一秒鐘之內(nèi)，人眼只能掃描幾張照片而計(jì)算機(jī)卻能執(zhí)行數(shù)十億次（人臉識(shí)別）計(jì)算。隨著社交媒體的爆炸式增長(zhǎng)，圖像已成為互聯(lián)網(wǎng)上的新社交貨幣。
如今，F(xiàn)acebook和Instagram等主流社交媒體都在自動(dòng)為照片中的用戶添加標(biāo)簽，而Google Photos可以使用Google自己的圖像識(shí)別技術(shù)識(shí)別照片中的用戶并進(jìn)行分組。
因此，當(dāng)今對(duì)個(gè)人數(shù)字隱私威脅最大的不是不懷好意的人，而是機(jī)器的大規(guī)模人臉識(shí)別和采集。
保護(hù)照片中的敏感信息
近日，新加坡國(guó)立大學(xué)（NUS）計(jì)算機(jī)學(xué)院院長(zhǎng)Mohan Kankanhalli教授領(lǐng)導(dǎo)的，該學(xué)院計(jì)算機(jī)科學(xué)系的研究團(tuán)隊(duì)開(kāi)發(fā)了一種技術(shù)，可以通過(guò)對(duì)照片進(jìn)行人類(lèi)肉眼幾乎難以察覺(jué)的細(xì)微變化來(lái)保護(hù)照片中的敏感信息，使選定的特征無(wú)法被已知人工智能人臉識(shí)別算法檢測(cè)到。
此前，使用圖片“加擾”技術(shù)造成的視覺(jué)失真會(huì)破壞照片的美感。為了克服這一局限性，研究團(tuán)隊(duì)開(kāi)發(fā)了“人類(lèi)敏感度圖”，用于量化人類(lèi)對(duì)各種場(chǎng)景中圖像不同部分的視覺(jué)失真的反應(yīng)。
開(kāi)發(fā)過(guò)程始于一項(xiàng)涉及234名參與者和860張圖像的研究。向參與者顯示了同一圖像的兩個(gè)副本，他們必須挑選出視覺(jué)上失真的副本。
對(duì)結(jié)果進(jìn)行分析后，研究小組發(fā)現(xiàn)人的敏感性受到多種因素的影響。這些因素包括照明、紋理、對(duì)象情感和語(yǔ)義等。
以最小的“加擾”產(chǎn)生機(jī)器視覺(jué)失真
通過(guò)使用此“人類(lèi)敏感度圖”，團(tuán)隊(duì)將其注入低人類(lèi)敏感度區(qū)域中，以將視覺(jué)失真對(duì)圖像美學(xué)的破壞最小化（下圖）。
AI算法能識(shí)別出左側(cè)圖片中的貓，但無(wú)法識(shí)別右側(cè)“加擾”處理的圖片中的貓
國(guó)大團(tuán)隊(duì)花了六個(gè)月的時(shí)間研究這項(xiàng)新技術(shù)。
對(duì)于數(shù)字隱私保護(hù)來(lái)說(shuō)，現(xiàn)在阻止人們?cè)谏缃幻襟w上發(fā)布照片為時(shí)已晚。但是，我們可以采取措施對(duì)抗AI算法，因?yàn)榕c機(jī)器的威力相比，人類(lèi)跟蹤者的威脅逐漸減弱。國(guó)大的解決方案可謂兩全其美，一方面可以有效防范人臉識(shí)別AI算法，同時(shí)又不影響用戶的使用體驗(yàn)，加擾后的照片肉眼看上去并沒(méi)有明顯變化。
最終用戶可以使用該技術(shù)幫助在網(wǎng)上發(fā)布照片之前掩蓋照片中的重要屬性，并且默認(rèn)情況下，社交媒體平臺(tái)也有可能將其集成到他們的系統(tǒng)中。這將引入額外一層的隱私保護(hù)。
據(jù)悉，國(guó)大團(tuán)隊(duì)還計(jì)劃將該技術(shù)擴(kuò)展到視頻隱私保護(hù)，視頻是社交媒體平臺(tái)上經(jīng)常共享的另一種重要媒體。
