Výskumníci z oblasti strojového učenia vyvinuli nový prístup na riešenie obáv týkajúcich sa súkromia pri identifikácii osôb (ID) osôb. Identifikácia osôb využívajúca modely hlbokého učenia má potenciál sledovať jednotlivcov pomocou rôznych kamerových pohľadov za účelom monitorovania a verejnej bezpečnosti. Táto technológia však tiež spôsobuje významné obavy o súkromie.
Tradične sa na zmierňovanie rizika zverejňovania osobne identifikovateľných informácií (PII) vo fotografiách používajú anonymizačné techniky ako pixelizácia alebo rozmazanie. Aj keď tieto metódy účinne chránia súkromie, môžu kompromitovať úžitkovosť údajov. Navyše, uplatňovanie opatrení na zabezpečenie súkromia na neštruktúrované a neagregované vizuálne údaje predstavuje výzvy.
Výskumný tím zo Singapuru navrhol nový prístup na zlepšenie súkromia pri identifikácii osôb. Zistili, že modely identifikácie osôb založené na hlbokom učení kodujú osobne identifikovateľné informácie v naučených vlastnostiach, čo predstavuje riziko pre súkromie. Pre riešenie tohto problému uvádzajú duálnu metódu identifikácie osôb. Prvá fáza zahŕňa potlačenie PII z diskriminačných vlastností pomocou samoregulovaného de-identifikačného (De-ID) dekodéra a modulu adversarnej identity (Adv-ID). Druhá fáza zabezpečuje ovládateľné súkromie prostredníctvom diferenciálnej súkromia, ktoré do údajov vnáša riadený šum.
Výskumníci vykonali experimenty na overenie prínosov jednotlivých zložiek ich modelu na zachovanie súkromia pri identifikácii osôb. Skúmali rôzne mechanizmy de-identifikácie, pričom sa ukázala pixelizácia ako najefektívnejšia pri dosahovaní rovnováhy medzi súkromím a úžitkom. Adversárny modul úspešne odstraňuje identifikovateľné informácie, hoci s miernym dopadom na presnosť identifikácie osôb.
Navrhovaný model chrániaci súkromie identifikácie osôb kombinuje enkóder identifikácie osôb, dekodér založený na pixelizácii a adversárny modul pre dosiahnutie rovnováhy medzi úžitkom a súkromím. Model s ovládateľným súkromím založený na diferenciálnej súkromi umožňuje riadené posúsenie, čím umožňuje riadené súkromie a strategickejší prístup k obavám o súkromie. Porovnávacie hodnotenia s existujúcimi východiskami a najnovším metodami demonštrujú nadradený výkon navrhnutého modelu pri dosahovaní optimálnej rovnováhy medzi súkromím a úžitkom.
Výskum tiež obsahuje kvalitatívne hodnotenia, ktoré vizualizujú vlastnosti navrhnutého modelu ako viac invariantné vo vzťahu ku identite v porovnaní s východiskovými vlastnosťami. Ďalej, vizuálne porovnania pôvodných a rekonštruovaných snímok zdôrazňujú praktický vplyv jednotlivých zložiek modelu.
Celkovo táto výskumná práca ponúka komplexný prístup zameraný na súkromie pri identifikácii osôb a poukazuje na dôležitosť rovnováhy medzi úžitkom a súkromím. Budúca práca sa bude zaoberať zlepšením zachovania úžitkovosti a skúmaním zahrnutia narušených obrazov do trénovania modelu identifikácie osôb.
The source of the article is from the blog yanoticias.es