Konsten att skydda identiteten och dela den samtidigt
Är det möjligt att kringgå dataskyddsförordningen (GDPR)? Felix Rosberg, doktorand på Högskolan i Halmstad, forskar tillsammans med Berge Consulting inom applicerad artificiell intelligens (AI) för att kunna manipulera data i bilder och video. Detta kan minska bromsklossarna för AI och maskininlärningens framfart.
Maskininlärning är en gren inom AI som går ut på att få datorer att förstå och förutspå situationer utifrån stora mängder data. I dag är AI och maskininlärning en nödvändig del i att påskynda innovation och utveckling, där det tydligaste exemplet är självkörande bilar och trafiksäkerhetssystem.
Anonymiserade data
AI och maskininlärning kräver stora mängder data för att kunna göra förutsägelser. Datainsamling kan vara problematiskt på grund av flera etiska aspekter, varav ett är integritetsfrågan. I forskningen som Felix Rosberg utför tacklar han frågan genom att svara på hur man kan använda bild och video utan att kränka någons identitet och bryta mot lagar som GDPR. Hans lösning är en algoritm som kan användas för anonymisering av bild- och videodata, med särskilt fokus på ansikten.
– Min utmaning är att manipulera data och göra personen oidentifierbar med ansiktsigenkänning, men samtidigt behålla viktig information som ansiktsuttryck, blick och posering, säger Felix Rosberg.
Kan skydda identitet och spara tid
Felix Rosberg nyttjar så kallade generativa motståndarnätverk, GAN, tillsammans med ansiktsigenkänningsnätverk för att manipulera identiteten. Det gör han genom att ha ett generatornätverk (G), som manipulerar data baserat på identitetinformation från ansiktsigenkänningsnätverket, och ett diskriminatornätverk (D) som ska avgöra om data är falsk eller äkta och för att bibehålla realism.
– Jag tränar båda nätverken samtidigt, så man kan se det som att de tävlar. G lär sig lura D, och D lär sig att inte bli lurad, förklarar Felix Rosberg och fortsätter:
– Ansiktsigenkänningsnätverk är redan tränat och används för att extrahera identitetsinformation och lära G.
Om Felix Rosberg löser uppdraget kan innovation och utveckling inom fältet få ett rejält uppsving utan att tumma på bekostnad av individens integritet. När två parter ska dela data med varandra måste de gå igenom en juridisk process, men med anonymiserade data är det alltså möjligt att utelämna det ledet helt och ge tillgång till data direkt.
– Detta kan implementeras i fordon för att samla in data. Genom att rikta kameran mot föraren kan det avgöra om föraren är distraherad. Många aktörer behöver även bilddata för att utveckla sina egna tjänster inom till exempel elektroniska system som hjälper föraren under körning och under parkering, eller för att upptäcka objekt, säger Felix Rosberg.
Fortsatt forskning för att förebygga säkerhetsproblem
Nästa steg i Felix Rosbergs resa inom ramen av forskarskolan Smart Industry är att undersöka potentiella säkerhetsproblem med algoritmen och förebygga dessa. Han ska bland annat jobba på att reducera riskerna för att kunna återskapa originalidentiteten från anonymiserade data, mygel med algoritmen med hjälp av brus vilket kan hindra anonymisering, och läckage av annan typ av information.
– Jag kommer även att undersöka möjligheter att optimera algoritmen för att lyckas köra den snabbare och komprimera den så att den tar mindre minne, utan att prestandan påverkas, säger Felix Rosberg.
Mer information
Demo för anonymisering
Bil som kör av sig själv spännande examensprojekt
Centrum för forskning om tillämpade intelligenta system (CAISR)
Publiceringar
Towards Privacy Aware Data collection in Traffic
Comparing Facial Expressions for Face Swapping Evaluation with supervised Constrative Representation Learning