Araştırmacılar Mozaiklenen Görüntüleri Yapay Zeka Kullanarak Düzeltiyorlar

 

Araştırmacılar yazılıma aktör J.K. Simmons’un bu fotoğrafı ile birlikte başka fotoğraflar da besleyerek belirli yüzleri tanımayı öğrenmesini sağladılar

Araştırmacılar yazılıma aktör J.K. Simmons’un bu fotoğrafı ile birlikte başka fotoğraflar da besleyerek belirli yüzleri tanımayı öğrenmesini sağladılar


1989’dan bu yana TV’de yayınlanan polisiye belgesel Cops dizisi özel hayatlarını korunmak amacı ile, şüphelilerin görüntülerini yüzlerini mozaikleyerek yayınlıyordu. O zamandan beri mozaiklenen ya da bulanıklaştırılan yüzler, medyada tanınmak istemeyen kişilerin kimliklerinin gizlenmesi için bir standart haline geldi. Birkaç yıl önce de YouTube, protestocuları kanuni takipten veya işverenlerinin takibinden korumak amacı ile bir yüz bulanıklaştırma aracı (facial blurring tool) sunarak bu alana katkı yaptı. Ancak Austin’deki Texas Üniversitesi ve New York’taki Cornell Üniversitesi Teknoloji kampüsünde yapay zeka ile öğrenme alanında çalışan araştırmacılar, kullanıcılarının fotoğraf ya da videolarda gizlenmiş yüzleri tanımalarını sağlayan bir yazılım geliştirdiler.

Wired dergisi araştırmacıların bu yazılımı hem bulanıklaştırma hem de mozaikleme teknolojilerini içeren üç farklı kişisel gizlilik aracını çözümlemek için kullandıklarını belirtiyor. Böylelikle bilgisayara yüzleri tanımayı öğreten yazılım, şekli bozulmuş görüntüleri bozulmamış özgün halleri ile eşleştirebiliyor. Ancak araştırmacılar yazılımın bozulmuş görüntüleri yeniden düzenleyemediğini özellikle belirtiyorlar.

Yapay Zeka pek çok görsel gizleme tipini çözebilir Soldaki sütunda araştırmacıların kullandığı özgün görseller yer alırken, takip eden dört sütunda bunların daha da bozularak gizlenmiş kopyaları yer alıyor. Sağdaki üç sütun P3 (Privacy Preserving Photo Sharing) olarak adlandırılan başka tür bir görsel koruma tipini gösteriyor. Görsel ne kadar az bozulmuş olursa, programın onu tanıması o kadar kolay oluyor. Ancak yazılım, neredeyse tanımlanamaz olan P3 ile bozulmuş görselleri bile %97 doğrulukla tanıyabiliyor.

Yapay Zeka pek çok görsel gizleme tipini çözebilir : Soldaki sütunda araştırmacıların kullandığı özgün görseller yer alırken, takip eden dört sütunda bunların daha da bozularak gizlenmiş kopyaları yer alıyor. Sağdaki üç sütun P3 (Privacy Preserving Photo Sharing) olarak adlandırılan başka tür bir görsel koruma tipini gösteriyor. Görsel ne kadar az bozulmuş olursa, programın onu tanıması o kadar kolay oluyor. Ancak yazılım, neredeyse tanımlanamaz olan P3 ile bozulmuş görselleri bile %97 doğrulukla tanıyabiliyor.


Yüz tanıma için araştırmacılar her ne kadar gelişmiş yapay zeka destekli öğrenme teknikleri kullanmış olsalar da, isteyen herhangi bir kişi de kullandıkları teknolojiye ulaşabilir. Araştırmacılara göre, kullandıkları yöntemler aslında mevcut yüz gizleme yazılımı teknolojilerinin ne kadar sağlıklı olduğu sorusunu gündeme getiriyor. New York’taki Cornell Üniversitesi Teknoloji Kampüsü araştırmacılarından Vitaly Shmatikov, Popular Science dergisine yaptığı açıklamada, “En şaşırtıcı olan, denediğimiz en basit yöntemin bu kadar iyi sonuç vermesi oldu,” diyor.
Araştırmaya katılan Shmatikov’un öğrencilerinden Richard McPherson, kullandıkları bazı sinir ağlarının oldukça basit olduğunu vurguluyor. Popular Science dergisine yaptığı açıklamada, “Kullandıklarımızdan bir tanesi neredeyse öğretici bir yordam, sinir ağlarını ilk öğrenmeye başladığınızda internetten indirip biraz kurcalayarak hızlıca geliştirme yapacağınız türden,” diyor.

Araştırmacılar çalışmalarının internet kullanıcılarına gizliliğe yönelik tehditlerin çok büyük bir hızla değişen temposuna ayak uydurmanın ne kadar önemli olduğunu göstereceğini umuyorlar. Shmatikov “Dengeler değişiyor, mahremiyetin korunması için teknoloji geliştirenlerin de bunu gerçekten dikkate alması gerekiyor.” diyor.


Çeviren : Serpil Erol

Bunları da okumak isteyebilirsiniz...

Bir cevap yazın

Abonelikle İlgili Konular İçin abone@doganburda.com

Eksik Sayılar İçin okurhizmetleri@doganburda.com

Müşteri Hizmetleri (212) 478 0 300

Danışma Hattı (212) 410 32 00

 

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir