Por años hemos estado acostumbrados a las técnicas de protección de la identidad y censura de contenidos sensibles en los noticieros y publicaciones online que tratan de evitar que nuestros ojos puedan identificar una imagen Distorsionando algunas secciones de la misma por medio de la pixelación deliberada.
La técnica de pixelado consiste en degradar la calidad de la imagen reduciendo su resolución a un numero de pixels muy bajo, o agrandando los mismos para crear mosaicos, hasta el punto de que nuestro cerebro ya no puede reconocer los patrones y le resulta imposible identificar de qué trata de imagen o porción de la imagen pixelada. Sin embargo, un grupo de investigadores de la Universidad de Austin and Cornell Tech en Texas usaron las técnicas de Machine Learning para hacer que una computadora pudiera reconocer rostros y letras a pesar de que estuviesen pixelados con un altísimo grado de precisión.
Los investigadores usaron una red neuronal y software libre para entrenar a la maquina a reconocer una serie de imágenes de rostros y textos sin pixelar, hasta el punto que los reconocía con un 90% de eficacia. Luego usaron algunas de las técnicas más famosas de pixelado como la herramienta Blur de Youtube, el algoritmo de pixelado estándar Mosaic y el algoritmo P3 (Privacy-Preserving Photo Sharing), para probar si la maquina era capaz de seguirlos identificando.
Para sorpresa de los investigadores, el sistema fue capaz de identificar con un grado de precisión de entre un 80 a 90% las imágenes que habían sido censuradas por el filtro blur de Youtube, mientras que pudo hacerlo con un 50 a 75% de eficacia con las imágenes censuradas por Mosaic. El métodos de censura del algoritmo P3 fue el único que resultó ser bastante resistente a esta prueba, dejando a la computadora con un nivel de precisión al identificar las imágenes de tan solo el 17%, algo que definitivamente no presentaría un nivel de confianza razonable.
Este mecanismo no despixela la imagen para que nuestros ojos la puedan ver, sino que usa una extensa base de conocimiento de imágenes sin sensura para lograr identificar una imagen pixelada (por ejemplo de un rostro). Tomando en cuenta que los investigadores han logrado este enorme nivel de precisión con herramientas de uso libre y un enfoque muy básico, no podemos ni imaginar lo que lograría un emprendimiento de mayor envergadura y presupuesto. Por lo cual en el futuro lo mejor será subir las imagines censuradas con una barra negra en ves del clásico pixelado para evitar que sea reconocida.
Foto | pryynt
