隐私保护的第一道防线：破解马赛克有多「容易」？(7)

先放大再对比猜测，PULSE 算法可谓另辟蹊径。不过，靠猜测得到的图案毕竟不是原图，在还原过程往往得到清晰但跟原图大相径庭的图案。比如，我们将奥巴马的图像打码，再通过PULSE 算法还原，得到的居然是一张白人面孔。

对此，PULSE 算法创始人解释道：「结果的偏差，原因在于数据的偏差。为什么 PULSE 会出现奥巴马被洗白的情况？因为它是在 FlickFaceHQ 上进行预训练，这个数据集里基本都是白人照片。如果换成来自塞内加尔的数据集，训练完全相同的系统，那必然是每个人都看起来像非洲人。」
PULSE 解码生成的始终不是真实的原图。如果你打开 PULSE 的 Github 链接，在项目描述的第一段就有着清晰的描述：「我们已经注意到很多人担心 PULSE 将被用于识别面部被模糊化的个人。我们想强调的是，这是不可能的。PULSE 制作的是不存在的人的虚构面孔，不应该与真实的人混淆。它不会帮助识别或重建原始图像。」

Depix

除了识别人脸并去除马赛克，对于文字马赛克的处理也有对应的解码思路提出。
2022 年横空出世的 Depix 就是能够从像素化截图中恢复密码的工具。该项目适用于使用线性方框滤波器（linear box filter）创建的像素化图像。如下图所示，项目作者给出了像素化图像、恢复之后的效果和原图的对比结果：

该算法利用了线性盒式滤波器分别处理每个块，对于每个块，它将对搜索图像中的所有块进行像素化以检查直接匹配。对于大多数像素化图像，Depix 设法找到单匹配结果。假设这些是正确的。然后，将周围的多匹配块的匹配进行比较，以在几何上与像素化图像中的距离相同的距离进行比较。匹配也被视为正确。重复此过程几次。正确的块不再具有几何匹配之后，它将直接输出所有正确的块。