Fotogenkendelse, der holder personlige interesser private

Fra blot et hurtigt snapshot på en smartphone, billedgenkendelsesteknologi kan give et væld af informationer til at hjælpe shoppere med at finde gode tilbud i butikken og informere turister om navnet på et vartegn. Men disse fotos giver muligvis mere information om brugernes præferencer og tendenser, end de vil dele.

Forskere ved Osaka University har foreslået en krypteringsfri ramme til at bevare brugernes privatliv, når de bruger fotobaserede informationstjenester.

Kunstig intelligens, såsom dyb læring, har dramatisk forbedret ydeevnen af ​​billedgenkendelse. Brugere kan sende et billede til en server, som identificerer indholdet ved hjælp af en billedgenkendelse og returnerer relevant information. Dette er fordelagtigt for shoppere, turister, og andre, men resultaterne kan afsløre private oplysninger, såsom en brugers aktuelle placering. Serveren kan også bruge identifikatorer fra smartphonen til at forbinde aktuelle resultater med tidligere resultater for at opbygge en placeringshistorik, der indeholder endnu mere privat information:"Billeder afspejler private aspekter af deres ejer, såsom interesser, præferencer, og tendenser, " forklarer medforfatter Naoko Nitta, "som kan blive lækket af webbaserede billedgenkendelsestjenester. For at løse dette problem, vi udviklede en krypteringsfri ramme til privatlivsbevarende billedgenkendelse kaldet EnfPire."

For at bruge rammen, brugeren udtrækker en funktion fra billedet. EnfPire transformerer funktionen, før den sendes til serveren. Fordi serveren ikke entydigt kan identificere det transformerede billede, det returnerer et sæt kandidater til brugeren, som sammenligner dem med den originale funktion ved hjælp af en simpel genkendelse. "Med vores rammer, udbyderen af ​​fotogenkendelsestjenesterne ikke er i stand til at modtage nok information til unik billedgenkendelse, mens brugeren opnår det korrekte genkendelsesresultat og tilhørende serviceoplysninger, " siger hovedforfatter Kazuaki Nakamura.

EnfPire abstraherer lokationsoplysninger med succes, men dette er ikke tilstrækkeligt til at beskytte brugerens historie, som stadig kunne tilnærmes ud fra geografiske forhold mellem resultater. Så, forskerholdet foreslog en modforanstaltning, hvorved dummy-anmodninger automatisk sendes fra smartphonen til serveren, som returnerer resultater baseret på dummy-anmodninger, der automatisk fjernes fra enheden, uden at brugeren er klar over processen. Dummy-funktionerne er valgt med omhu, så serveren ikke identificerer dem som sådan.

I virkelige eksperimenter, EnfPire forringede serverens genkendelsesnøjagtighed fra 99,8 procent til 41,4 procent, men brugerens nøjagtighed var 86,9 procent. "Vi forventer, at denne ramme vil yde et stort bidrag til forskning, udvikling, og anvendelse af sikker og sikker kunstig intelligens, " tilføjer seniorforfatter Noboru Babaguchi.