您的 IP: 未明 · 您的狀態: 受到保護未受保護未明

圖像辨識:威脅與挑戰

在人工智慧演算法的幫助之下,圖像辨識的準確度越來越高,也促成了許多相關應用的發展。這些應用能讓人們的生活更加便利,但另一方面也衍生出隱私方面的問題。設想一下如果您在路上被拍了一張照片,這張照片經過圖像辨識的分析,發現了您的身份和個人資料。這聽起來很恐怖,但這就是圖像辨識能做到的事。本文將介紹圖像辨識的威脅和挑戰。

Ugnė Mikalajūnaitė

Ugnė Mikalajūnaitė

圖像辨識:威脅與挑戰

什麼是圖像辨識?

圖像辨識是讓電腦識別出影像中的元素,例如人物、物體和事件等等。這種技術使用人工智慧、機器學習和深度學習技術來處理、解釋和分類視覺資訊,進而實現圖片識別。

影像被分成稱為「畫素」的微小顆粒,電腦把影像理解為數值矩陣。這些數值包含畫素包含的資訊(例如顏色),透過分析畫素包含的視覺資訊、位置和模式,系統就能透過模式識別的方式辨識出影像。例如,在圖片中的某些部分檢測到的模式可以識別為人類的臉部。

機器學習如何幫助圖像辨識?

機器學習能從大量資料中學習到特定的模式,進而增強圖像辨識技術。這項技術首先要將大量帶有內容標籤的圖片輸入系統中。例如,假如我們想在照片中辨識出戴口罩的人,我們會提供有戴口罩及沒戴口罩的人的照片,並標示標籤,讓系統進行訓練。因此,系統能學習出一種特定的模式,並在未來提供新照片時辨識出戴口罩的人。不過這種訓練需要大量的照片。

圖像辨識的使用

圖像辨識能應用在許多領域上:

  • 讓自駕車能辨識周圍環境、閱讀交通號誌、路標、其他車輛、行人等。
  • 臉部辨識和生物辨識技術能取代身分證。系統能掃描您的臉部特徵來辨識出您是否為本人,例如有些國家已開發出入境旅客身份查驗的臉部辨識系統,印度警方利用這種技術協尋失蹤兒童,零售商 Walmart 也以人臉辨識幫助自動偵測客戶的消費行為。
  • 強化搜尋方式。例如 Google 的反向圖片搜尋,能利用使用者提供的照片或圖片尋找出相關的圖片,達到以圖找圖的效果。
  • 識別不當內容。網站或系統能使用這種技術自動過濾不符合政策的內容,而不需要人工介入。

圖像辨識的挑戰和威脅

  • 偽照身份。如果圖形辨識技術被廣泛使用,有心人士可能會利用他人的照片或人像偽造身份,進而竊取敏感資料。另一種進階的圖像辨識技術稱為「深偽技術」(Deepfake),這種技術用人工智慧將照片、聲音、影像等資料合成在一起,偽造出移花接木的造假影片,讓一個人在影片中說出他從未說過的話。
  • 侵犯隱私。人臉辨識系統使得監控變得更加容易。結合安裝在路旁的監視器,政府就能隨時監控人民的一舉一動,導致隱私權的侵犯。
  • 資料蒐集。為了讓圖像辨識更加準確,必須大規模蒐集生物特徵資訊。例如手機上的照片和資料可能被第三方軟體取得及分析,導致隱私外洩。
  • 審查威脅。人臉辨識可能用於政府的審查和監控。例如中國曾在新疆使用人臉辨識監控維吾爾人的活動,中國警察單位也曾在農曆新年期間,在主要城市的火車站利用人臉辨識相關技術查核罪犯。

結論

圖像辨識確實帶來更多生活上的便利,不過也可能帶來隱私權的侵犯,以及資安方面的風險。因此出現一種稱為「對抗式機器學習」的技術,試圖誤導電腦的判斷。例如一位俄羅斯工程師發明出一種能干擾人臉辨識的特殊化妝。歐盟也考慮暫時禁止在公共場所使用人臉辨識技術,為期五年,待未來擬定更健全的規範。

其他語言版本: English, Nederlands 還有其他語言.

Ugnė Mikalajūnaitė
Ugnė Mikalajūnaitė Ugnė Mikalajūnaitė
Ugnė Mikalajūnaitė 是一名新興市場內容營銷專家。她除了熱愛討論東亞及中東的網絡安全和互聯網自由,還喜歡聽重金屬音樂及觀看恐怖電影。