MaskAnyone 工具包：提供在音视频数据归档中最小化隐私风险和最大化效用的策略
密码学与安全
2024-08-07 v1 多媒体
摘要
本文介绍了 MaskAnyone，一个旨在应对音视频数据共享中一些隐私和伦理问题的新型工具包。MaskAnyone 提供了一种可扩展、用户友好的解决方案，通过人脸替换和语音变换对视频和音频内容中的个体进行去标识化，支持多人遮蔽和实时批量处理。通过将该工具集成到研究实践中，我们旨在提升数据的可复现性和社会科学研究的效用。我们的方法借鉴了设计科学研究（Design Science Research），提出 MaskAnyone 可以促进更安全的数据共享，并可能减少完全可识别数据的存储。本文讨论了 MaskAnyone 的开发与能力，探索其在伦理研究实践中的整合，并考虑了音视频数据遮蔽的更广泛影响，包括同意问题和滥用风险。本文以一套初步评估框架结尾，用于评估此类研究环境中遮蔽工具的有效性和伦理整合。
引用
@article{arxiv.2408.03185,
title = {MaskAnyone Toolkit: Offering Strategies for Minimizing Privacy Risks and Maximizing Utility in Audio-Visual Data Archiving},
author = {Babajide Alamu Owoyele and Martin Schilling and Rohan Sawahn and Niklas Kaemer and Pavel Zherebenkov and Bhuvanesh Verma and Wim Pouw and Gerard de Melo},
journal= {arXiv preprint arXiv:2408.03185},
year = {2024}
}