ruso es una aplicación móvil basada en una cámara que intenta manipular fotos para preservar su utilidad para los humanos mientras las inutiliza para los sistemas de reconocimiento facial.
instalación
- Método simple: espere y descargue la aplicación de la tienda de aplicaciones correspondiente.
- Descargue y ejecute la aplicación iOS a través de XCode (consulte Configuración de desarrollo para obtener más información)
Ejemplo de aplicacion
La aplicación se desarrolló como una aplicación basada en una cámara que permite cambiar caras en nuevas tomas de cámara o fotos actuales en el carrete de la cámara, con el objetivo de que sea útil para las redes sociales y el consumo humano, al tiempo que dificulta el uso preciso de los sistemas de reconocimiento facial. y efectivamente.
Lo hace a través de una variedad de métodos basados en investigaciones previas. Debido a las limitaciones de Mobile y TensorFlow Lite, el aprendizaje en el dispositivo no es posible, por lo que algunas de las técnicas más avanzadas aún no son posibles (pero la investigación y el desarrollo pueden proporcionar resultados futuros).
Las instrucciones sobre cómo usarlo y un video completo se incluyen con la versión inicial.
El portátil Jupyter ilustra la posible tecnología opuesta de «cualquier estilo rápido» en dispositivos móviles:
A largo plazo, esta técnica se utilizará de forma selectiva (como en segmentos de las fotografías), junto con el ruido Perlin / Simplex generado por imagen, al estilo https://github.com/kieranbrowne/camera-adversaria.
Se utilizan varios métodos para ocultar rostros de los sistemas de reconocimiento comerciales (por ejemplo, transferencia aleatoria de archivos, introducción de ruido Perlin). Antes de guardarlo en el carrete de la cámara o utilizarlo con fines en línea, una función integrada comprueba si se pueden reconocer los rostros.
La efectividad de estos enfoques contradictorios se puede verificar sin necesidad de acceso a la red.
(Las versiones futuras están planificando una estimación a bordo similar de cómo funcionará un sistema de reconocimiento de muestras frente a la imagen modificada (clasificación en lugar de mero reconocimiento)).
Configuración de desarrollo
Requisitos: Xcode 12
Pods instalados como parte del siguiente proceso: TensorFlow Lite (Swift Nightly Build) // GoogleMLKit // GPUImage3
- Descargue el directorio de modelos y iOS (modelos tflite)
- ejecute «pod install» en el directorio descargado
- Abra Ruse.xcworkspace
La instalación en el dispositivo se deja al lector como un ejercicio.
