[-]

网上保护隐私的防范措施越来越容易被破解了，尤其是模糊处理和打马赛克的图片。这些方法可以防止吃瓜群众看到敏感信息，但是对于德州大学奥斯汀分校和康奈尔大学的研究者而言，这些措施在机器学习时代已经不堪一击了。

通过深度学习工具，这个三人团队可以识别高度模糊的面部和数字。在一个行业标准的数据集中，人类只有0.19%的识别准确度，而算法则有超过7成的胜算(在可以猜测5次的情况下胜算达到了83%)。该算法并不会制造去模糊的图片，它只是能识别从模糊图片中看到的东西，基于它已经知道的信息。这一方法对马赛克和P3同样有效，后者是一种被视为可以安全隐藏信息的JPEG加密方法。

今年，专门用来看穿模糊图片和马赛克的工具如雨后春笋般冒出，比如马克斯普朗克研究所的一款识别脸书上模糊人像的工具。德州大学和康奈尔大学的研究与众不同的是它简单。他们使用了Torch(一种开源深度学习数据库)，神经网络Torch模板和标准开源数据。

“我们用的是乞丐版方法，东西都是现成的，”康奈尔大学的研究合著者Vitaly Shmatikov说。“找来一堆训练数据，扔一个神经网络，在扔一个标准图片识别算法，于是我们得到不错的结果了。”

Shmatikov承认，考虑识别的语境线索的话，普朗克研究所的成果更加高端。但是他说他的简单方法已经充分说明隐私保护形同虚设。

[-]

为了做演示，研究者们用油管视频工具找来一些图片和模糊的人脸。然后他们将这两组图片都交给算法处理，从而它能够将模糊的图像跟清楚的图像建立联系。遇到同一个人的不同照片时，算法一次性识别准确率是57%，5次识别的准确率是85%。“这玩意很简单，”研究合著者Richard McPherson说。“唯一的限制就是你拿来训练它的数据集。但是如果想搞，还是搞得到的。”

[-]
用油管模糊工具处理的图片可以被轻易识别

训练数据集可以是脸书上的头像，或者是网站上的员工目录。从数字到字母(甚至是手写的)，网上都能找到训练数据集。McPherson和Shmatikov说，油管上推荐的模糊措施只能防人，防不了机器。

“在安全和隐私方面，人们尚未感受到机器学习的威力，”Shmatikov说。“除非有人用简简单单就找到破解之道，人们才会意识到自己的隐私不堪一击。”

本文译自 quartz，由 许叔 编辑发布。

PREV : 一张照片在脸书上引发风波，连首相都惊动了
NEXT : 每5个公司CEO，就有一个精神变态？