Tehisintellekt (AI) võib olla lahendus isiklike fotode kaitsmiseks soovimatu näotuvastuse ja petturite eest, säilitades samal ajal pildikvaliteedi. Georgia Techi hiljutine uuring, mis avaldati 19. juulil arXiv eeltrükikogus, selgitab, kuidas teadlased töötasid välja AI-mudeli nimega "Kameeleon. " See mudel loob isiklike fotode jaoks digitaalse "ühe isikupärastatud privaatsuskaitse (P-3) maski", mis takistab näotuvastustarkvaral tuvastada inimese nägu, muutes fotod justkui kellelegi teisele kuuluvaks. "Kameeleoni-sarnane privaatsust säilitav andmete jagamine ja analüüs soodustab valitsemist ja vastutustundliku AI-tehnoloogia kasutuselevõttu, julgustades vastutustundlikku teadust ja innovatsiooni, " ütles uuringu juhtiv autor Ling Liu, Georgia Techi arvutiteaduse kooli andmetel ja intellektipõhisel arvutamisel tegev professor. Liu arendas Kameeleoni mudelit koos teiste teadlastega. Näotuvastussüsteemid on laialt levinud, alates politseikaameratest kuni iPhone'i Face ID-ni. Volitamata skannid võivad viia küberkurjategijateni, kes koguvad pilte petuskeemide, pettuste või jälitamise jaoks.

Samuti võivad nad koostada nendest piltidest andmebaase soovimatute reklaamide ja küberrünnakute tarbeks. Maskide loomine Kuigi pildimaskimine ei ole uus, varjavad olemasolevad süsteemid sageli kas foto olulisi detaile või vähendavad pildikvaliteeti, lisades digitaalseid artefakte. Selle lahendamiseks tõstavad teadlased esile Kameeleoni kolme võtmeomadust. Esimene on kujunditeülene optimeerimine, mis võimaldab Kameeleonil luua kasutaja jaoks ühe P3-maskina, mitte iga foto jaoks eraldi. See pakub kohest kaitset ja kasutab tõhusalt arvutusressursse, mis on kasulik juhul, kui Kameeleoni rakendatakse näiteks nutitelefonides. Teiseks kasutab Kameeleon "nähtavuse optimeerimist", tagades, et kaitstud pildi visuaalne kvaliteet säilib ilma käsitsi sisendi või parameetrite kohandamiseta. Kolmas omadus tugevndab P3-maski, et see suudaks vastu pidada tundmatutele näotuvastusmudelitele. Selleks integreeritakse maski loomise protsessi fokaalse mitmekesisuse optimeeritud ansambliõppimine, masinõppe tehnikat, mis kombineerib mitme mudeli prognoosid algoritmi täpsuse suurendamiseks. Lõppkokkuvõttes püüavad teadlased laiendada Kameeleoni hägustamistehnikat kaugemale isiklike piltide kaitsest.