मिलिए 'गिरगिट' से – एक एआई मॉडल जो एक परिष्कृत डिजिटल मास्क की बदौलत आपको चेहरे की पहचान से बचा सकता है
कृत्रिम होशियारी (एआई) छवि गुणवत्ता को नष्ट किए बिना, आपकी व्यक्तिगत तस्वीरों को अवांछित चेहरे की पहचान करने वाले सॉफ़्टवेयर और धोखेबाजों से छिपाने की कुंजी हो सकता है।
जॉर्जिया टेक यूनिवर्सिटी का एक नया अध्ययन, 19 जुलाई को प्री-प्रिंट में प्रकाशित हुआ arXiv डेटाबेस, विवरण देता है कि कैसे शोधकर्ताओं ने “गिरगिट” नामक एक एआई मॉडल बनाया, जो व्यक्तिगत तस्वीरों के लिए एक डिजिटल “एकल, वैयक्तिकृत गोपनीयता सुरक्षा (पी -3) मास्क” का उत्पादन कर सकता है जो किसी व्यक्ति के चेहरे का पता लगाने से अवांछित चेहरे की स्कैनिंग को विफल कर देता है। इसके बजाय गिरगिट चेहरे की पहचान करने वाले स्कैनर का उपयोग करके तस्वीरों को किसी और की पहचान कराएगा।
अध्ययन के मुख्य लेखक ने कहा, “गिरगिट जैसे गोपनीयता-संरक्षण डेटा साझाकरण और विश्लेषण से शासन को आगे बढ़ाने और एआई प्रौद्योगिकी को जिम्मेदार ढंग से अपनाने और जिम्मेदार विज्ञान और नवाचार को प्रोत्साहित करने में मदद मिलेगी।” लिंग लियूजॉर्जिया टेक स्कूल ऑफ कंप्यूटर साइंस में डेटा और खुफिया-संचालित कंप्यूटिंग के प्रोफेसर (जिन्होंने अन्य शोधकर्ताओं के साथ गिरगिट मॉडल विकसित किया), एक बयान में.
पुलिस कैमरे से लेकर आईफ़ोन में फेस आईडी तक चेहरे की पहचान प्रणाली अब रोजमर्रा की जिंदगी में आम हो गई है। लेकिन अवांछित या अनधिकृत स्कैनिंग से साइबर अपराधी घोटालों, धोखाधड़ी या पीछा करने के लिए छवियां एकत्र कर सकते हैं। वे अवांछित विज्ञापन लक्ष्यीकरण और साइबर हमलों के लिए उपयोग किए जाने वाले डेटाबेस बनाने के लिए छवियां भी एकत्र कर सकते हैं।
मुखौटे बनाना
हालाँकि छवियों को छिपाना कोई नई बात नहीं है, मौजूदा प्रणालियाँ अक्सर किसी व्यक्ति की तस्वीर के मुख्य विवरणों को अस्पष्ट कर देती हैं या डिजिटल कलाकृतियों को पेश करके किसी भी वास्तविक गुणवत्ता की छवि को संरक्षित करने में विफल हो जाती हैं। इस पर काबू पाने के लिए शोधकर्ताओं ने कहा कि गिरगिट में तीन विशिष्ट विशेषताएं होती हैं।
पहला क्रॉस-इमेज ऑप्टिमाइज़ेशन का उपयोग है जो गिरगिट को प्रत्येक छवि के लिए एक नए मास्क के बजाय प्रति उपयोगकर्ता एक पी3-मास्क बनाने में सक्षम बनाता है। इसका मतलब है कि एआई सिस्टम उपयोगकर्ता के लिए तत्काल सुरक्षा प्रदान कर सकता है, और सीमित कंप्यूटिंग संसाधनों के अधिक कुशल उपयोग को भी सक्षम बनाता है; यदि गिरगिट को स्मार्टफोन जैसे उपकरणों में उपयोग के लिए अपनाया जाता है तो उत्तरार्द्ध संभवतः उपयोगी होगा।
दूसरे, गिरगिट में “एक बोधगम्यता अनुकूलन” शामिल है – यह संदर्भित करता है कि कैसे एक छवि स्वचालित रूप से प्रस्तुत की जाती है, बिना किसी मैन्युअल हस्तक्षेप या पैरामीटर सेटिंग के – यह सुनिश्चित करने के लिए कि संरक्षित चेहरे की छवि की दृश्य गुणवत्ता संरक्षित है।
तीसरी विशेषता पी3-मास्क को मजबूत करना है ताकि यह अज्ञात चेहरे की पहचान मॉडल को विफल करने के लिए पर्याप्त मजबूत हो। यह फोकल विविधता-अनुकूलित को एकीकृत करके किया जाता है सामूहिक शिक्षा मुखौटा निर्माण प्रक्रिया में। दूसरे शब्दों में, यह एक मशीन लर्निंग तकनीक का उपयोग करता है जो एल्गोरिदम की सटीकता में सुधार करने के लिए कई मॉडलों की भविष्यवाणियों को जोड़ती है।
अंततः, शोधकर्ता गिरगिट की अस्पष्टीकरण विधियों को व्यक्तिगत उपयोगकर्ताओं की व्यक्तिगत छवियों की सुरक्षा से परे लागू करना चाहेंगे।
जॉर्जिया टेक डॉक्टरेट छात्र ने कहा, “हम कृत्रिम बुद्धिमत्ता जेनरेटर मॉडल को प्रशिक्षित करने के लिए छवियों को इस्तेमाल होने से बचाने के लिए इन तकनीकों का उपयोग करना चाहेंगे। हम छवि जानकारी को सहमति के बिना इस्तेमाल होने से बचा सकते हैं।” तियानशेंग हुआंगजो गिरगिट के विकास में भी शामिल थे।
