Generative Anonymization in Event Streams
تقدم هذه الورقة أول إطار عمل توليدي لإخفاء الهوية لتدفقات الأحداث العصبية، والذي يعالج المقايضة بين المنفعة والخصوصية من خلال تخليق هويات واقعية ولكن غير موجودة لمنع تحديد الهوية البشرية مع الحفاظ على السلامة الهيكلية المطلوبة لمهام الرؤية اللاحقة، مصحوباً بمجموعة بيانات حقيقية متزامنة جديدة للتقييم الصارم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك كاميرا أمنية خارقة لا تلتقط صوراً عادية. فبدلاً من التقاط تدفق مستمر من الصور مثل الأفلام، هي لا تسجل إلا التغييرات فقط. إذا لم تتحرك ورقة شجر، فلن ترى الكاميرا شيئاً. وإذا لوّح شخص ما بيده، سترى الكاميرا "شرارة". هذا ما يسمى بـ كاميرا الأحداث (Event Camera).
هذه الكاميرات مذهلة: فهي سريعة للغاية، وتعمل في الظلام الدامس، وتستهلك طاقة قليلة جداً. وهي مثالية للسيارات ذاتية القيادة والروبوتات.
المشكلة: "الشبح" في الآلة
لفترة طويلة، اعتقد العلماء أن هذه الكاميرات آمنة للخصوصية. ظنوا قائلين: "بما أنها لا ترى سوى الحركة وليس صوراً واضحة، فهي لا تستطيع معرفة هويتك".
ولكن مؤخراً، أصبح الذكاء الاصطناعي ذكياً جداً لدرجة أنه استطاع أخذ هذه "الشرارات" المتفرقة من الحركة وإعادة بناء فيديو عالي الدقة لوجه شخص ما. وفجأة، تحولت الكاميرا التي كانت تعتبر آمنة للخصوصية إلى كابوس للخصوصية. فإذا أردت استخدام هذه الكميرات في حديقة عامة، فسيكون عليك الاختيار: إما حماية وجوه الناس (مما يؤدي لتشويه البيانات بحيث لا يستطيع الروبوت رؤية أي شيء) أو الحفاظ على فائدة البيانات (مع المخاطرة بكشف هوية الجميع).
الحل: "القناع الرقمي" الذي يتحرك
تقدم هذه الورقة البحثية طريقة ذكية لحل هذه المعضلة. فبدلاً من طمس الوجه أو تشويه البيانات (مما يجعل الروبوت أعمى)، يستخدمون الذكاء الاصطناعي التوليدي لاستبدال وجه الشخص بوجه شخص آخر وهمي وغير موجود تماماً.
فكر في الأمر بهذه الطريقة:
- الطريقة القديمة (الطمس): تخيل أنك تحاول إخفاء وجه عبر مسحه بطلاء سميك. لن يعود الروبوت قادراً على معرفة مكان الرأس، أو ما إذا كان الشخص يبتسم أم لا. لقد تعطلت البيانات.
- الطريقة الجديدة (الاستبدال التوليدي): تخيل ممثلاً ماهراً يصعد على خشبة المسرح. يرتدي الممثل قناعاً يبدو كأنه لشخص آخر، لكنه يحاكي حركات الشخص الأصلي بدقة تامة. يلتفت برأسه، يبتسم، ويعبس تماماً كما فعل الشخص الأصلي. بالنسبة للروبوت، يبدو المشهد مثالياً ومفيداً. أما بالنسبة لجاسوس يحاول تحديد الهوية، فإن الوجه أصبح الآن لشخص غريب.
كيف فعلوا ذلك (مسار "المترجم")
الجزء الصعب هو أن كاميرات الأحداث تتحدث لغة مختلفة (الشرارات) عن نماذج الذكاء الاصطناعي التي تستبدل الوجوه (والتي تتحدث لغة الفيديو العادي).
- الترجمة: أولاً، يقومون بترجمة "الشرارات" إلى فيديو عادي باللونين الأبيض والأسود حتى يتمكن الذكاء الاصطناعي من فهمه.
- الاستبدال: يستخدمون ذكاءً اصطناعياً قوياً للعثور على الوجه واستبداله بوجه وهمي، مع الحفاظ على جميع التعبيرات وحركات الرأس.
- إعادة الترجمة: يقومون بترجمة هذا الفيديو الجديد (الوهمي) مرة أخرى إلى "شرارات" لتناسب كاميرا الأحداث.
- الدمج السلس: يقومون بقص الوجه القديم من تدفق "الشرارات" الأصلي بعناية، ولصق تدفق "الشرارات" الجديد للوجه الوهمي، مع التأكد من دمج الحواف بسلاسة حتى لا يرى الروبوت أي خلل تقني.
النتيجة: مجموعة بيانات جديدة
لإثبات نجاح هذه الطريقة، قام المؤلفون ببناء ذراع روبوتية خاصة تحرك الكاميرا حول شخص ما بطريقة مدروسة. وقد نتج عن ذلك مجموعة بيانات جديدة تماماً حيث يمكنهم اختبار طريقتهم.
أظهرت اختباراتهم ما يلي:
- الخصوصية: إذا حاولت إعادة بناء الفيديو من "الشرارات"، فسترى الوجه الوهمي، وليس الشخص الحقيقي. لقد اختفت الهوية الحقيقية.
- الفائدة: لا يزال بإمكان الروبوت رؤية الشخص، وتتبع رأسه، ومعرفة ما إذا كان يبتسم. لا تزال البيانات مفيدة للسلامة والملاحة.
لماذا يهم هذا؟
هذه هي المرة الأولى التي ينجح فيها أي شخص في استخدام الذكاء الاصطناعي "التوليدي" (الإبداعي) لحماية الخصوصية في هذا النوع المحدد من الكاميرات. وهذا يعني أنه يمكننا أخيراً وضع هذه الكاميرات فائقة السرعة ومنخفضة الطاقة في المدارس، المستشفيات، والشوارع دون القلق بشأن انتهاك خصوصية الناس. الأمر يشبه منح الكاميرا نظارات تسمح لها برؤية ما يحدث، لكنها تنسى من الذي يفعله.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.