隐私保护的第一道防线：破解马赛克有多「容易」？(5)

各种马赛克场景
其实除了保护成人视频中的隐私泄漏，马赛克在日常中还有非常多的使用场景：
在日常聊天传送涉及个人隐私的图片时，针对图片中的地址、车牌号、证件号、手机号等马赛克处理。
电视新闻中，常见的有从法律层面上保护受害人、嫌疑人、证人隐私权等角度出发的马赛克处理。
涉及国家隐私的地图和信息中，Google 地图等地图提供商往往要对军事禁区等信息进行马赛克处理。
影视作品或游戏中，从未成年人保护角度出发对暴力、血腥等场景进行的马赛克处理。
......
熟练地在涉及到隐私的地方打上马赛克，并将其合法合理地传播分享，是每个人新时代冲浪人必备的技能。

理论上的「破解」手段

既然无法 100% 保证还原马赛克之前的图像，可以通过什么样的方式来「推测」出马赛克之前的样子，就是所谓营销号眼中「破解马赛克神器」做的事情。这样的工具不外乎从逻辑层面上「猜」和「算」两种方法。
从「算」的学术描述上表述，去马赛克（demosaicing）算法是一种数字图像处理，用于根据从彩色滤波器阵列（CFA）覆盖的图像传感器输出的不完整颜色样本重建全色图像。 它也被称为 CFA 插值或颜色重建。
把令人迷惑的定义更通俗地表述出来，「算」的方式更像是对应人类「眯着眼睛看」的另一种机器执行的效果。不过单纯的算已经无法满足人类征服马赛克场景的复杂度了，大多数的马赛克去除方法是 AI 和算法加持下的双重结果。
从 2017 年 Google brain 展示出的 AI 去码功力，到 2020 年杜克大学的 PULSE 展示出的惊人效果，我们每一次都在惊叹于算法与 AI 结合后的去码效果。实验室产出的 paper 让人惊艳，但实际操作效果却始终不尽人意。

Google brain

2017 年 Google Brain 团队发布了一个名为超强像素递归方案（Pixel Recursive Super Resolution）的 AI 系统，能提高像素乱化处理后的照片的分辨率。通俗地讲，就是能去除马赛克。