derrumbe/ruseモバイルカメラベースのアプリケーションで、写真を人間にとっての有用性を保ちつつ、顔認識システムでは使用不能にするように改変することを目的としています。
モバイルカメラベースのアプリケーションで、写真を人間にとって有用な状態に保ちつつ、顔認識システムには使用不可能にするように写真を改変します。
(1) 簡単な方法: 該当するアプリストアからアプリをダウンロードしてお待ちください。
(2) iOSアプリをダウンロードし、XCode経由で実行します（詳細は開発セットアップを参照）。
このアプリはカメラベースのアプリとして開発されており、新たに撮影した顔写真やカメラロール内の既存写真を、ソーシャルメディアや人間が消費する用途には有用なままにしつつ、顔認識システムが正確かつ効果的に利用するのを困難にすることを目的として、顔の修正を行います。
これは過去の研究に基づく様々な手法で実現されています。モバイルとTensorFlow Liteの制約により、デバイス上での学習は不可能なため、より高度な技術はまだ実現できていません（ただし研究開発により将来の成果が期待されます）。
使用方法の説明と完全な動画は、最初のリリースとともにお届けする予定です。
Jupyterノートブックは、モバイルで可能な「任意高速スタイル」敵対的手法を示しています。
長期的には、この手法は写真の一部分などに選択的に適用され、https://github.com/kieranbrowne/camera-adversaria のように画像ごとに生成されたパーリンノイズ/シンプレックスノイズと組み合わせられる予定です。
顔を商用認識システムから隠すために、様々な方法（例：任意ファイル転送、パーリンノイズの導入）が用いられます。カメラロールに保存する前、またはオンラインで使用する前に、デバイス上の機能が顔が検出可能かどうかをチェックします。
これらの敵対的アプローチの効果は、ネットワークアクセスを必要とせずに確認できます。
（将来のバージョンでは、サンプル認識システムが修正画像に対してどの程度機能するか（単なる検出ではなく分類）を、同様のデバイス上での推定機能を組み込む予定です。）
必要条件: Xcode >12
以下のプロセスでインストールされるPods: TensorFlow Lite (Swift nightly build) // GoogleMLKit // GPUImage3
デバイスへのインストールは読者の課題として残します。
将来の注意: TFLiteでデバイス上の学習が可能になりましたが、通常のユーザーにとって有用なレベルになるまで反復に時間がかかりすぎる可能性があり、まだ実用的ではないかもしれません。
MITライセンスの下で配布されています。詳しくは LICENSE をご覧ください。
