DIY-Massenüberwachung mit Deep Learning?

Wer nun die sozialen Netzwerke selbst überwachen möchte, kann die Dienste der Firma Clearview AI in Anspruch nehmen oder mit Facenet sein Glück versuchen. Einfach die sozialen Netzwerke scrapen und dort die bereitwillig geteilten Fotos in einer Datenbank samt Namen und berechnetem embedding speichern. Dann reicht ein unauffällig gemachtes Foto, um fremde Menschen von der Straße zu identifizieren. (Disclaimer: Das Scrapen von sozialen Netzwerken kann gegen deren AGB verstoßen.)

Stellenmarkt
  1. Android Software Architect (m/f/d)
    Elektrobit Automotive GmbH, Ulm
  2. (Senior) IT-Security-Consultant (m/w/d) Kryptographie
    secunet Security Networks AG, verschiedene Standorte
Detailsuche

Aber wie viel Rechenpower ist dafür notwendig? Die Performance wird maßgeblich bestimmt von der Inferenz, also der Berechnung des embedding für ein Foto. Die Abfrage und die Update- beziehungsweise Einfüge-Operationen des KD-Baums haben logarithmische Laufzeiten und fallen im Vergleich zur Berechnung des embeddings nicht ins Gewicht.

Das Berechnen eines embeddings dauert auf einem zehn Jahre alten i5-Quad-Core-Prozessor rund 100 ms pro Bild. Die Berechnung kann mittels GPU um den Faktor 10 bis 20 beschleunigt werden. Wem das noch immer nicht reicht, der kann die Berechnung auf mehrere Rechner verteilen, um mehr Durchsatz zu erreichen. Speziell im Falle der Massenüberwachung ist dies eine gute Skalierungsstrategie.

Training des Facenet-Modells braucht viele Ressourcen

Wirklich ressourcenintensiv ist allerdings das Training des Facenet-Modells. Selbst auf einem vergleichsweise kleinen Datensatz von 13.000 Bildern dauert das Training auf einer schnellen GPU mit viel Speicher 72 Stunden und länger.

Golem Karrierewelt
  1. C++ Programmierung Basics: virtueller Fünf-Tage-Workshop
    20.-24.06.2022, virtuell
  2. Adobe Photoshop Aufbaukurs: virtueller Zwei-Tage-Workshop
    02./03.06.2022, Virtuell
Weitere IT-Trainings

Wer sich also nicht mit einem der frei verfügbaren trainierten Modelle begnügen kann, muss entsprechend Budget für Hardware einplanen. Immerhin kann man mit frei verfügbaren Modellen als Ausgangspunkt beginnen und mit neuen Fotos das Modell verfeinern, anstatt vollständig von vorn zu beginnen.

Auch wenn die Leistung der Deep-Learning-Ansätze erschreckend gut ist, ist sie nicht perfekt und kann getäuscht werden. So berechneten Forscher des Huawei Moscow Research Center einen für Gesichtserkennungssysteme besonders verwirrenden Brillenrahmen (PDF). Mithilfe des berechneten Musters konnte dem Gesichtserkennungssystem ein anderes vorgegaukelt werden.

Deep Learning illustriert: Eine anschauliche Einführung in Machine Vision, Natural Language Processing und Bilderzeugung für Programmierer und Datenanalysten

Jeder sollte genauer hinschauen

Der DIY-Massenüberwachungs-(Alp-)Traum ist also durchaus möglich. Aber immerhin ist diese Technologie durch Open Source für alle verfügbar. Eine gute Gelegenheit für uns alle, etwas genauer hinzuschauen und nach Schwächen zu suchen und die Grenzen des Machbaren zu erforschen. Für den Augenblick reichen exzentrische Brillen noch aus, um sich gegen Überwachung zu wehren.

Autorenzeile: Siavash Sefid Rodi entwickelt seit 15 Jahren Software in verschiedensten Domänen, von IoT und Telekommunikation bis zu Automotive. Am liebsten entwickelt er datenintensive Applikationen und analysiert die dabei anfallenden Daten. OpenSource ist für ihn eine Herzensangelegenheit.

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed
 Das Gesicht im Heuhaufen finden
  1.  
  2. 1
  3. 2
  4. 3


Dreamwalker84 05. Apr 2022 / Themenstart

Hier gibt's nicht viel zu sagen. Das Buch ist eine, auf die heutigen Bedürfnisse und...

emdotjay 05. Apr 2022 / Themenstart

Man kann mit der Technology auch Doubles finden. Das würde manche Unternehmen die Arbeit...

Oviing 05. Apr 2022 / Themenstart

Eigentlich braucht man sogar wie keine Hardware. Man kann sich auch bei AWS, GCC, Azure...

Kommentieren



Aktuell auf der Startseite von Golem.de
30 Jahre Alone in the Dark
Als der Horror filmreif wurde

Alone in the Dark feiert Geburtstag. Das Horrorspiel war ein Meilenstein bei der filmreifen Inszenierung von Games. Wie spielt es sich heute?
Von Andreas Altenheimer

30 Jahre Alone in the Dark: Als der Horror filmreif wurde
Artikel
  1. Update-Installation dauert: Störungen bei Kartenzahlungen im Einzelhandel bleiben
    Update-Installation dauert
    Störungen bei Kartenzahlungen im Einzelhandel bleiben

    Es gibt ein Update, um die Zahlungsstörungen mit Giro- oder Kreditkarte zu beseitigen. Die Verteilung des Updates braucht aber noch Zeit.

  2. Gigafactory Berlin: Umweltschützer kritisieren Tesla-Pläne für Güterbahnhof
    Gigafactory Berlin
    Umweltschützer kritisieren Tesla-Pläne für Güterbahnhof

    Tesla will einen Güterbahnhof in der Nähe der Gigafactory Berlin errichten - bei Teilen dieser Fläche soll es sich um ein Wasserschutzgebiet handeln.

  3. Optibike: E-Bike mit 480 km Reichweite kostet 17.000 Euro
    Optibike
    E-Bike mit 480 km Reichweite kostet 17.000 Euro

    Das E-Bike Optibike R22 Everest setzt mit seinen zwei Akkus auf Reichweite.

Du willst dich mit Golem.de beruflich verändern oder weiterbilden?
Zum Stellenmarkt
Zur Akademie
Zum Coaching
  • Schnäppchen, Rabatte und Top-Angebote
    Die besten Deals des Tages
    Daily Deals • Alternate (ASUS VG30VQL1A QHD/200 Hz 329€ statt 399,90€ im Vergleich) • Apple iPhone 12 128 GB 669€ statt 699€ im Vergleich• Prime Video: Filme leihen für 0,99€ • Gigabyte RTX 3080 12 GB ab 1.024€ • Mindstar (u. a. MSI MPG X570 Gaming Plus 119€ statt 158,90€ im Vergleich) [Werbung]
    •  /