當馬賽克被AI看穿，我們的隱私將藏於何處？

圖片來源@視覺中國

提起馬賽克，相信很多神級宅男都恨得牙癢癢：費勁吧啦地下載了一兩個小時，一打開，有碼……估計摔電腦的心都有。

當然馬賽克除了有時候會耽誤宅男的心情，更多的時候是起到了非常重要的保護作用。比如對一些涉及恐怖、血腥內容，或者警務人員的畫面時候，打個馬賽克能避免對人造成不適，也可以保護公職人員的安全。而且，電影中打碼也並不是為了故意要傷宅男的心，一切都是商業需要。總體來說，馬賽克在日常使用中基本上沒什麽正經值得黑的地方。

但問題在於，在人工智能時代來臨之後，馬賽克可能要面臨被“解碼”的風險了。

為了好好打碼，AI沒閑著

雖然日常圖片、影片中我們經常會接觸到馬賽克，但很多人對它的由來可能並不清楚。

“馬賽克”是英文單詞“mosaic”一詞的音譯，其本為一種鑲嵌工藝，呈塊狀，源於古希臘。而人們對影像進行區域性模糊處理的方法就是，將特定區域的色階細化，並造成色塊打亂的效果。這樣的色塊就像一個個小方格，與馬賽克非常相似。因此，這種影像模糊處理就被稱為馬賽克。

其實更簡單點說，就是調低影像分辨率。本來一張臉可以細分為1000萬個像素點，現在給你變成10個，你還能認出來嗎？

所以，我們說碼打得重不重，就是看分辨率調低的程度如何。

既然是影像處理，馬賽克自然基本有兩種場景：圖片和影片。

給圖片打碼基本上不存在什麽難度，由於圖片是靜態的，因此選中區域，直接操作就可以。但涉及給動態影片打碼的時候，技術難度就出來了。

影片是由一幀一幀的圖片組成的，看起來要解決這個問題最直接的方式就是對每一幀圖片都打碼，然後組合在一起，影片打碼就大功告成。但顯然不太可能。傳統的電影膠片一秒鐘有24幀，即便是處理一個5分鐘的影片，也要處理上千張圖片，活乾完估計看什麽都成馬賽克了。

為此，人們也是想了很多辦法。YouTube曾推出過一款自定義模糊工具，用戶們可以通過該工具對自己的車牌號、門牌號、銀行卡等一系列隱私內容打碼。表面上來看，技術小白也能夠輕鬆打上馬賽克。但尷尬的是，這款工具很容易擴大打碼範圍，比如你給車牌打個碼，很可能整個車頭都沒了；要給自己的臉打個碼，可能會連累到整個身體一起模糊。

而微軟開發的打碼工具可能會跟蹤得更加精準。該工具基於人工智能技術打造：通過建立一個深度學習神經網絡，其可以精準檢測到影片中的人臉，從而實現跟蹤。並且為了避免對影片中其他人物的“誤碼”，其能夠實現對不同人臉的識別。通過這一套流程，人工智能打碼的表現還不錯。

利用人工智能打碼可以說是打碼技術的一大進步，人們不必一幀一幀地進行影像處理，也不必使用笨笨的影片處理軟體對影片片段進行提取、複製、渲染、跟蹤，也就在很大程度上避免了會時不時出現馬賽克跟不上目標移動速度而導致暴露的情況出現。

可是，馬賽克帶著保護隱私的目的而來，卻更激發了人們對背後真實內容的好奇心。AI打碼沒閑著，還有一群“解碼”的人也是忙忙碌碌。

以子之矛攻子之盾：看起來AI似乎更擅長“解碼”

解碼的邏輯也很簡單：既然你馬賽克是模糊影像處理，那我給你清晰化不就完了嗎？

不久前英偉達、芬蘭阿爾托大學和麻省理工就聯合開發了一項技術，利用AI可以在幾毫秒內對模糊影像進行精細化處理。事實上，類似的模糊圖片處理技術有很多，對其而言，處理一些打碼層級較低的圖片可能還有點做用，稍微複雜點兒就要靠邊站了。

當然也有人正兒八經地乾馬賽克消除技術的研發。

得克薩斯大學2016年曾經開發出一種消除馬賽克的手段，能夠有效地穿透馬賽克的遮擋，從而識別出圖片資訊。技術人員通過建立一個面部和文字識別系統，利用網絡上的圖片對其進行訓練，最終對模糊影片中人臉還原準確率達到80%以上，對經過嚴重馬賽克處理的人臉也可以實現50%左右的正確還原率。

能做到這個程度，應該說足夠引起那些隨隨便便就打打碼的人的警惕了。

而去年谷歌則來個了更狠的。就在微軟推出人臉識別的移動打碼之後，谷歌宣布，通過採用全新的像素遞歸超分辨率技術，Google brain已經獲取了影像高低像素之間的變化規律，因此可以實現對打碼內容的更精準匹配。比如學到紅的是嘴唇之後，它就會把相應的部分還原成嘴唇。

也就是說，通過學習和訓練，Google brain可以針對馬賽克“腦補”出照片中人臉的原貌。

看起來谷歌是很不給微軟面子啊……

相信宅男朋友們已經躍躍欲試，巴不得谷歌趕緊把這項技術推到實際應用當中，免得一次又一次在希望和失望之間輾轉反側了。

但客觀來說，打碼實際上是對圖片的一種不可逆的損害行為。因此，與其說對圖片的“還原”，更準確的說法應該是“猜測”。利用人工智能對馬賽克圖片進行通俗意義上的還原處理，一個必要的條件就是大量的圖片對比。無論是得克薩斯大學還是谷歌都是如此，這也就意味著在缺乏原圖素材的情況下，人工智能也只能是無限地接近原圖。

當馬賽克被擊穿，我們的隱私還安全嗎？

但是，接近就意味著可能，或者說不一定與原圖相同，但可以做到高度相似。從這個角度上來說，馬賽克消除技術的出現無疑會對我們文章開頭提到的隱私安全問題產生巨大威脅。

為了應對這種誰也不願意看到的可能，我們或許可以考慮以下幾種方式。

第一，對進行影像加密修改。得克薩斯大學雖然對模糊影片和打碼影片的識別率很高，但對採用了南加州大學開發的P3技術（Privacy-Preserving Photo Sharing，隱私保護照片共享）修改的影像卻僅僅只有17%的識別正確率。該技術正是為保證照片在互聯網時代傳播的安全性而研發。類似的技術還有很多，其通過對照片的細節特徵進行修改，可以誤導人工智能猜測的方向，從而保護隱私安全。

第二，改變打碼形式。西蒙弗雷澤大學的研究人員提出了一種利用人工智能將需要打碼的人臉藝術化的方法。通過這種方式，其可以表現出說話人的情緒特徵，使視覺效果變得不那麽乾巴巴的。畢竟總是看著一片馬賽克晃來晃去視覺感受確實不那麽好。

而且，經過抽象畫處理的人臉，看起來應基本跟人臉沒什麽太大的關係了……如果谷歌還想識別的話，恐怕要在更為複雜的抽象派藝術畫作上好好費點力氣，估計沒個十年八年可能出不了師。

第三，採用極端“打碼”。馬賽克圖片之所以能被“還原”，一方面在於分辨率降低的程度不夠，二是打碼之後的圖片仍然會具備一定量的原圖特徵。那麽，想要不被認出來，乾脆就粗暴地遮蓋吧。往臉上貼個黑條、打個白光，或者想要表達情緒的話蓋個大表情包之類的，人工智能應該是沒有辦法了。但是這招還是謹慎使用，畢竟相較一個大黑條在影片上飄來飄去，還是馬賽克舒服一點。

當然，面對馬賽克消除技術我們也不必過於焦慮和緊張。一方面其技術成熟度還遠遠不夠，目前還局限於對人臉的識別“還原”，文字、商標等尚未涉及；另一方面影像模糊清晰化技術在很多場景性都是有積極意義的，比如刑偵案件中關鍵圖片的複原、考古資料的清晰化，甚至家裡翻新個老照片等。

與模糊圖片清晰化處理相比，顯然破解馬賽克是最難的一關。如果連馬賽克都能被斬於馬下，那日常的圖片、影片的高清還原則更是不在話下。況且，如果最終馬賽克消除技術真的成熟，由於其能輕易戳穿隱私，勢必也將面臨法律、道德層面的製約。

所以，在製約得當的情況下，馬賽克這種東西，該打還是得打。

更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App