科技前沿信息AI研究人员为您的照片设计隐私过滤器

大家好，今日小经来聊聊一篇关于科技前沿信息：AI研究人员为您的照片设计隐私过滤器的文章，现在让我们往下看看吧！

每次您将照片或视频上传到社交媒体平台时，其面部识别系统都会更多地了解您。这些算法会提取有关您的身份，您的位置和您认识的人的数据，并且这些数据会不断改进。

随着对社交网络隐私和数据安全的关注不断增长，由Parham Aarabi教授和研究生Avishek Bose领导的T工程研究人员创建了一种动态破坏面部识别系统的算法。

“个人隐私是一个真正的问题，因为面部识别变得越来越好，”Aarabi说。“这是有益的反面部识别系统能够对抗这种能力的一种方式。”

他们的解决方案利用了一种称为对抗性训练的深度学习技术，该技术将两种人工智能算法相互对立。Aarabi和Bose设计了一套两个神经网络：第一个用于识别面部，第二个用于破坏第一个面部识别任务。两人不断争斗并相互学习，建立了持续的AI军备竞赛。

结果是一个类似Instagram的过滤器，可以应用于照片，以保护隐私。他们的算法改变图像中非常特定的像素，进行人眼几乎察觉不到的变化。

“破坏性人工智能可以'攻击'人脸检测的神经网络正在追寻什么，”Bose说。例如，如果检测AI正在追寻眼角，它会调整眼角，使它们不那么明显。它会在照片中产生非常微妙的干扰，但对于探测器来说，它们非常重要欺骗系统。“

Aarabi和Bose在300W面部数据集上测试了他们的系统，这是一个包含600多种面孔的行业标准库，包括各种种族，照明条件和环境。他们表明，他们的系统可以将最初可检测到的面部比例从近100%降低到0.5%。

“这里的关键是训练两个神经网络相互对抗 - 一个创建一个越来越强大的面部检测系统，另一个创建一个更强大的工具来禁用面部检测，”该项目的第一作者Bose说。该团队的研究将于今年夏天晚些时候在2018年IEEE国际多媒体信号处理研讨会上公布并公布。

除了禁用面部识别之外，新技术还会破坏基于图像的搜索，特征识别，情感和种族估量以及可以自动提取的所有其他基于面部的属性。

接下来，该团队希翼通过应用程序或网站公开提供隐私过滤器。

“十年前，这些算法必须由人类定义，但现在神经网络自己学习 - 除了训练数据之外，你不需要提供任何东西，”Aarabi说。“最终他们可以做一些非常棒的事情。这是一个非常迷人的时间，有巨大的潜力。”

这篇好文章是转载于：知行礼动