في زمن تنمو فيه استخدامات أنظمة المراقبة القائمة على الكاميرات، خاصةً لأغراض السلامة العامة والرعاية الصحية، تتزايد المخاوف بشأن الخصوصية. تقنيات التعرف على الأفعال البشرية باستخدام كاميرات RGB قد ساهمت في تحويل كيفية رصد الأنشطة البشرية، إلا أن تقنيات الحماية القائمة على البرمجيات غالباً ما تفشل في تأمين الخصوصية أثناء عملية التقاط البيانات.

ليرتقي بالمستوى، تم تطوير تقنية جديدة تُعرف باسم "إغلاق الخصوصية بالعدسة" (Lens Privacy Sealing - LPS) التي تمثل حلاً بسيطاً وفعالاً من حيث التكلفة. تعتمد هذه التقنية على استخدام غلاف فيلم لامينات قابل للتعديل، مما يعمل على تشويش عدسات الكاميرا بشكل مادي ويوفر حماية للخصوصية قبل استشعار البيانات. وبخلاف الطرق السابقة التي تعتمد على البرمجيات أو العدسات الهندسية المكلفة، فإن LPS تحقق حماية قوية من خلال تشتت متعدد الطبقات بشكل عشوائي، مما يجعل عملية إعادة البناء صعباً جداً.

تقديم مجموعة بيانات جديدة تحمل اسم P$^3$AR لتعزيز التعرف على الأفعال مع الحفاظ على الخصوصية، والتي تضم سجلات كبيرة الحجم (P$^3$AR-NTU، 114 ألف فيديو) ومجموعات مأخوذة من العالم الحقيقي (P$^3$AR-PKU) مع تعليقات بشأن الخصوصية. للتعامل مع تدهور الفيديو الناتج عن استخدام LPS، يقترح الباحثون إطار عمل MSPNet، وهو نموذج أحادي المرحلة يتضمن مزيل الضجيج بين الإطارات (Inter-Frame Noise Suppressor - IFNS) ومجمع الدلالات بين الإطارات (Cross-Frame Semantic Aggregator - CFSA) مع تحسين شامل لاستخراج الدلالات باستخدام نماذج تعلم اللغة والصورة.

تظهر التجارب الواسعة أن MSPNet مع IFNS وCFSA يحقق تقريباً ضعف دقة التعرف على الأفعال مقارنة بأساليب القاعدة، مع تقليل مستوى التعرف على الهوية إلى أدنى حد. ولتأكيد فعالية LPS، تثبت الدراسات الشاملة أن هذه التقنية تحقق توازناً ممتازاً بين الخصوصية والفائدة مقارنةً مع أحدث الأساليب الموجودة، حيث تستجيب لهجمات الإعادة بما في ذلك عكس PSF واستعادة تعتمد على البيانات، كما تُظهر مرونة في التكيف مع تكوينات بصرية وظروف بيئية معقدة.

مع تزايد الاعتماد على أنظمة المراقبة، تعتبر تقنية LPS خطوة مهمة نحو تحقيق التوازن المطلوب بين الأمان وحقوق الأفراد. ما رأيكم في تأثير هذه التقنية على مستقبل الخصوصية في أنظمة المراقبة؟ شاركونا في التعليقات.