISCC,并将其用于识别和管理这些资产。ISCC的生成或使用本身不会对所标识内容的作者或所有权作出任何声明或声明。

ISCC网站(https://iscc.codes/)有详细资料。“本文档的第一个版本来自内容区块链项目的原型项目,并获得了谷歌数字新闻计划(DNI)的资助”。

与以往那些“标准号”由权威机构赋予不同,ISCC不必手动分配,是根据数字内容本身、由公开的算法计算生成,是去中心化、免费、开源和透明的。ISCC标识符甚至可以离线生成,也不要求注册中心。

很自然会有疑问:如何经由ISCC标识符,到达数字内容?数字内容(如网页)有变化,怎么知道对应的版本?“当ISCC代码需要全球唯一、可公开发现、可解析、拥有或认证时,就需要进行ISCC注册”。ISCC专为基于区块链的注册而设计,任何人都可以做自己的注册中心。

ISCC代码为复合标识符,由4段代码组成:

  • 元代码 Meta-ID
  • 内容代码 Conten-ID
  • 数据代码 Data-ID
  • 实例代码 Instance-ID

每段13字符,共52字符;也可用-分隔,共55字符。前置ISCC作为标识。各段代码均以C起始,前2位含意:元代码CC内容代码:文本CT(其他媒体类型略),数据代码CD实例代码CR。如:

ISCC: CCDhJSBP6E1Gy-CTj6HAYRavnph-CD2Sd11rt7yLE-CRj3tVexKA1YX

上述4段设计的基点是,ISCC认为数字媒体识别从抽象到具体有6层,分别是:

  • 第1层抽象创作(Abstract Creation)【Creation可比拟FRBR/LRM的“作品”,对应第1段“元代码”。以元数据作为代表,实际生成时基本上只取题名,不用创作者、理由是具有一致性,不考虑Meta-ID的唯一性】
  • 第2层语义场(Semantic Field)【作品的主题,ISCC代码不采用】
  • 第3层–通用表现形式(Generic Manifestation)【Manifestation可比拟FRBR/LRM的“内容表达”,对应第2段“内容代码”。称“将一组不同的版本与同一内容的更正、修订、编辑、更新、个性化、不同格式编码或数据压缩捆绑在一个分组标识符下”,“这样的过程预计不会产生总是符合人类对边界确切位置的期望的直观结果”。以为类似编目中实体边界问题,看举例似乎只是相同内容的不同格式文件,如 PDF、MS-word 或 EPUB 文件,或 JPEG 和 PNG 文件等,有相同的Content-ID】
  • 第4层–媒体特定表现形式(Media Specific Manifestation)【对应第3段“数据代码”】
  • 第5层精确表示(Exact Representation)【Representation可比拟FRBR/LRM的“载体表现”,对应第4段“实例代码”】
  • 第6层-单独副本#(Individual Copy)【Copy可比拟FRBR/LRM的“单件”。ISCC代码不采用,讨论到“虽然物理对象永远只能有一个完全相同的单独副本,但数字对象的“单独副本”总是可以有无穷无尽的复制品”】

试用ISCC

ISCC有代码生成的演示网站(https://iscc.coblo.net/),试着为自己的博客、博文生成ISCC。

  • 博客网站https://catwizard.net首次生成ISCC,元数据Title识别为:编目精灵iii 曾经的编目员继续网络闲游(2023-03-04 15:49:12)
  • CCDhJSBP6E1Gy – CTAAyUJ5WiJYC – CDvBVRRxEEdWz – CRvzPL74HRnsN
  • 数天后有博文更新,再次生成,Meta-ID未变,其余3个ID变化(2023-03-13 10:44:49)
  • CCDhJSBP6E1Gy – CTj6HAYRavnph – CD2Sd11rt7yLE – CRj3tVexKA1YX
  • 为单篇博文“探访巩义北宋八陵”(/posts/2023/0312/6051)生成JSCC,元数据Title识别为:编目精灵iii。4段ID均变化(2023-03-14 10:05:33)
  • CCgMkXL4KMfe9 – CThibYsrhRMVF – CDvYjVDMSxuPv – CRMLDE33fc6pF
  • 相同博文的微信版(https://mp.weixin.qq.com/s/4mP126l2lDRYmOyhhxChrA),元数据Title识别为:探访巩义北宋八陵。文字基本相同,但增加了很多图片,4段ID无一相同或相近,说好的可以“帮助识别剽窃”?(2023-03-13 11:17:01)
  • CCbzDNxrtF8AA – CT9eAjcLmYRv5 – CDH7ZSWNDq9h6 – CR2ecyY451pKL
  • 最奇怪的是,次日为微信版再次生成ISCC,后2段居然变了(2023-03-14 10:10:48)
  • CCbzDNxrtF8AA – CT9eAjcLmYRv5 – CDvHX8Heqa6Nv – CRFmRmnEb3cHd
  • 本文写到最后,再生成一次,又变了(2023-03-14 16:16:15)
  • CCbzDNxrtF8AA – CT9eAjcLmYRv5 – CDvmC3T1BSSSn – CRZzctSKT9PJE

博文的没变,看来只是与微信有关,或许微信会不时改变网页(图文显示不变)。对内容,是不是只看ISCC的第2段代码就可以了?