Künstliche Gesichter mit echten Gefühlen

Automatische Gesichtserkennung ist dank Künstlicher Intelligenz (KI) eine alltägliche Technologie geworden, ob nun für biometrische Einlasskontrollen oder Müdigkeitswarner in Autos. Um zuverlässig zu funktionieren, müssen neuronale Netze mit Fotos und Videos von Menschen trainiert werden. Allerdings dürfen Entwickler und Anbieter von KI-Anwendungen nicht einfach beliebige Bilder von Personen benutzen, schließlich sind personenbezogene Daten durch die DSGVO geschützt.

Wichtig sind dabei vor allem zwei Kerngrundsätze: Personenbezogene Daten müssen rechtmäßig, transparent und zweckgebunden verarbeitet werden und Gesichter von allgemein zugänglichen Orten und öffentlichen Veranstaltungen müssen vor der Weiterverarbeitung unkenntlich gemacht werden. Ausnahme: Anonymisierung bei statistischen Auswertungen oder Forschungsprojekten.

Die richtige Anonymisierung

Sobald Informationen anonymisiert sind, können sie für KI-Training, maschinelles Lernen und weitere Datenanalyse genutzt werden. Herkömmliche Verfahren wie schwarze Balken, Verpixelung oder Verwischen haben jedoch einen großen Nachteil: Sie anonymisieren nicht nur die Person, sondern machen soziologische Personenmerkmale nicht mehr klar erkennbar. Die Folge ist eine sinkende Qualität bis hin zur Unbrauchbarkeit der Daten.

Eine neue Methode der Anonymisierung von Personen auf Bildern ist der Einsatz von künstlichen Gesichtern, die von neuronalen Netzen erzeugt werden. Hierbei wird ein Generative Adversarial Network (GAN) genutzt, um realistisch aussehende Gesichter von nicht existierenden Personen zu generieren.

Dieses generierte Gesicht wird wie eine Maske auf das Original gesetzt. Der dadurch entstehende Verfremdungseffekt führt dazu, dass die Person für menschliche und maschinelle Betrachter nicht mehr identifizierbar ist. Zudem ist die Anonymisierung durch synthetische Gesichter nicht umkehrbar und entspricht den Vorgaben des Datenschutzes.

Natürlichkeit bewahren

Bevor ein Gesicht unkenntlich gemacht werden kann, muss es zunächst präzise erkannt werden. Mithilfe eines Detektionsmodells werden Gesichter und deren genaue Position in einem Bild oder Video erfasst. Anschließend werden übliche Anonymisierungsmethoden auf das Gesicht angewendet, um dieses für weitere Analysen unbrauchbar zu machen. Um ein künstlich generiertes Gesicht als Maskierung des ursprünglichen Gesichts einzusetzen, müssen mehrere KI-Modelle ineinandergreifen.

Zunächst erkennt eine Software relevante Attribute wie Alter, Mimik und weitere körperliche Merkmale, um die Natürlichkeit des Ausgangsbilds zu bewahren. Anschließend wird ein GAN mit diesen Attributen gefüttert, um ein künstliches Gesicht zu generieren, das sich deutlich vom Original unterscheidet. Ziel ist es, die Identität zu wahren und gleichzeitig wichtige Informationen zu erhalten. Die auf diese Weise anonymisierten Gesichter können also weiterhin von KI-Modellen genutzt werden, sowohl für Training als auch Datenverarbeitung.

Durch den Einsatz von Deep Natural Anonymization für personenbezogene Daten wird ein umfangreicher Schutz der Privatsphäre gewährleistet. Gleichzeitig können die Informationen für die weitere Nutzung eingesetzt werden, etwa als hochwertige Trainingsdaten für KI-Modelle oder die Datenanalyse. Unternehmen erfüllen also höchste Datenschutzstandards und können gleichzeitig innovative KI-Modelle nutzen, um ihr Business weiter auszubauen.

Bildquelle: Getty Images / iStock / Getty Images Plus