保护监控视频中的隐私同时挖掘数据

JOSE-LUIS OLIVARES/MIT

一项新技术可能有助于保护隐私，同时允许对监控数据进行有用的分析。

监控摄像头的数量在全球范围内激增，引发了人们对隐私的担忧，而随着机器学习工具如今实现了大规模的自动视频分析，这种担忧只会愈演愈烈。现在，一个新的安全系统旨在保护隐私，支持对视频片段进行诚实分析。

麻省理工学院计算机科学家Frank Cangialosi指出，现在“全世界有数亿台监控摄像头”，他是该系统研究的主要作者。过去，这些摄像头偶尔会被手动监控（如果有的话），而且主要用于安全目的。但人工智能的稳步发展现在使计算机能够大规模分析这些视频数据。

监控录像的自动视频分析有很多应用，例如：帮助卫生官员测量戴口罩的人的比例；让交通部门监控车辆、行人和自行车的密度和流量，以确定在何处增加人行道和自行车道；让企业更好地了解购物行为，更好地规划促销活动。然而，这种大规模监视带来了前所未有的侵犯隐私的风险。

“视频分析是一个令人兴奋的潜在研究领域，但我认为我们的社区也有巨大的责任仔细思考它如何被滥用，并为解决这一问题付出同等的努力，”Cangialosi说。

针对此类技术保护隐私的尝试通常涉及模糊人脸或用黑盒覆盖人脸。这些方法可能会阻止对该视频进行有用的分析，但仍然没有达到保持匿名的预期效果。“如此，公民不会感到受到保护，分析人士也不会觉得这对他们来说足够有用，”Cangialosi说，“这并不能让任何人满意，这就是为什么这些方法实际上没有在实践中得到广泛应用。经过一番思考，我们意识到这些是根本性的问题，因此需要一种完全不同的方法。”

现在，Cangialosi和他的同事开发了一个名为Privid的新系统，让分析人员在不泄露个人身份信息的情况下检查视频中的统计数据。

“Privid可能使我们能够以安全的方式（更有效地利用）世界各地已有的所有摄像机的大量镜头，”Cangialosi说，“它们覆盖范围广，用途广泛，所以我认为它们确实有很大的潜力。”

Privid的工作原理是首先接受分析人员的代码，该代码包含一个查询，该查询会触发自动计数，例如，视频源中戴口罩的人数和人群密度。然后，该系统将视频片段分割成多个片段，并在每个片段上运行代码。Privid没有将每个细分市场的结果报告给分析师，而是在返回结果之前对数据进行聚合并添加一些噪声。Privid的目的是让有诚实查询的分析师获得他们想要的细节，同时限制对原始监控数据的访问，这将阻止恶意参与者获得太多信息。

例如，当涉及到观察多个城市十字路口的视频源时，诚实和恶意的查询都可能声称想要统计每小时经过的人数。城市规划部门出于好意的查询可能希望统计行人数量，以便更好地规划人行横道，而有恶意的人查询的目的可能是通过观察一些特定的人的脸来跟踪他们。

同时，Privid还可以告诉分析师它会给结果增加多少误差，诚实的分析师可以在他们的研究中解释这些误差，这样他们仍然可以发现有价值的模式和趋势。

Cangialosi强调，“我们不鼓励监视。很多负面的事情会立即浮现在我们的脑海中，比如被监视等。但这正是我们想要阻止的，将完全禁止该情况。我们对隐私的基本想法是，我们应该只能在无法识别人的事情上使用摄像头。这方面有很多例子可以造福于社会，比如城市安全、公共安全和公共卫生健康等等。”

Cangialosi面临的一个常见技术问题是“我们提供的隐私保证是否只适用于单个摄像头”？答案是否定的。最重要的是，无论系统中有多少摄像头的图像馈送，也不管分析师聚集了多少摄像头，人们仍将受到保护，无法跨位置和时间进行跟踪。”

研究人员指出，在结果中添加噪声可能会保护隐私，但也会使分析不完善。尽管如此，他们表示，在各种视频和查询中，Privid在70%到99%的时间里都会在非私有系统上进行注意力训练，并返回正确答案。

“Privid不是灵丹妙药，”Cangialosi指出，“我认为有很多情况下隐私和实用性并不矛盾，因此我们可以在确保隐私的同时又不会对准确性或实用性造成太大损害。Privid非常适合这些情况。”

另一方面，他警告说，“在某些情况下，隐私和实用性确实存在根本性的矛盾。在安全关键型应用程序中，如寻找失踪人员或被盗汽车，关键在于识别个人，”Cangialosi说。在这种情况下，解决方案可能不是技术性的问题，“而是需要更好的政策”。

Cangialosi指出，虽然科学家们关注的是Privid在实用性和隐私性之间的折衷，但他们并不担心计算效率。他说：“下一步的一个重要步骤是整合社区其他成员为提高视频分析效率所做的大量优化。当然，我们面临的挑战是谨慎行事，这样我们仍然可以维持同样的隐私保障。”

未来的研究还可以探索不同类型的视频源，如行车记录仪和视频会议电话，以及音频和其他数据。“这些数据源代表着更未开发的分析潜力，但它们显然存在于一些非常隐私敏感的场景中，”Cangialosi说，“我认为，扩大一系列领域，让计算机学习一些有助于社会的重要信息，同时确保（数据不会被用来）伤害任何人，这将是非常令人兴奋的。”