A mesterséges intelligencia (MI) lehet a megoldás arra, hogy személyes fényképeit megvédje a nem kívánt arcfelismeréstől és csalóktól, miközben megőrzi a képminőséget. A Georgia Tech legújabb tanulmánya, amely a július 19-én megjelent arXiv pre-print adatbázisban olvasható, bemutatja, hogyan fejlesztettek ki a kutatók egy "Chameleon" nevű MI modellt. Ez a modell egy digitális "egyetlen, személyre szabott adatvédelmi védő (P-3) maszkot" hoz létre a személyes fényképek számára, ami megakadályozza, hogy az arcfelismerő szoftverek azonosítsák a személy arcát, így úgy tűnik, mintha a fényképek valaki máshoz tartoznának. "A Chameleonhoz hasonló adatvédelmet biztosító adatmegosztás és elemzés elősegíti a kormányzást és a felelős MI technológia elfogadását, ösztönözve ezzel a felelős tudományt és innovációt, " mondta Ling Liu, a tanulmány vezető szerzője, a Georgia Tech Számítástechnikai Iskola adat és intelligencia meghajtású számítástechnika professzora. Liu más kutatókkal közösen fejlesztette ki a Chameleon modellt. Az arcfelismerő rendszerek széles körben elterjedtek, a rendőrségi kameráktól az iPhone Face ID-ig. Az illetéktelen szkennelés lehetőséget ad a kiberbűnözőknek, hogy képeket gyűjtsenek csalásokhoz, ámításhoz vagy zaklatáshoz.

Emellett összeállíthatják ezeket a képeket adatbázisokban kéretlen hirdetésekhez és kibertámadásokhoz. Maszkok Létrehozása Bár a kép maszkolása nem új keletű, a meglévő rendszerek gyakran vagy elhomályosítják a fénykép jelentős részleteit, vagy csökkentik a képminőséget digitális hibák hozzáadásával. Ennek orvoslására a kutatók három kulcsfontosságú jellemzőt emelnek ki a Chameleon esetében. Az első a kereszt-kép optimalizálás, ami lehetővé teszi, hogy a Chameleon egy P3-Maszkot hozzon létre felhasználónként ahelyett, hogy minden fényképhez külön-külön készülne. Ez azonnali védelmet nyújt és hatékonyan használja a számítási erőforrásokat, ami hasznos, ha a Chameleon olyan eszközökben kerül alkalmazásra, mint az okostelefonok. Másodszor, a Chameleon a "észlelhetőség optimalizálást" alkalmazza, biztosítva, hogy a védett kép vizuális minősége manuális beavatkozás vagy paraméter beállítások nélkül megmaradjon. A harmadik jellemző megerősíti a P3-Maszkot, hogy ellenálljon az ismeretlen arcfelismerő modelleknek. Ez magában foglalja a fókusz diverzitás optimalizált együttes tanulást a maszk-készítési folyamatba integrálva, ami egy gépi tanulási technika, amely több modell előrejelzéseit kombinálja az algoritmus pontosságának növelése érdekében. Végül a kutatók azt kívánják, hogy a Chameleon elhomályosítási technikáit kiterjesszék a személyes képek védelmén túlra.