- El youtuber Jeff Geerling hizo un experimento para ver si se podía restaurar el contenido de una imagen de carpeta pixelada y ofreció una recompensa de 50 dólares
- En menos de un día, 3 participantes lograron eliminar la pixelación con métodos distintos
- El usuario de GitHub KoKuToru publicó el repositorio completo, incluyendo las técnicas de aprendizaje profundo y acumulación de video que usó realmente
- El desenfoque por píxeles en video en movimiento se ha vuelto muy fácil de revertir con los avances de la IA
- La conclusión es que, para proteger información sensible, métodos como una máscara de color sólido son más seguros que la pixelación
Contexto del experimento de eliminación de píxeles en video
- Jeff Geerling mostró en su video de YouTube, a partir del minuto 4:57, el contenido pixelado de una carpeta e insertó un mensaje de “recompensa si lo restauras”
- Propuso pagar 50 dólares a quien adivinara qué decía el contenido pixelado en el video
- En menos de 24 horas, tres personas lo lograron, cada una con un enfoque ligeramente distinto
¿Cómo lo restauraron?
- Los tres compartieron con gusto su proceso de restauración: una cultura común entre quienes disfrutan del reverse engineering
- El usuario de GitHub KoKuToru publicó el repositorio completo
Primer intento: método de fuerza bruta
- Recolectó regiones coincidentes dentro del marco de la ventana y acumuló los datos de píxeles
- Usó TensorFlow para reunir información de múltiples cuadros y generar una imagen casi legible
- Como la región se definió manualmente, el resultado quedó algo manchado
Segundo intento: extracción automatizada de cuadros + ajuste en GIMP
- Detectó automáticamente con precisión el marco de la ventana usando GIMP y ffmpeg
- Aprovechó más cuadros para obtener una imagen completamente legible
¿Cómo prevenirlo?
- La pixelación o el desenfoque por sí solos no son adecuados para proteger información sensible si hay movimiento en el video
- En particular, con los avances en IA y redes neuronales, este tipo de técnicas de procesamiento inverso se han vuelto mucho más rápidas y precisas
- Ejemplo: es posible extraer una voz limpia de una grabación con voces mezcladas
- Cuanto más movimiento haya en el video, más puntos de datos se pueden analizar y mayor será la precisión
- Se considera que habría sido difícil restaurarlo si el experimentador no hubiera movido la ventana de Finder
¿Qué se debería hacer en adelante?
- Si quieres ocultar datos sensibles, se recomienda usar una máscara de color sólido en lugar de pixelación o blur
- A la intuición humana puede parecerle mejor el blur, pero para la IA no hay gran diferencia
- En conclusión, la mejor forma de seguridad es no incluir en el video información que no deba filtrarse
Material de referencia
3 comentarios
Hace más de diez años, cuando una gran empresa encargaba este tipo de proyectos, doctores y maestros se aferraban a escribir artículos sobre deblurring durante meses... ahora ya está casi al nivel de un simple clic.
Viendo el video de descifrado en GitHub, de verdad es algo impactante.
Opiniones de Hacker News
Hay una opinión de que hace unos años habría hecho falta una supercomputadora y un doctorado para hacer algo así
Recuerdo que hace 10 años un colega hizo algo parecido para una demo técnica divertida
Cómo censurar una captura de pantalla en Windows-98
Hay una opinión de que no habría funcionado si la ventana de Finder no se hubiera movido
Este tipo de técnicas se han usado durante mucho tiempo en campos como la astronomía
El scrambler Bell Labs A-3 usaba inversión y transposición de banda en tiempo real, pero fracasó en el mercado comercial
El video de "Thank you" de Lockpicking Lawyer estaba difuminado, pero no bloqueaba la información
Hay un consejo de expertos: si quieres censurar, elimina la información
Se preguntan si agregar ruido aleatorio a la versión pixelada podría hacer que este método dejara de funcionar
Sugieren probar el "AV-8500 Special" de Japón de los años 90