а интересно есть способы распознавания стеганографии?
или…
нельзя...
image

Есть и немало: https://ru.wikipedia.org/wiki/Стеганография#Атаки_на_стегосистемы
Другое дело, что хорошо спроектированная и реализованная стегосистема, должна в как можно большей степени нивелировать эффект этих методов…
Спасибо. Думаю плохо спроектированную нет смысла реализовывать.
> Чтобы обеспечить безопасность Вашей корпоративной информации, лучшее, что Вы можете сделать, — это предотвратить обмен этими документами (если это возможно или Вы можете это сделать).

А я подумал, что можно просто закрашивать сплошным цветом, это не подходит? :) Да и вообще, это вроде не новость, уж лет 5 назад где-то читал подобное.
Примеров то нет, какое было изображение, какое стало, после «депикселизациии».
Если изображение размыто до 16х16 и получилось 4 пикселя как в топике, то ты хоть что сделай — все равно не получится исходное изображение.
>Чем больше раз нейронные сети «видели» эти изображения, тем проще им было их распознавать
Такое ощущение, что показывали исходное изображение, потом пикселизированное. И «нейронные сети» их вычисляли.

Если размывать до 2x2 (что бы это не значило), то о какой конфиденциальности может иди речь?
Но лично мне проще закрасить приватные данные.
Вот-вот, подано ужасно. Эмоции есть, конкретики нет, слово «нейросеть» используется вместо слова «магия».
Правда, в данном случае можно попытаться додумать недописанное. Вырисовывается что-то такое: нейросеть натренировали на специальную задачу: восстанавливать из пикселизации написанный определённым шрифтом (или даже почерком) текст. Опять же очевидно, что чем меньше пикселей, тем меньше качество распознавания, выше требования к априорной информации (например, знать позиции букв).
Додумать можно, но статья не располагает, будто болтуна слушаешь.
Полагаю если пытаться восстанавливать по одному кадру видео то это нереально, но если по серии кадров, двигащихся, то вполне возможно, и полагаю, без нейросети (это простое уравнение, с большим количеством неизвестных)
Добавлю к теме знаменитые статьи YUVladimir.
Это немного не то: размытие — это линейная обратимая операция. В мире холодных чисел мы можем матрицу изображения умножить на передаточную матрицу (смаз, дефокус), а потом поделить результат на матрицу смаза и получить исходное изображение. В реальности все похуже, но все равно работает.
А усреднение или любой ранговый фильтр нелинеен, и поэтому не существует способа его обратить.

Вот исходная научная статья c arxiv.org , а не желтушная с wired. Даже немного кода есть. Если вкратце, то ведётся с помощью сопоставление хитрой нейросети сопоставление мозаичной картинки и базы фотографий. По одной картинке ну вообще никак, визально лучше сделать можно, но тоже с помощью базы и на полное обращение никто не претендует.
В оригинале так же ничего не понятно — по крайней мере с моим уровнем английского я не заметил никакой конкретики. Похоже, теперь «neural network» действительно будет заменять «магию», как раньше это делали всякие «data mining», «big data» и прочие чудо-технологии.
Накидал в пресс-релизе побольше «neural network», создал «startup», поднял пару раундов финансирования на $100500 — профит. Суть процесса не меняется с пресловутого «бума доткомов».
Очень полезным было бы очевидное применение «neural network» для вычленения хоть крох смысла из подобных статей, но именно этого применения мы судя по всему и не дождёмся. Да и зачем? Результат известен — нуль, и без всяких «neural network».
wow эффекта не вышло, на их примере верхняя строка входное изображение, вторая строка результат, а третья — оригинал:

image

Но достаточно просто прищурить глаза глядя на верхнюю строку и получаем тот же результат…

Для движущихся же объектов задача вполне имеет решение — многокадровое суперразрешение.

Достаточно быстро моргать глядя на видео, тогда лицо человека скрытого с помощью пикселизации — будет видно более разборчиво.
Забавно, учитывая, что в задачах распознавания лиц используется нормализация — приведение всех изображений к единому представлению. Причём в старых алгоритмах использовался ресамплинг до разрешения порядка 16х16, а то и меньше.

Для движущихся же объектов задача вполне имеет решение — многокадровое суперразрешение.

Если нейросети настолько прокачаны, что способны распознавать лицо из пикселей, то ничто не мешает с помощью нейросети просто подменять одно лицо на другое.
Если скормить ей «черный квадрат», что получится?
> Если скормить ей «черный квадрат», что получится?

Автопортрет Малевича ;)
Только полноправные пользователи могут оставлять комментарии.
Войдите, пожалуйста.