这项技能可望运用成为“隐私过滤器”,如果你也是一个重视网络隐私的人,这该当会是你未来的必载神器。
当我们上传照片、视频至社群平台时,算法也抓取我们的信息、位置、朋侪的数据,让脸部识别系统对我们有更多的理解,并且不断进化。
面对网络隐私、数据的安全性问题,多伦多大学成功创建了一种毁坏脸部识别系统的算法。
“当脸部识别技能越精定时,个人隐私也成了大问题。”“个中一个能有效打击脸部识别办法,便是反脸部识别算法”卖力该操持的多伦多大学教授Parham Aarabi 如此表示。
该算法的特色在于利用了对抗演习(Adversarial training),是一种深度学习技能,让两个人工智能相互对抗。
团队设计了两个神经网络,第一个用于“识别人脸”,第二个则是专门“唱反调”毁坏前者的脸部识别任务。
这两个网络不断地相互争斗、相互学习,创建了一场持续不断的人工智能武备竞赛。
结果是,唱反调AI 能够知道敌手脸部识别AI,在找寻什么关键部位,并应时动些人眼看不出来的小手脚 ,例如改变眼角,使其不太明显,但却能够完备欺骗敌手,让它无法识别。
团队于脸部数据库 300-W(拥有 600 张包含多种族、照明条件、环境的脸部数据),测试了该系统。他们表示, 新算法可以将脸部识别准确度 100%,降到只剩 0.5%。
而该算法可以运用在,类似 Instagram 过滤器的工具上。未来团队将希望通过 App 或网站公开供应隐私过滤器。
编辑:储舒婷