
تطبيق يعتمد على كاميرا الهاتف المحمول يحاول تعديل الصور للحفاظ على فائدتها للبشر مع جعلها غير قابلة للاستخدام لأنظمة التعرف على الوجوه.

تطبيق يعتمد على كاميرا الهاتف يحاول تعديل الصور للحفاظ على فائدتها للبشر مع جعلها غير صالحة لأنظمة التعرف على الوجوه.
(1) طريقة سهلة: انتظر وقم بتنزيل التطبيق من متجر التطبيقات المناسب.
(2) قم بتنزيل وتشغيل تطبيق iOS عبر Xcode (انظر إعداد التطوير لمزيد من التفاصيل)
تم تطوير التطبيق كتطبيق قائم على الكاميرا، مما يسمح بتعديل الوجوه عند التقاط صور جديدة أو من الصور الحالية في ألبوم الكاميرا بهدف الحفاظ على فائدتها لوسائل التواصل الاجتماعي والاستهلاك البشري مع جعل من الصعب على أنظمة التعرف على الوجوه استخدامها بدقة وفعالية.
يتم ذلك من خلال مجموعة متنوعة من الطرق بناءً على أبحاث سابقة. بسبب قيود الأجهزة المحمولة و TensorFlow Lite، فإن التعلم على الجهاز نفسه غير ممكن—لذا فإن بعض التقنيات الأكثر تقدماً غير ممكنة بعد (لكن البحث والتطوير قد يحقق نتائج مستقبلية).
ستأتي تعليمات الاستخدام وفيديو كامل مع الإصدار الأول.
يوضح دفتر Jupyter تقنية "النمط السريع التعسفي" العدائية الممكنة على الأجهزة المحمولة:

على المدى الطويل، سيتم تطبيق هذه التقنية بشكل انتقائي (على الأرجح على أجزاء من الصور)، بالإضافة إلى ضوضاء Perlin/simplex المولدة لكل صورة، على غرار https://github.com/kieranbrowne/camera-adversaria.
تُستخدم مجموعة متنوعة من الطرق لإخفاء الوجوه عن أنظمة التعرف التجارية (مثل نقل الملفات العشوائي، إدخال ضوضاء Perlin). قبل الحفظ في ألبوم الكاميرا أو الاستخدام عبر الإنترنت، تتحقق ميزة مدمجة من إمكانية اكتشاف الوجوه.
يمكن بعد ذلك التحقق من تأثير هذه الأساليب العدائية دون الحاجة إلى اتصال بالشبكة.
(تخطط الإصدارات المستقبلية لتضمين تقدير مدمج مماثل لكيفية أداء نظام تعرف عينة مقابل الصورة المعدلة (تصنيف بدلاً من مجرد اكتشاف).)
المتطلبات: Xcode >12
Pods المثبتة كجزء من العملية أدناه: TensorFlow Lite (Swift nightly build) // GoogleMLKit // GPUImage3
ترك التثبيت على الجهاز كتمرين للقارئ.
ملاحظة مستقبلية: أصبح التعلم على الجهاز ممكناً الآن مع TFLite. قد لا يكون هذا عملياً بعد لأن التكرارات قد تستغرق وقتاً طويلاً لتكون مفيدة للمستخدمين العاديين.
موزع تحت ترخيص MIT. انظر LICENSE لمزيد من المعلومات.