Editor Top
Ilustración de la canalización de interacción del usuario prevista para permitir a los usuarios salvaguardar el contenido privado en sus imágenes y videos. (a) Para el caso de uso general, la herramienta notificará al usuario sobre qué contenido privado se detecta y luego le brindará la opción de descartar el medio, compartirlo como está o compartir una versión editada donde el contenido privado (máscara de teel superpuesta en la imagen) está ofuscado. (b) Para el escenario en el que un usuario quiere ayuda para aprender sobre un objeto, la herramienta compartirá una versión editada con todo el contenido fuera del objeto en primer plano (máscara de teel superpuesta en la imagen) ofuscada. Crédito: Universidad de Colorado en Boulder
Las personas ciegas, como las personas videntes, publican en Instagram, usan Tinder y envían mensajes de texto con fotos de sus hijos a un chat grupal. También usan fotos para aprender sobre su entorno visual.
Los usuarios ciegos a menudo comparten imágenes con software de identificación como Seeing AI de Microsoft, Be My Eyes y TapTapSee para aprender sobre su entorno visual. También hay una gran demanda. La IA, por ejemplo, se ha utilizado más de 20 millones de veces.
Sin embargo, cuando las personas ciegas comparten fotos, existe un riesgo adicional de que, sin saberlo, puedan capturar información considerada privada, como una prueba de embarazo o un remitente.
Para la profesora asistente Danna Gurari, esto no debería ser una preocupación.
Gurari, el director fundador del grupo de Computación de imágenes y video en el Departamento de Ciencias de la Computación, es parte de un equipo interinstitucional que ha recibido más de $ 1 millón a través de una subvención del Ciberespacio Seguro y Confiable (SaTC) de la Fundación Nacional de Ciencias para estudiar el tema.
Actualmente, las personas ciegas deben confiar en sus amigos o familiares para que examinen sus imágenes en busca de información privada antes de compartirlas públicamente, lo que puede tener repercusiones sociales propias. O pueden aceptar el riesgo a su privacidad cuando publican.
El objetivo del proyecto interdisciplinario de cuatro años del equipo es crear un sistema novedoso que pueda alertar a los usuarios cuando la información privada está presente en una imagen y, si la persona ciega lo desea, ocultarla.
Trabajando con la experta en computación centrada en el ser humano Leah Findlater de la Universidad de Washington y el experto en privacidad Yang Wang de la Universidad de Illinois en Urbana-Champaign, el grupo de Gurari está liderando el análisis automático de imágenes para el proyecto. Su objetivo es convertir los deseos de los usuarios y las teorías de la información privada en conocimiento procesable.
Esto viene con una serie de desafíos, tanto técnicos como filosóficos.
Debido a que la IA comete errores, debe tener cuidado con la certeza de que suena un análisis.
«Realmente queremos otorgar el nivel adecuado de confianza, pero también otorgar poder para la toma de decisiones», dijo Gurari.
El grupo de Computación de imágenes y video está creando formas de compartir qué información privada podría estar presente en una imagen y permitir que el usuario decida usar la imagen tal como está, descartarla u ocultar la información privada y luego compartirla.
El otro problema a resolver para el grupo de Gurari es cómo determinar cuál es el objeto más prominente en una imagen y ocultar todo lo demás.
Debido a que las personas ciegas a menudo comparten fotos para identificar objetos, esta función podría reducir la cantidad de información privada introducida durante esta sencilla tarea.
El equipo de Gurari se centrará en crear algoritmos lo suficientemente robustos para contrarrestar el desenfoque de la imagen y otras propiedades comunes de las imágenes tomadas por fotógrafos ciegos. El equipo también debe crear algoritmos que no necesitan ser entrenados en objetos específicos para verlos como importantes.
Este acertijo de identificación de objetos es uno que ha perseguido gran parte de la historia de la visión por computadora, denominado el «problema de la cola larga» para el gráfico que produce.
Las computadoras suelen tener niveles muy bajos de precisión en la detección de objetos hasta que han sido entrenados en miles de imágenes, pero aquí deben comprender la importancia de un objeto en solo unos pocos fotogramas.
Y, al igual que con otras tecnologías de asistencia, los beneficios de estos algoritmos podrían ir mucho más allá de su propósito original. Desde la fotografía de productos, que se basa en aislar objetos prominentes, hasta alertar a los usuarios videntes de información privada que no notaron, el proyecto tiene un gran beneficio potencial para construir un ciberespacio seguro y confiable para todos.
La innovación mejora la privacidad digital al ocultar imágenes de las miradas indiscretas de la IA
Citación: Mantener lo invisible a salvo: Mejora de la privacidad digital para personas ciegas (2021, 2 de diciembre) recuperado el 2 de diciembre de 2021 de https://techxplore.com/news/2021-12-unseen-safe-digital-privacy-people.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con el propósito de estudio o investigación privada, ninguna parte puede ser reproducida sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
