提起馬賽克,你們會想到什么?
宅男們對于馬賽克肯定深有體會,( ﹁ ﹁ ) ~→但馬賽克更多的時候是起到一個保護作用。比如一些涉及到黃色、血腥、重要人員等畫面時,打個馬賽克是很有必要的。在人工智能時代來臨之后,馬賽克的打法更加便捷了,同樣也帶了另一個問題:馬賽克 可能要面臨被“解碼”的風險了。
為了好好打碼 AI沒閑著
馬賽克我們經常會接觸到,但你知道它的由來嗎?簡而言之就是調低圖像分辨率。1000萬個像素點的圖片變成10個,你還能認出來嗎?碼打得重不重,就是看分辨率調低的程度如何。
我們給圖片打碼基本上不存在什么難度,由于圖片是靜態的,因此選中區域,直接操作就可以。但涉及給動態視頻打碼的時候,技術難度就出來了。簡單來講就是把每一幀圖像都進行打碼,但顯然是不太可能。一秒鐘有24幀,5分鐘視頻就要處理上千張圖片,活干完估計看什么都成馬賽克了o(︶︿︶)o 。
西安監控管理軟禁 西安監控監控軟件 西安大華紅外監控監控系統 西安IC卡 西安ID卡
辦法總比問題多!
YouTube曾推出過一款自定義模糊工具,用戶們可以通過該工具對自己的車牌號、門牌號、銀行卡等一系列隱私內容打碼。表面上來看,技術小白也能夠輕松打上馬賽克。但尷尬的是,這款工具很容易擴大打碼范圍,比如你給車牌打個碼,很可能整個車頭都沒了;要給自己的臉打個碼,可能會連累到整個身體一起模糊。
而微軟開發的打碼工具可能會跟蹤得更加精準。該工具基于人工智能技術打造:通過建立一個深度學習神經網絡,其可以精準檢測到視頻中的人臉,從而實現跟蹤。并且為了避免對視頻中其他人物的“誤碼”,其能夠實現對不同人臉的識別。通過這一套流程,人工智能打碼的表現還不錯。
利用人工智能打碼可以說是打碼技術的一大進步??墒?,馬賽克帶著保護隱私的目的而來,卻更激發了人們對背后真實內容的好奇心。AI打碼沒閑著,還有一群“解碼”的人也是忙忙碌碌。
看起來AI似乎更擅長“解碼”
解碼的邏輯也很簡單:既然你馬賽克是模糊圖像處理,那我給你清晰化不就完了嗎?
得克薩斯大學2016年曾經開發出一種消除馬賽克的手段,能夠有效地穿透馬賽克的遮擋,從而識別出圖片信息。技術人員通過建立一個面部和文字識別系統,利用網絡上的圖片對其進行訓練,最終對模糊視頻中人臉還原準確率達到80%以上,對經過嚴重馬賽克處理的人臉也可以實現50%左右的正確還原率。
就在微軟推出人臉識別的移動打碼之后,谷歌宣布,通過采用全新的像素遞歸超分辨率技術,Google brain已經獲取了圖像高低像素之間的變化規律,因此可以實現對打碼內容的更精準匹配。比如學到紅的是嘴唇之后,它就會把相應的部分還原成嘴唇。
也就是說,通過學習和訓練,Google brain可以針對馬賽克“腦補”出照片中人臉的原貌。
但客觀來說,打碼實際上是對圖片的一種不可逆的損害行為。因此,與其說對圖片的“還原”,更準確的說法應該是“猜測”。利用人工智能對馬賽克圖片進行通俗意義上的還原處理,一個必要的條件就是大量的圖片對比。無論是得克薩斯大學還是谷歌都是如此,這也就意味著在缺乏原圖素材的情況下,人工智能也只能是無限地接近原圖。
AI擊穿馬賽克 隱私還安全嗎?
還原不一定與原圖相同,但可以做到高度相似。從這個角度上來說,馬賽克消除技術的出現無疑會對我們的隱私安全問題產生巨大威脅。
但從目前的技術手段來看,消除馬賽克技術還遠遠不夠成熟,且主要是針對人臉,對于其他事物還原并未涉及。此外,另一方面圖像模糊清晰化技術在很多場景性都是有積極意義的,比如刑偵案件中關鍵圖片的復原、考古資料的清晰化,甚至家里翻新個老照片等。
再退一步講,萬一哪天科技發展真的攻克了馬賽克,也會因其能輕易戳穿隱私,勢必也將面臨法律、道德層面的制約。所以,在制約得當的情況下,馬賽克這種東西,該打還是得打。
如果實在還是不放心的話,或許可以考慮以下幾種方式。
第一,對進行圖像加密修改。南加州大學開發的P3技術(Privacy-Preserving Photo Sharing,隱私保護照片共享)是為保證照片在互聯網時代傳播的安全性而研發。通過對照片的細節特征進行修改,可以誤導人工智能猜測的方向,從而保護隱私安全。
上文中提到的克薩斯大學消除馬賽克的技術手段在對采用了修改的圖像僅僅只有17%的識別正確率。
第二,改變打碼形式。西蒙弗雷澤大學的研究人員提出了一種利用人工智能將需要打碼的人臉藝術化的方法。通過這種方式處理的人臉,看起來應基本跟人臉沒什么太大的關系了,但可以表現出說話人的情緒特征,使視覺效果變得不那么干巴巴的。
藝術這東西,果然需要境界
第三,采用極端“打碼”。馬賽克圖片之所以能被“還原”,一方面在于分辨率降低的程度不夠,二是打碼之后的圖片仍然會具備一定量的原圖特征。那么,想要不被認出來,干脆就粗暴地遮蓋吧。