Privid nije ono što se čini, to je alat koji jamči privatnost u nadzornim snimkama
Privid pomaže u prikupljanju sigurnih podataka o javnom zdravstvu i omogućava praćenje gustoće i protoka pješaka, bez učenja osobnih podataka o ljudima
Sigurnosne kamere sve su pametnije i kompetentnije; one otkrivaju tko nosi masku, prate gustoću i protok vozila, bicikala i pješaka, nude uvid u ponašanje kupaca u trgovini... No, što s privatnošću prikupljenih podataka?
Veća privatnost
Istraživači MIT-ovog Laboratorija za računalnu znanost i umjetnu inteligenciju (CSAIL) su uz pomoć stručnjaka s vodećih američkih sveučilišta osmislili sustav koji jamči veću privatnost u video snimkama nadzornih kamera. Sustav zvan Privid analitičarima omogućuje slanje upita o video podacima i krajnjem rezultatu dodaje dovoljno buke kako bi se osiguralo da se pojedinac ne može identificirati.
Sustav se temelji na "diferencijalnoj privatnosti" koja omogućuje pristup skupnim statistikama o privatnim podacima bez otkrivanja osobnih podataka.
Umjesto da kod pokreće na cijelom videozapisu u jednom kadru, on video razbija na segmente i pokreće kod za obradu svakog dijela. Segmenti se agregiraju i na njih dodaje dodatna buka.
Fleksibilni sustav
Privid omogućuje analitičarima korištenje vlastitih dubokih neuronskih mreža, uobičajenih za videoanalitiku. To analitičarima daje fleksibilnost postavljanja pitanja koja dizajneri sustava nisu predvidjeli. U raznim videozapisima i upitima, Privid je bio točan unutar 79 do 99 posto.
Novi pojam
Privid uvodi novi pojam "privatnosti temeljene na trajanju" koji razdvaja definiciju privatnosti od njezine provedbe. Izazov je odrediti koliko buke dodati; ovaj sustav dodaje tek toliko da sakrije sve, ali ne toliko da bi to bilo beskorisno za analitičare.
Dodavanje buke u podatke i inzistiranje na upitima tijekom vremenskih okvira znači da vaš rezultat neće biti točan koliko bi mogao biti, ali rezultati su i dalje korisni, uz bolju privatnost.