Görsel-işitsel veriler, insan davranışı ve iletişimi hakkında paha biçilmez bilgiler sunarken, veri kullanışlılığını korurken görsel-işitsel verilerdeki kişileri kimliksizleştiren bir araç seti olan MaskAnyone’u öneren önemli gizlilik endişelerini de beraberinde getiriyor.
MaskAnyone, yüz değiştirme, işitsel maskeleme ve gerçek zamanlı toplu işlemeyi bir araya getirerek insan denek verileriyle ilişkili etik ve yasal zorlukları ele alıyor.
Araç seti ölçeklenebilir, özelleştirilebilir ve kullanıcı dostu olacak şekilde tasarlanmıştır ve sosyal ve davranış bilimlerinde etik veri paylaşımını teşvik eder. Video kimlik gizleme, videonun faydasını korurken gizliliği korumak için kişileri gizlemeyi veya değiştirmeyi içerir.
Bulanıklaştırma, pikselleştirme ve boyama gibi gizleme teknikleri kimlikleri gizler ancak bilgileri tehlikeye atabilir. Maskeleme ise yüzleri değiştirerek veya dijital avatarlar oluşturarak temel nitelikleri korumayı amaçlar.
Are you from SOC and DFIR Teams? Analyse Malware Incidents & get live Access with ANY.RUN -> Get 14 Days Free Access
MediaPipe’ın BlazePose gibi önemli nokta tespit modelleri, yüz değiştirme gibi tekniklerin kullanılabilmesini sağlayarak, kişilerin doğru bir şekilde konumlandırılması ve poz tahmini için hayati önem taşıyor.
Her ne kadar ilerlemeler kaydedilmiş olsa da gizlilik, fayda ve gerçek zamanlı performans arasında denge kurmada hâlâ zorluklar var.
Ses verileri doğası gereği kişisel olarak tanımlanabilir bilgiler içerdiğinden, dilsel ve prozodik öğeleri korurken bu bilgileri gizlemeye yönelik tekniklerin kullanılmasını gerektirir.
Spektral Modifikasyon, Perde Kaydırma ve Ses Dönüştürme yaygın yöntemlerdir ve her biri gizlilik ve fayda arasında bir dengeye sahiptir.
Ses gizliliği zorlukları, x-vektörleri, Gauss karışımı modelleri ve derin sinir ağları gibi çeşitli modeller kullanan sistemlerle vurgulanmıştır.
İlerlemelere rağmen, ses tanımlamasının kaldırılmasında fayda koruma ve gizlilik güvencesini değerlendirmek için standart bir ölçüt hâlâ mevcut değil.
.webp)
MaskAnyone, etik, sağlam ve etkili görsel-işitsel veri yönetimi ve paylaşımını ele almak üzere Tasarım Bilimi Araştırma prensiplerini kullanarak tasarlanmış modüler, genişletilebilir bir araç takımıdır.
Araştırmacılar ve veri sorumlularından gelen kullanıcı geri bildirimlerine yanıt olarak 3D izleme ve gerçek zamanlı işleme gibi gelişmiş özellikler içeriyor.
Araç seti, açık bilim ve gizliliği dengelemek, veri ihlallerine karşı koruma sağlamak ve veri bütünlüğünü korumak için çeşitli maskeleme yöntemleri sunuyor; bu da FAIR ilkeleriyle uyumlu ve tematik dijital yeterlilik merkezlerinin gelişimini destekliyor.
.webp)
Kişi tespiti için YOLOv8 ve MediaPipe’ı kullanarak kapsamlı video maskeleme yetenekleri sunar. Gizleme stratejileri arasında karartma, bulanıklaştırma, konturlama ve kişileri kimliksizleştirmek için boyama bulunur.
Maskeleme stratejileri, iskeletleştirme, yüz ağı çıkarma, bütünsel dönüm noktası tespiti, yüz değiştirme, avatar oluşturma ve karışım şekilleri yoluyla bilgileri korur.
Ses maskeleme seçenekleri arasında ses gizliliği kontrolü için koruma, kaldırma ve dönüştürme yer alırken, araç seti çeşitli teknikler ve parametreler aracılığıyla gizlilik ve fayda arasında denge kurmada esneklik sağlar.
Makaleye göre, gizliliğin korunması ile faydanın korunması arasında denge kurmak amacıyla video maskeleme araçları için bir ön değerlendirme çerçevesi geliştirildi.
Nesne tespiti için MAP ve maskeleme için yeniden tanımlama hassasiyeti dahil olmak üzere otomatik değerlendirme ölçümleri kullanıldı. Duygusal bir sınıflandırma anlaşması bir yardımcı vekil olarak hizmet etti.
İnsan değerlendirmesi, kullanılabilirliğin önemini ve gizlilik ile fayda arasındaki dengeyi vurguladı.
Yüz değiştirme, duygusal ipuçlarını korurken yeniden tanımlamayı önemli ölçüde azalttı; ancak maskeleme tekniklerini geliştirmek ve bulguları doğrulamak için daha fazla araştırmaya ihtiyaç var.
Download Free Cybersecurity Planning Checklist for SME Leaders (PDF) – Free Download