derrumbe/ruse모바일 카메라 기반 애플리케이션으로, 인간에게는 유용성을 유지하면서 얼굴 인식 시스템에는 사용할 수 없도록 사진을 변형하려고 합니다.
모바일 카메라 기반 애플리케이션으로, 사진을 변경하여 사람에게는 유용성을 유지하면서 얼굴 인식 시스템에는 사용할 수 없도록 만드는 것을 목표로 합니다.
(1) 쉬운 방법: 해당 앱 스토어에서 앱을 다운로드하여 기다립니다.
(2) XCode를 통해 iOS 앱을 다운로드하여 실행합니다 (자세한 내용은 개발 환경 설정 참조)
앱은 카메라 기반으로 개발되었으며, 새로 촬영한 사진이나 카메라 롤에 있는 기존 사진의 얼굴을 수정하여 소셜 미디어 및 인간이 소비하기에는 유용하게 유지하면서도 얼굴 인식 시스템이 정확하고 효과적으로 활용하기 어렵게 만듭니다.
이는 이전 연구를 기반으로 한 다양한 방법을 통해 이루어집니다. 모바일 및 TensorFlow Lite의 한계로 인해 기기 자체에서 학습하는 것은 불가능하므로, 더 고급 기술 중 일부는 아직 구현할 수 없습니다 (그러나 연구 및 개발을 통해 향후 결과가 나올 수 있습니다).
사용 지침 및 전체 동영상은 첫 번째 릴리스와 함께 제공될 예정입니다.
Jupyter 노트북은 모바일에서 가능한 'arbitrary fast style' 적대적 기술을 보여줍니다:
장기적으로 이 기술은 선택적으로 (아마도 사진의 일부에) 적용될 것이며, perlin/simplex noise가 이미지별로 생성되어 적용됩니다 (https://github.com/kieranbrowne/camera-adversaria 참조).
상용 인식 시스템으로부터 얼굴을 숨기기 위해 다양한 방법이 사용됩니다 (예: arbitrary file transfer, perlin noise 도입). 카메라 롤에 저장하거나 온라인 용도로 사용하기 전에, 온보드 기능이 얼굴이 감지될 수 있는지 확인합니다.
이러한 적대적 접근 방식의 효과는 네트워크에 연결할 필요 없이 확인할 수 있습니다.
(향후 버전에서는 샘플 인식 시스템이 수정된 이미지에 대해 어떻게 평가하는지 (단순 감지가 아닌 분류) 추정하는 유사한 온보드 기능을 포함할 계획입니다.)
요구 사항: Xcode >12
아래 프로세스의 일부로 설치되는 Pod: TensorFlow Lite (Swift nightly build) // GoogleMLKit // GPUImage3
기기에 설치하는 것은 독자의 몫으로 남깁니다.
향후 참고: 이제 TFLite로 기기 내 학습이 가능합니다. 그러나 일반 사용자에게 유용할 만큼 반복 횟수가 너무 오래 걸릴 수 있어 실용적이지 않을 수 있습니다.
MIT 라이선스에 따라 배포됩니다. 자세한 내용은 LICENSE를 참조하세요.
