Sistem Pembelajaran Mendalam Dapat Mengidentifikasi Wajah Piksel

mengidentifikasi pembelajaran mendalam algoritma wajah piksel
Semua orang sudah familiar dengan metode standar untuk mengaburkan identitas seseorang dalam artikel berita atau video, yang sering kali melibatkan pengaburan atau pikselasi wajah seseorang agar tidak dapat dikenali.

Berita bagus? Mereka masih belum dapat dikenali oleh sebagian besar orang. Berita buruknya? Mereka tidak menipu ilmu komputer modern.

Video yang Direkomendasikan

Informasi tersebut berdasarkan proyek baru yang dilakukan oleh para peneliti di University of Texas di Austin dan Cornell University, yang menggunakan data tersebut pembelajaran mendalam ke menebak dengan benar identitas yang disunting orang-orang yang disembunyikan oleh kebingungan. Meskipun tebakan manusia berhasil menyunting identitas dengan benar sebanyak 0,19 persen, sistem pembelajaran mesin mampu membuat penilaian yang benar dengan akurasi 83 persen, ketika diperbolehkan melakukan lima kali percobaan.

“Pemburaman dan pikselasi sering kali digunakan untuk menyembunyikan identitas orang dalam foto dan video,” Vitaly Shmatikov

, seorang profesor ilmu komputer di Cornell, mengatakan kepada Digital Trends. “Dalam sebagian besar skenario ini, musuh mempunyai gagasan yang cukup bagus tentang sekelompok kecil orang yang mungkin terlibat siapa yang bisa saja muncul dalam gambar tersebut, dan dia hanya perlu mencari tahu siapa di antara mereka yang ada dalam gambar tersebut gambar."

Ini, lanjut Shmatikov, merupakan skenario di mana teknologi tim bekerja dengan baik. “Hal ini menunjukkan bahwa pengaburan, pikselasi, dan metode pengaburan gambar lainnya mungkin tidak memberikan banyak perlindungan karena pengungkapan identitas seseorang akan membahayakan mereka,” katanya.

Tantangannya, tentu saja, sering kali metode penyuntingan identitas seseorang digunakan untuk melindungi seseorang, seperti pelapor atau saksi kejahatan. Dengan menerapkan algoritma pengenalan gambar tersebut, berdasarkan jaringan saraf tiruan, terhadap gambar yang dikaburkan menggunakan alat yang sudah ada, berpotensi menempatkan orang dalam bahaya.

“Tantangan mendasarnya adalah menjembatani kesenjangan antara teknologi perlindungan privasi dan pembelajaran mesin,” kata Shmatikov. “Banyak perancang teknologi privasi tidak sepenuhnya menghargai kekuatan pembelajaran mesin modern — dan hal ini mengarah pada teknologi yang tidak benar-benar melindungi privasi.”

Rekomendasi Editor

  • Jangan membayar pajak Verizon 5G untuk Google Pixel 4a 5G
  • Jangan bicara: Perangkat wearable ini memungkinkan Anda memberikan perintah suara tanpa mengucapkan sepatah kata pun
  • Jangan tertipu — sistem otomatis ini secara diam-diam memanipulasi konten video

Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terkini, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.