在電視或者網絡上，我們會看到一些被像素化的文字或者臉部。這是出于隱私考慮，某些信息不適合展示給大眾，或者會給當事人帶來困擾。不過，隨著科技的進步，這種保護隱私的方法已經不那么可靠了。因為，除了人類以外，人工智能也加入到圖像識別的行列中。
據Wired網站的報道，德州大學和康奈爾科技學院的研究人員發現，通過一些訓練，神經網絡可以識別圖像中隱藏的信息，無論是模糊的門牌號，還是像素化的人臉。而且，他們并不需要費力開發新的方法，只要使用主流的機器學習方法就行了。
我們使用了非常標準的圖像識別技術。這才是讓人不安的地方。 康奈爾科技的研究員Vitaly Shmatikov說。由于這些方法廣為人知，解析圖片隱藏信息只需要一些基礎的技術 。
在訓練神經網絡的過程中，研究人員使用了幾個大型的圖像庫。當神經網絡看到的單詞、臉部或者物品越多，它的識別準確率就會越高。在神經網絡的識別準確率達到90% 后，研究人員用三種隱私工具處理了圖像，并且讓神經網絡繼續解析這些圖像。最后，他們開始用新的模糊圖像測試神經網絡，看它是否能夠辨識出面部、物品或者手寫的數字。
結果是，在某些數據庫和隱私技術上，神經網絡的成功率達到80%，甚至是90%。在像素化圖像方面，隨著圖片模糊程度增加，神經網絡的成功率會降低，但是，它仍然能夠達到50% 到75% 的成功率。
值得注意的是，神經網絡并不能憑空恢復圖像，或者把模糊的圖片完全還原。它只能將其與自己見過的東西聯系起來。比如，在火車站的監控圖像里，如果每個過往人員的面部都是模糊的，神經網絡不能識別每個人，但是，如果你懷疑某人在特定時間經過，那么，神經網絡就能從眾人中辨識出那個人。
通過此項研究，研究人員向隱私人士和安全人員提出了警告。在圖像識別和數據收集上，機器學習已經成為不可忽視的工具。 我希望，經過了這項研究，當人們發布隱私技術并且宣稱其安全之前，首先要經過神經網絡的分析， Shamatikov說。
