Rozmazali jste text a tvář kvůli ochraně soukromí? Neuronová síť to stejně rozlouskne

  • Pixelizujete citlivý text?
  • Rozmazáváte tváře ve fotografiích?
  • Za pár let to bude málo, stroje to totiž díky učení prokouknou

Čas od času prolétne webem varování, které předvídá hotovou apokalypsu současné digitální kryptografie v případě, že člověk skutečně zhotoví funkční a univerzální kvantový počítač. Takový stroj by totiž mohl v nesprávných rukou během okamžiku spočítat extrémně složité úlohy s prvočísly, na kterých stojí a padají bezpečnostní certifikáty a šifrovací algoritmy počínaje bankovním sektorem a konče každodenním surfováním na stránkách HTTPS.

Zatím můžeme být klidní, současné experimentální kvantové výpočetní stroje totiž mají k jakémusi univerzálnímu počítači asi tak daleko jako vězeň severokorejského koncentračního tábora k Facebooku.

V nejbližších letech bychom se spíše než kvantových počítačů měli obávat něčeho zcela jiného – stále dokonalejších technik strojového učení a neuronových sítí, které dokážou hotové divy i bez superpozice qubitů a kvantového paralelismu.

Jak strojově rozpoznat rozmazanou tvář

Dokladem budiž čerstvá studie (PDF) z počátku září, za kterou stojí skupina vědců z Cornell Tech a Texaské univerzity v Austinu, a které se věnuje technologii odhalování rozmazaných fotografií pomocí strojového učení.

Každý to dobře zná. Čas od času potřebujeme skrýt na fotografii nějaký text nebo lidský obličej, a tak jej buď zničíme mozaikovým efektem, který oblast rozčtverečkuje, anebo klasickým rozmazáním.

Klepněte pro větší obrázek Klepněte pro větší obrázek
Pixelizované tváře policistů při zátahu a rozmazaný obličej ve videu YouTube. Neuronová síť z Cornell Tech a Texaské univerzity v Austinu dokázala připojit tyto rozmazané podoby tváří k těm původním s 57-72 % přesností.

Problém spočívá v tom, že i při poměrně vysoké síle daného efektu v obrazu stále zůstává určitý korelační vztah k originálu. Lidské oko jej pochopitelně nepozná, ale stroj ano. S příchodem konvolučních neuronových sítí je to přitom relativně snadné. Stačí, vzít nějaký velký soubor fotografií osob, použít několik podobných destruktivních efektů a nechat neurnovou síť učit rozpoznávat tyto jemné korelační nuance, které jsou pro lidský mozek naprosto neviditelné.

Vědci ze zmíněných univerzit to chtěli vyzkoušet v praxi, a tak použili čtyři fotografické databáze pro strojové učení (MNIST, CIFAR-10, AT&T a FaceScrub) a každý snímek zničili sedmi metodami – čtyřmi úrovněmi mozaikování a třemi úrovněmi nově navržené techniky P3, která má anonymizovat citlivé informace ve fotografiích JPEG.

Klepněte pro větší obrázek
Čtyři databáze fotografií a sedm metod anonymizace pomocí mozaikování a techniky P3. Právě s tímto nastavením se neuronová síť učila.

Jejich konvoluční neuronová síť se poté učila, jak se zdeformovaný snímek mění vůči svému originálu podle síly efektu, a jelikož v něm i tak často zůstal zřetelný vztah k originálu, software si mohl vytvořit model, kdy jednomu zdeformovanému snímku odpovídaly originály s určitými parametry. Stačilo je pouze vypsat.

Pokud by tedy měli vědci mnohem rozsáhlejší soubory – třeba snímky ze všech cestovních pasů, bezpečnostních kamer a identifikačních karet, jejich software by mohl s určitou přesností identifikovat jakýkoliv zdeformovaný obličej. A jaká přesnost by to vlastně byla?

Neuronová síť identifikovala zcela rozmazanou tvář

Pokud neuronová síť věděla, jakým typem deformace byla fotografie zničená, dokázala na testovacím souboru odhalit původní fotografii s přesností, která mnohdy dosahovala až hodnot 90-100 %. Pokud to však netušila a vědci jí předložili náhodný snímek, klesla úspěšnost 0,19-50 %. I to je však ohromně vysoké číslo – přinejmenším s ohledem na to, že technika má člověka a text prostě schovat. Na 100 % schovat!

Klepněte pro větší obrázek
Výsledky testování pro jednotlivé databáze a techniky anonimizace

Vzhledem k tomu, že je obor strojového učení a neuronových sítí stále v plenkách, a přesto není týdne, abychom si nepřečetli zase o dalším úspěšném experimentu, který posunul laťku o něco výše, je docela možné, že za pár let dokáže na klasickém výkonném superpočítači dříve opravdu nemyslitelné kousky.

Témata článku: Technologie, Bezpečnost, Umělá inteligence, Výzkum, Strojové učení, Neuronová síť, Soukromí, Austin, Nuance, Toronto

31 komentářů

Nejnovější komentáře

  • Lofwyr 18. 9. 2016 8:53:25
    Jaká neuronová síť. V Kriminálce Njů Jórk to dělají běžně :-D
  • skutecnykosmonaut 17. 9. 2016 21:17:04
    Rozmazanej Obama a na to jsem přišel i bez neuronový sítě.:-)
  • Michal Litecký 17. 9. 2016 14:39:49
    Spíš větší autismus je, když si někdo snaží zakrýt webku lepící páskou...
Určitě si přečtěte

Původní Starcraft: Brood War je nyní zdarma. Konec práce! Jde se pařit

Původní Starcraft: Brood War je nyní zdarma. Konec práce! Jde se pařit

** Legendární hra Starcraft je nyní k dispozici zdarma ** Chystá se i nová remasterovaná verze s hezčí grafikou

19.  4.  2017 | Jakub Čížek | 25

Brno otevřelo největší českou dílnu pro bastlíře. Kladívka, vrtačky, 3D tiskárny, laserové řezačky. Je tu vše

Brno otevřelo největší českou dílnu pro bastlíře. Kladívka, vrtačky, 3D tiskárny, laserové řezačky. Je tu vše

** Máte nápad, ale chybí vám stroje a pořádná dílna? ** Chcete postavit ptačí budku, nebo krabičku pro Arduino? ** Brno otevřelo svůj FabLab – laboratoř pro bastlíře

19.  4.  2017 | Jakub Čížek | 31

Český Google Překladač začal používat umělou inteligenci. Konec „drahoušků zákazníků“

Český Google Překladač začal používat umělou inteligenci. Konec „drahoušků zákazníků“

** Google ve svém překladači roky používal statistickou technologii ** Nyní zavádí strojové učení a neuronové sítě ** Rozdíl by měl být zvláště na větších textech patrný už nyní

20.  4.  2017 | Jakub Čížek | 31


Aktuální číslo časopisu Computer

První test AMD Ryzen

Velké testy: 22 powerbank a 8 bezdrátových setů

Radíme s koupí Wi-Fi routeru

Co dokáží inteligentní domy?