Github高贊:給文字打馬賽克=形同虛設,AI看透你一切小心思

【新智元導讀】繼修復塗鴉圖片之後，厚碼文字也不再安全了？近日，名為Depix的Github項目火爆全網，一切故意而為之的「文字密碼」，在這一AI技術的處理下，瞬間就「暴露於光天之下」。

「來P個圖吧！」 「好呀，不過這段話得打碼，不然就麻煩了！」

如果現在告訴你，」打碼「已經不再安全，你所想保護的信息，已然如」皇帝的新衣「，你會作何想？

不，這不是聳人聽聞，最近一個名為Depix的GitHub項目火了，上線僅僅三天，star量就已經高達7K。截止發文，此項目已經火速達到1w+的star量：

而就是這項技術，能夠解碼被打上馬賽克的文字，你的所有努力，甚至有了」欲蓋彌彰「的效果。

手機塗鴉如同「徒勞」，外行也能輕易恢復隱藏信息

前段時間，網絡上爆出，使用手機塗鴉對圖片所進行的操作，其實可以輕易被恢復：

簡單拿微信聊天截屏的文字塗鴉來說：

我們身邊太多的人，都可能會用這種塗鴉技術，遮蓋自己想保密的信息。

看似很安全，對不對？

其實在有心人看來，你的操作可以馬上成為徒勞：

只需要再次利用手機的圖片編輯功能，將曝光、鮮明度、高光、陰影、亮度等參數全部調至+100，然後再將對比度參數調至-100，然後，神奇的事情發生了：

行家都知道，相比於塗鴉，馬賽克卻無法被修復和逆轉，令人非常的安心。

可是，放在現在，在AI面前，修復厚碼圖片中隱藏的內容，也成為了可能：

Depix——修復厚碼文字內容，現已開源

Depix的主要功能，就是利用AI算法，將被像素化的文本內容從馬賽克中還原出來。其適用於用線性盒過濾器創建的像素化圖像。

其目的不是去馬賽克，而是做文字恢復使用。雖說這可能令一些宅男失望，但其作用依舊強大且有意義。

此項目是由信息安全顧問Sipke Mellema 開發的，目前僅支持英文字母、數字和英文標點符號。

而任何此個開源項目的使用者，簡簡單單使用以下指令，就可以恢復你想「窺探」的文字內容：

python depix.py -p images/testimages/testimage3_pixels.png -s images/searchimages/debruinseq_notepad_Windows10_closeAndSpaced.png -o output.png

完整操作如下：

從截圖中剪出像素化的方塊，作為一個矩形。

將De Bruijn序列粘貼到編輯器中，使用相同的字體設置(文本大小、字體、顏色、hsl)。

製作序列的截屏。如果可能的話，使用同樣的截圖工具來創建像素化的圖像。

運行 run python depix.py -p [pixelated rectangle image] -s [search sequence image] -o output.png

算法原理簡單：分割小塊，德布魯因序列字符庫助力像素匹配

Depix的原理是將馬賽克區域的內容分割成許多個小塊，然後將每個小塊都和預先設置好的字符庫（德布魯因序列（De Bruijn sequence））進行像素匹配。

具體算法流程如下：

該算法利用了線性盒濾波器，來分別處理每個塊的特性。對於每個塊，它對搜索圖像中的所有塊進行像素化，以檢查是否直接匹配。

對於大多數像素化的圖像，Depix設法找到單一匹配的結果。它假設這些都是正確的。然後，將周圍的多匹配塊的匹配在幾何上與像素化圖像中的相同距離進行比較。匹配也被視為正確。這個過程要重複幾次。

當正確的塊沒有幾何匹配時，它將直接輸出所有正確的塊。對於多匹配塊，它輸出所有匹配的平均值。

開發這個AI項目，Mellema並不是為了竊取信息，而是利用ECB和明文攻擊的模式，提高信息保護技術。

在他看來，不知道如何破壞當前的保護模式，是信息安全中的常見陷阱。

Depix主要是針對打碼文字的處理，而說到修復馬賽克像素級別圖片的技術，我們不得不提杜克大學的AI算法PULSE：

宅男福利？渣畫質修復還要看杜克PULSE

杜克大學的AI算法PULSE（Photo Upsampling via Latent Space Exploration），可以將像素渣到馬賽克級別的圖片修復：

該算法可以將模糊、無法識別的人臉圖像轉換成計算機生成的圖像，並且具有比之前任何時候都更加精細、逼真的細節。

按照之前的方法，想要把一張模糊的大頭照變清晰，最多只能將這張照片縮放到原始解析度的八倍。

而PULSE，可以僅在幾秒鐘內，就可以把 16x16 像素的低解析度小圖，放大 64 倍，變成 1024 x 1024 像素的高解析度圖像。

這種將像素放大 64 倍級別的，絕對是業界首次。

原本低解析度照片中無法看到的細節，比如毛孔、細紋、睫毛、頭髮和胡茬等，經過PULSE算法處理後，都能看得一清二楚：

涉及到實際應用方向上，論文的共同作者 Sachit Menon 介紹稱：

「在這些研究中，我們只是用面部作為概念驗證。

但從理論上講，該技術是通用的，從醫學、顯微鏡學到天文學和衛星圖像，都可以通過該技術改善畫質。」

與此類似的，還有谷歌的超強像素遞歸方案，感興趣的朋友可以自行探索。

最後附上Depix，PULSE的項目連結：

Depix項目地址：https://github.com/beurtschipper/Depix

PULSE項目地址：https://github.com/adamian98/pulse

參考連結：

https://www.maxiaobang.com/6570.html

https://github.com/beurtschipper/Depix

https://github.com/adamian98/pulse