ภาพถ่าย

นักวิจัยที่มหาวิทยาลัยโอซาก้าได้เสนอเฟรมเวิร์กที่ปราศจากการเข้ารหัสเพื่อรักษาความเป็นส่วนตัวของผู้ใช้เมื่อพวกเขาใช้บริการข้อมูลที่เป็นภาพถ่าย ปัญญาประดิษฐ์ เช่น การเรียนรู้เชิงลึก ได้ปรับปรุงประสิทธิภาพการจดจำภาพอย่างมาก ผู้ใช้สามารถส่งภาพถ่ายไปยังเซิร์ฟเวอร์ ซึ่งจะระบุเนื้อหาโดยใช้ตัวจดจำรูปภาพและส่งคืนข้อมูลที่เกี่ยวข้อง นี่เป็นข้อได้เปรียบสำหรับผู้ซื้อ นักท่องเที่ยว และคนอื่นๆ แต่ผลลัพธ์สามารถเปิดเผยข้อมูลส่วนตัวได้ เช่น ตำแหน่งปัจจุบันของผู้ใช้ เซิร์ฟเวอร์ยังสามารถใช้ตัวระบุจากสมาร์ทโฟนเพื่อเชื่อมโยงผลลัพธ์ปัจจุบันกับผลลัพธ์ในอดีตเพื่อสร้างประวัติตำแหน่งที่มีข้อมูลส่วนตัวมากยิ่งขึ้น: " ภาพถ่าย สะท้อนแง่มุมส่วนตัวของเจ้าของ เช่น ความสนใจ ความชอบ และแนวโน้ม" ผู้ร่วมอธิบาย ผู้เขียน Naoko Nitta "ซึ่งสามารถรั่วไหลได้โดยบริการจดจำภาพบนเว็บ เพื่อแก้ไขปัญหานี้ หากต้องการใช้เฟรมเวิร์ก ผู้ใช้จะแยกฟีเจอร์ออกจากรูปภาพ EnfPire แปลงคุณสมบัติก่อนที่จะส่งไปยังเซิร์ฟเวอร์ เนื่องจากเซิร์ฟเวอร์ไม่สามารถระบุรูปภาพที่แปลงแล้วได้โดยไม่ซ้ำกัน จึงส่งคืนชุดตัวเลือกให้กับผู้ใช้ ซึ่งจะเปรียบเทียบรูปภาพเหล่านั้นกับคุณลักษณะดั้งเดิมโดยใช้ตัวจำแนกอย่างง่าย "ด้วยกรอบการทำงานของเรา ผู้ให้บริการการจดจำภาพถ่ายไม่สามารถรับข้อมูลที่เพียงพอสำหรับการจดจำภาพที่ไม่ซ้ำกัน ในขณะที่ผู้ใช้ได้รับผลการจดจำที่ถูกต้องและข้อมูลบริการที่เกี่ยวข้อง" คาซูอากิ นากามูระ ผู้เขียนหลักกล่าว EnfPire สรุปข้อมูลตำแหน่งสำเร็จแล้ว แต่นี่ยังไม่เพียงพอในการปกป้องประวัติของผู้ใช้ ซึ่งยังสามารถประมาณได้จากความสัมพันธ์ทางภูมิศาสตร์ระหว่างผลลัพธ์ ดังนั้น ทีมวิจัยจึงเสนอมาตรการตอบโต้โดยส่งคำขอจำลองโดยอัตโนมัติจากสมาร์ทโฟนไปยังเซิร์ฟเวอร์ ซึ่งส่งคืนผลลัพธ์ตามคำขอจำลองที่ถูกลบออกจากอุปกรณ์โดยอัตโนมัติโดยที่ผู้ใช้ไม่ทราบกระบวนการ คุณลักษณะจำลองได้รับการคัดเลือกอย่างระมัดระวังเพื่อให้เซิร์ฟเวอร์ไม่ระบุว่าเป็นเช่นนั้น ในการทดลองในโลกแห่งความเป็นจริง EnfPire ลดความแม่นยำในการจดจำของเซิร์ฟเวอร์จาก 99.8% เป็น 41.4% แต่ความแม่นยำของผู้ใช้คือ 86.9% "เราคาดว่าเฟรมเวิร์กนี้จะมีส่วนสำคัญในการวิจัย การพัฒนา และการประยุกต์ใช้ปัญญาประดิษฐ์ที่ปลอดภัย" Noboru Babaguchi ผู้เขียนอาวุโสกล่าวเสริม