马赛克|为什么马赛克在AI面前不安全 图片内容如何打马赛克安全

网络上一个名为Depix的项目引发热议,它能够将解码被打上马赛克的文字,而杜克大学的AI算法PULSE也能将模糊的人像变清晰,生活中我们经常用马赛克来处理重要信息和图片,如何打马赛克安全?下面带来介绍。

马赛克|为什么马赛克在AI面前不安全 图片内容如何打马赛克安全
文章图片

为什么马赛克在AI面前不安全?
据媒体报道一个名为Depix的项目引发热议。Depix能够解码被打上马赛克的文字,但只适用于使用线性方框滤波器创建的像素化图像。除了Depix,谷歌的超强像素递归方案、杜克大学的AI算法PULSE,也能将面目模糊的人像变得清晰可辨。
看一下效果图,其中,第一行是被像素化后的密码序列,被狠狠地打了一层马赛克,看不出一点原始痕迹。
第二行是经过 AI 还原后的密码,可以看到密码序列基本被还原了,而且准确度很高,只有稍加推理就能得到第三行的原始密码

马赛克|为什么马赛克在AI面前不安全 图片内容如何打马赛克安全
文章图片

那么,这个「不可思议」的 AI 还原技术是如何实现的?
我们知道,马赛克是图像像素化处理的一种手段,它通过将影像特定区域的色阶细节劣化并打乱色块,达到一种模糊图像的效果。
像素化在许多领域被用于模糊图像信息,其中线性盒滤波器( Linear Box Filter)是一种较为普遍的处理算法。盒子滤波也称为方框滤波,它采用一个像素框,用该框中所有像素的平均值覆盖像素。
像这样,表情图像被分为四个色块,每个色块被色块平均值所覆盖,最终形成了像素化表情,由于原始信息丢失,因此不能直接反转滤波器。
AI 还原算法 - DepixMellema 正是利用了盒子滤波器 。
线性盒滤波器是一种确定性算法,对相同的值执行像素化通常会产生同样的像素块(Block),那么反之,使用相同位置的块对相同文本执行像素化,是否也会得到同样的块值?
Mellema 尝试通过像素化文本来找出匹配的模式,结果发现确实如此。
具体来说,Mellema 把每个块或块组合看作一个子问题。该算法要求在相同背景上,具备相同的文本大小和颜色,因此他没有选择创建潜在字符的查找表,因为现代文本编辑器可以添加色调、饱和度和亮度,也就是说存在海量潜在字符。
AI 还原『人脸图像』
如前所述,除了字符密码,AI 还原人脸照也不在话下。

马赛克|为什么马赛克在AI面前不安全 图片内容如何打马赛克安全
文章图片

今年 6 月中旬,杜克大学推出 AI 算法—PULSE,可以将低分辨率的人脸图像放大 64 倍,即使是打了马赛克,面部的毛孔、皱纹,头发也都能变得清晰可见。
不过,被还原的人脸是一全新的虚拟面孔,并不是真实存在的。其中眼睛、鼻子、嘴巴等五官是 AI 在原始图像的基础上,自行想象出的结果。
因此,这项 AI 技术不能用于身份识别。比如监控摄像头拍摄的失焦、无法辨别的图片,不能通过 PULSE 还原成真实存在的人像。不过,它在医学、显微镜、天文学,以及卫星图像等领域有着广泛的应用场景。
最后,无论是利用 AI 还原字符密码、还是人脸图像,其初心都是科技向善。但这些 AI 技术不可避免地被有些人用于不良或非法用途。
因此,在这个科技高速发展的现在,保护个人数据显得尤为重要。

马赛克|为什么马赛克在AI面前不安全 图片内容如何打马赛克安全
文章图片

图片内容如何打马赛克安全?
1、重复涂抹马赛克
2、用有图案的马赛克
3、重复马多次,完全马上以后,截图再上传。
4、我都是要么截掉要么直接消除笔抹掉,基本不怎么用马赛克