Sztuczna inteligencja (AI) może być rozwiązaniem do ochrony Twoich osobistych zdjęć przed niechcianym rozpoznawaniem twarzy i oszustami, jednocześnie zachowując jakość obrazu. Niedawne badanie z Georgia Tech, opublikowane 19 lipca w bazie danych arXiv, wyjaśnia, jak badacze opracowali model AI o nazwie "Chameleon". Ten model tworzy cyfrową "pojedynczą, spersonalizowaną maskę ochrony prywatności (P-3)" dla osobistych zdjęć, która uniemożliwia oprogramowaniu do skanowania twarzy identyfikację twarzy osoby, sprawiając, że zdjęcia wyglądają, jakby należały do kogoś innego. "Ochrona prywatności przy udostępnianiu danych i analizie, jak Chameleon, będzie promować zarządzanie i odpowiedzialne przyjmowanie technologii AI, zachęcając do odpowiedzialnej nauki i innowacji" — stwierdziła autorka główna badań Ling Liu, profesor obliczeń wspomaganych danymi i inteligencją w Szkole Informatyki Georgia Tech. Liu opracowała model Chameleon z innymi badaczami. Systemy rozpoznawania twarzy są powszechne, od kamer policyjnych po Face ID w iPhone'ach. Nieautoryzowane skanowania mogą prowadzić do tego, że cyberprzestępcy zbierają obrazy do oszustw, defraudacji lub prześladowania.

Mogą również kompilować te obrazy do baz danych dla niepożądanych reklam i cyberataków. Tworzenie masek Chociaż maskowanie obrazów nie jest nowością, istniejące systemy często albo zaciemniają znaczące szczegóły zdjęcia, albo obniżają jego jakość poprzez dodawanie cyfrowych artefaktów. Aby temu przeciwdziałać, badacze podkreślają trzy kluczowe cechy Chameleon. Pierwszą z nich jest optymalizacja między obrazami, która pozwala Chameleon generować jedną maskę P3 na użytkownika, zamiast jednej na każde zdjęcie. To zapewnia natychmiastową ochronę i efektywne wykorzystanie zasobów obliczeniowych, co jest przydatne, jeśli Chameleon jest używany w urządzeniach takich jak smartfony. Po drugie, Chameleon używa "optymalizacji percepcji", co gwarantuje utrzymanie jakości wizualnej chronionego obrazu bez ręcznego wprowadzania danych lub dostosowywania parametrów. Trzecia cecha wzmacnia maskę P3, aby wytrzymała nieznane modele rozpoznawania twarzy. Obejmuje to integrację zróżnicowanej ogniskowej techniki uczenia zbiorowego w proces tworzenia masek, techniki uczenia maszynowego, która łączy przewidywania wielu modeli w celu zwiększenia dokładności algorytmu. Ostatecznie badacze mają nadzieję rozwinąć techniki maskowania Chameleon poza ochroną zdjęć osobistych.