提起马赛克，你们会想到什么?
宅男们对于马赛克肯定深有体会，( ﹁ ﹁ ) ~→但马赛克更多的时候是起到一个保护作用。比如一些涉及到黄色、血腥、重要人员等画面时，打个马赛克是很有必要的。在人工智能时代来临之后，马赛克的打法更加便捷了，同样也带了另一个问题：马赛克 可能要面临被“解码”的风险了。
为了好好打码 AI没闲着
马赛克我们经常会接触到，但你知道它的由来吗?简而言之就是调低图像分辨率。1000万个像素点的图片变成10个，你还能认出来吗?码打得重不重，就是看分辨率调低的程度如何。
我们给图片打码基本上不存在什么难度，由于图片是静态的，因此选中区域，直接操作就可以。但涉及给动态视频打码的时候，技术难度就出来了。简单来讲就是把每一帧图像都进行打码，但显然是不太可能。一秒钟有24帧，5分钟视频就要处理上千张图片，活干完估计看什么都成马赛克了o(︶︿︶)o 。
西安监控管理软禁 西安监控监控软件 西安大华红外监控监控系统 西安IC卡 西安ID卡
办法总比问题多!
YouTube曾推出过一款自定义模糊工具，用户们可以通过该工具对自己的车牌号、门牌号、银行卡等一系列隐私内容打码。表面上来看，技术小白也能够轻松打上马赛克。但尴尬的是，这款工具很容易扩大打码范围，比如你给车牌打个码，很可能整个车头都没了;要给自己的脸打个码，可能会连累到整个身体一起模糊。
而微软开发的打码工具可能会跟踪得更加精准。该工具基于人工智能技术打造：通过建立一个深度学习神经网络，其可以精准检测到视频中的人脸，从而实现跟踪。并且为了避免对视频中其他人物的“误码”，其能够实现对不同人脸的识别。通过这一套流程，人工智能打码的表现还不错。
利用人工智能打码可以说是打码技术的一大进步。可是，马赛克带着保护隐私的目的而来，却更激发了人们对背后真实内容的好奇心。AI打码没闲着，还有一群“解码”的人也是忙忙碌碌。
看起来AI似乎更擅长“解码”
解码的逻辑也很简单：既然你马赛克是模糊图像处理，那我给你清晰化不就完了吗?
得克萨斯大学2016年曾经开发出一种消除马赛克的手段，能够有效地穿透马赛克的遮挡，从而识别出图片信息。技术人员通过建立一个面部和文字识别系统，利用网络上的图片对其进行训练，最终对模糊视频中人脸还原准确率达到80%以上，对经过严重马赛克处理的人脸也可以实现50%左右的正确还原率。
就在微软推出人脸识别的移动打码之后，谷歌宣布，通过采用全新的像素递归超分辨率技术，Google brain已经获取了图像高低像素之间的变化规律，因此可以实现对打码内容的更精准匹配。比如学到红的是嘴唇之后，它就会把相应的部分还原成嘴唇。
也就是说，通过学习和训练，Google brain可以针对马赛克“脑补”出照片中人脸的原貌。
但客观来说，打码实际上是对图片的一种不可逆的损害行为。因此，与其说对图片的“还原”，更准确的说法应该是“猜测”。利用人工智能对马赛克图片进行通俗意义上的还原处理，一个必要的条件就是大量的图片对比。无论是得克萨斯大学还是谷歌都是如此，这也就意味着在缺乏原图素材的情况下，人工智能也只能是无限地接近原图。
AI击穿马赛克 隐私还安全吗?
还原不一定与原图相同，但可以做到高度相似。从这个角度上来说，马赛克消除技术的出现无疑会对我们的隐私安全问题产生巨大威胁。
但从目前的技术手段来看，消除马赛克技术还远远不够成熟，且主要是针对人脸，对于其他事物还原并未涉及。此外，另一方面图像模糊清晰化技术在很多场景性都是有积极意义的，比如刑侦案件中关键图片的复原、考古资料的清晰化，甚至家里翻新个老照片等。
再退一步讲，万一哪天科技发展真的攻克了马赛克，也会因其能轻易戳穿隐私，势必也将面临法律、道德层面的制约。所以，在制约得当的情况下，马赛克这种东西，该打还是得打。
如果实在还是不放心的话，或许可以考虑以下几种方式。
第一，对进行图像加密修改。南加州大学开发的P3技术(Privacy-Preserving Photo Sharing，隐私保护照片共享)是为保证照片在互联网时代传播的安全性而研发。通过对照片的细节特征进行修改，可以误导人工智能猜测的方向，从而保护隐私安全。
上文中提到的克萨斯大学消除马赛克的技术手段在对采用了修改的图像仅仅只有17%的识别正确率。
第二，改变打码形式。西蒙弗雷泽大学的研究人员提出了一种利用人工智能将需要打码的人脸艺术化的方法。通过这种方式处理的人脸，看起来应基本跟人脸没什么太大的关系了，但可以表现出说话人的情绪特征，使视觉效果变得不那么干巴巴的。
艺术这东西，果然需要境界
第三，采用极端“打码”。马赛克图片之所以能被“还原”，一方面在于分辨率降低的程度不够，二是打码之后的图片仍然会具备一定量的原图特征。那么，想要不被认出来，干脆就粗暴地遮盖吧。
您现在的位置：
