ഫേഷ്യൽ റെക്കഗ്നിഷൻ സംവിധാനങ്ങളെ തടസ്സപ്പെടുത്താൻ ഫോട്ടോകളെ സൂക്ഷ്മമായി വളച്ചൊടിക്കാനുള്ള സാങ്കേതികത

ലബോറട്ടറിയിൽ നിന്നുള്ള ഗവേഷകർ മണല് ചിക്കാഗോ യൂണിവേഴ്സിറ്റി ഒരു ടൂൾകിറ്റ് വികസിപ്പിച്ചെടുത്തു ഫോക്സ് നടപ്പാക്കലിനൊപ്പം രീതി ഫോട്ടോഗ്രാഫുകളുടെ വികലമാക്കൽ, മുഖം തിരിച്ചറിയൽ, ഉപയോക്തൃ തിരിച്ചറിയൽ സംവിധാനങ്ങൾ എന്നിവ പരിശീലിപ്പിക്കുന്നതിന് അവയുടെ ഉപയോഗം തടയുന്നു. ചിത്രത്തിൽ പിക്സൽ മാറ്റങ്ങൾ വരുത്തി, മനുഷ്യർ കാണുമ്പോൾ അവ അദൃശ്യമാണ്, എന്നാൽ മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുമ്പോൾ തെറ്റായ മോഡലുകളുടെ രൂപീകരണത്തിലേക്ക് നയിക്കുന്നു. ടൂൾകിറ്റ് കോഡ് പൈത്തണിലും എഴുതിയിരിക്കുന്നു പ്രസിദ്ധീകരിച്ചു BSD ലൈസൻസിന് കീഴിൽ. അസംബ്ലികൾ തയ്യാറാക്കിയത് Linux, macOS, Windows എന്നിവയ്‌ക്കായി.

സോഷ്യൽ നെറ്റ്‌വർക്കുകളിലും മറ്റ് പൊതു പ്ലാറ്റ്‌ഫോമുകളിലും പ്രസിദ്ധീകരിക്കുന്നതിന് മുമ്പ് നിർദ്ദിഷ്ട യൂട്ടിലിറ്റി ഉപയോഗിച്ച് ഫോട്ടോകൾ പ്രോസസ്സ് ചെയ്യുന്നത്, മുഖം തിരിച്ചറിയൽ സംവിധാനങ്ങളെ പരിശീലിപ്പിക്കുന്നതിനുള്ള ഒരു ഉറവിടമായി ഫോട്ടോ ഡാറ്റ ഉപയോഗിക്കുന്നതിൽ നിന്ന് ഉപയോക്താവിനെ സംരക്ഷിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. നിർദ്ദിഷ്ട അൽഗോരിതം 95% മുഖം തിരിച്ചറിയൽ ശ്രമങ്ങളിൽ നിന്നും സംരക്ഷണം നൽകുന്നു (Microsoft Azure recognition API, Amazon Recognition, Face++ എന്നിവയ്‌ക്ക്, സംരക്ഷണ കാര്യക്ഷമത 100% ആണ്). മാത്രമല്ല, ഭാവിയിൽ യൂട്ടിലിറ്റി പ്രോസസ്സ് ചെയ്യാത്ത ഒറിജിനൽ ഫോട്ടോഗ്രാഫുകൾ, ഫോട്ടോഗ്രാഫുകളുടെ വികലമായ പതിപ്പുകൾ ഉപയോഗിച്ച് ഇതിനകം പരിശീലിപ്പിച്ച ഒരു മോഡലിൽ ഉപയോഗിച്ചാലും, തിരിച്ചറിയലിലെ പരാജയങ്ങളുടെ തോത് അതേപടി തുടരുകയും കുറഞ്ഞത് 80% എങ്കിലും ആയിരിക്കും.

ഈ രീതി "എതിരാളി ഉദാഹരണങ്ങൾ" എന്ന പ്രതിഭാസത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ഇതിന്റെ സാരാംശം ഇൻപുട്ട് ഡാറ്റയിലെ ചെറിയ മാറ്റങ്ങൾ വർഗ്ഗീകരണ ലോജിക്കിൽ നാടകീയമായ മാറ്റങ്ങൾക്ക് ഇടയാക്കും എന്നതാണ്. നിലവിൽ, "എതിരാളി ഉദാഹരണങ്ങൾ" എന്ന പ്രതിഭാസം മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളിലെ പരിഹരിക്കപ്പെടാത്ത പ്രധാന പ്രശ്നങ്ങളിലൊന്നാണ്. ഭാവിയിൽ, ഈ പോരായ്മയില്ലാത്ത ഒരു പുതിയ തലമുറ മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങൾ ഉയർന്നുവരുമെന്ന് പ്രതീക്ഷിക്കുന്നു, എന്നാൽ ഈ സംവിധാനങ്ങൾക്ക് വാസ്തുവിദ്യയിലും നിർമ്മാണ മോഡലുകളോടുള്ള സമീപനത്തിലും കാര്യമായ മാറ്റങ്ങൾ ആവശ്യമായി വരും.

ഫോട്ടോഗ്രാഫുകൾ പ്രോസസ്സ് ചെയ്യുന്നത് ഇമേജിലേക്ക് പിക്സലുകളുടെ (ക്ലസ്റ്ററുകൾ) സംയോജനം ചേർക്കുന്നതിലേക്ക് വരുന്നു, അവ ഇമേജ് ചെയ്ത ഒബ്‌ജക്റ്റിന്റെ സവിശേഷതയായ പാറ്റേണുകളായി ആഴത്തിലുള്ള മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ മനസ്സിലാക്കുകയും വർഗ്ഗീകരണത്തിനായി ഉപയോഗിക്കുന്ന സവിശേഷതകളെ വികലമാക്കുകയും ചെയ്യുന്നു. അത്തരം മാറ്റങ്ങൾ പൊതുവായ ഗണത്തിൽ നിന്ന് വേറിട്ടുനിൽക്കുന്നില്ല, അവ കണ്ടെത്താനും നീക്കംചെയ്യാനും വളരെ ബുദ്ധിമുട്ടാണ്. ഒറിജിനൽ, പരിഷ്‌ക്കരിച്ച ചിത്രങ്ങൾ ഉപയോഗിച്ച് പോലും, ഒറിജിനൽ ഏതാണ്, പരിഷ്‌ക്കരിച്ച പതിപ്പ് എന്ന് നിർണ്ണയിക്കാൻ പ്രയാസമാണ്.

മെഷീൻ ലേണിംഗ് മോഡലുകളുടെ ശരിയായ നിർമ്മാണം ലംഘിക്കുന്ന ഫോട്ടോഗ്രാഫുകൾ തിരിച്ചറിയാൻ ലക്ഷ്യമിട്ടുള്ള പ്രതിവിധികൾ സൃഷ്ടിക്കുന്നതിനെതിരെ അവതരിപ്പിച്ച വികലങ്ങൾ ഉയർന്ന പ്രതിരോധം പ്രകടമാക്കുന്നു. പിക്സൽ കോമ്പിനേഷനുകൾ അടിച്ചമർത്താൻ ചിത്രത്തിലേക്ക് മങ്ങിക്കൽ, ശബ്ദം ചേർക്കൽ അല്ലെങ്കിൽ ഫിൽട്ടറുകൾ പ്രയോഗിക്കൽ എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള രീതികൾ ഉൾപ്പെടുത്തുന്നത് ഫലപ്രദമല്ല. ഫിൽട്ടറുകൾ പ്രയോഗിക്കുമ്പോൾ, പിക്സൽ പാറ്റേണുകൾ കണ്ടെത്തുന്നതിനേക്കാൾ വളരെ വേഗത്തിൽ വർഗ്ഗീകരണ കൃത്യത കുറയുന്നു എന്നതാണ് പ്രശ്നം, കൂടാതെ വികലങ്ങൾ അടിച്ചമർത്തുമ്പോൾ, തിരിച്ചറിയൽ നില സ്വീകാര്യമായി കണക്കാക്കാനാവില്ല.

സ്വകാര്യത പരിരക്ഷിക്കുന്നതിനുള്ള മറ്റ് സാങ്കേതിക വിദ്യകളെപ്പോലെ, തിരിച്ചറിയൽ സംവിധാനങ്ങളിലെ പൊതു ചിത്രങ്ങളുടെ അനധികൃത ഉപയോഗത്തെ ചെറുക്കുന്നതിന് മാത്രമല്ല, ആക്രമണകാരികളെ മറയ്ക്കുന്നതിനുള്ള ഒരു ഉപകരണമായും നിർദ്ദിഷ്ട സാങ്കേതികത ഉപയോഗിക്കാമെന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. അനിയന്ത്രിതമായും അവരുടെ മോഡലുകളെ പരിശീലിപ്പിക്കാനുള്ള അനുമതിയില്ലാതെയും വിവരങ്ങൾ ശേഖരിക്കുന്ന മൂന്നാം കക്ഷി സേവനങ്ങളെ തിരിച്ചറിയുന്നതിനുള്ള പ്രശ്നങ്ങൾ പ്രധാനമായും ബാധിക്കുമെന്ന് ഗവേഷകർ വിശ്വസിക്കുന്നു (ഉദാഹരണത്തിന്, Clearview.ai സേവനം ഒരു മുഖം തിരിച്ചറിയൽ ഡാറ്റാബേസ് വാഗ്ദാനം ചെയ്യുന്നു, പണിതത് സോഷ്യൽ നെറ്റ്‌വർക്കുകളിൽ നിന്നുള്ള ഏകദേശം 3 ബില്യൺ ഫോട്ടോകൾ സൂചികയിലാക്കിയിരിക്കുന്നു). ഇപ്പോൾ അത്തരം സേവനങ്ങളുടെ ശേഖരങ്ങളിൽ കൂടുതലും വിശ്വസനീയമായ ചിത്രങ്ങൾ അടങ്ങിയിട്ടുണ്ടെങ്കിൽ, ഫോക്കുകളുടെ സജീവമായ ഉപയോഗത്തോടെ, കാലക്രമേണ, വികലമായ ഫോട്ടോകളുടെ കൂട്ടം വലുതായിരിക്കും, കൂടാതെ മോഡൽ അവയെ വർഗ്ഗീകരണത്തിന് ഉയർന്ന മുൻഗണനയായി പരിഗണിക്കും. രഹസ്യാന്വേഷണ ഏജൻസികളുടെ തിരിച്ചറിയൽ സംവിധാനങ്ങൾ, വിശ്വസനീയമായ സ്രോതസ്സുകളുടെ അടിസ്ഥാനത്തിൽ നിർമ്മിച്ച മോഡലുകൾ, പ്രസിദ്ധീകരിച്ച ടൂളുകളെ ബാധിക്കില്ല.

പ്രായോഗിക സംഭവവികാസങ്ങൾക്കിടയിൽ, നമുക്ക് പ്രോജക്റ്റ് ശ്രദ്ധിക്കാം ക്യാമറ അഡ്‌വേർസരിയ, വികസിപ്പിക്കുന്നു മൊബൈൽ അപ്ലിക്കേഷൻ ചിത്രങ്ങളിലേക്ക് ചേർക്കാൻ പെർലിൻ ശബ്ദം, മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങൾ വഴി ശരിയായ വർഗ്ഗീകരണം തടയുന്നു. ക്യാമറ അഡ്‌വേർസേറിയ കോഡ് ലഭ്യമാണ് EPL ലൈസൻസിന് കീഴിലുള്ള GitHub-ൽ. മറ്റൊരു പദ്ധതി അദൃശ്യ വസ്ത്രം പ്രത്യേക പാറ്റേണുള്ള റെയിൻകോട്ടുകൾ, ടി-ഷർട്ടുകൾ, സ്വെറ്ററുകൾ, കേപ്പുകൾ, പോസ്റ്ററുകൾ അല്ലെങ്കിൽ തൊപ്പികൾ എന്നിവ സൃഷ്ടിക്കുന്നതിലൂടെ നിരീക്ഷണ ക്യാമറകൾ വഴി തിരിച്ചറിയൽ തടയാൻ ലക്ഷ്യമിടുന്നു.

അവലംബം: opennet.ru