Menghapus mosaik dari video kini jadi lebih mudah dari sebelumnya

• YouTuber Jeff Geerling melakukan eksperimen untuk melihat apakah isi gambar folder yang dipikselkan bisa dipulihkan, sambil menawarkan hadiah 50 dolar
• Dalam waktu kurang dari sehari, 3 peserta berhasil menghapus piksel dengan cara yang berbeda-beda
• Pengguna GitHub KoKuToru merilis seluruh repositori yang mencakup deep learning dan teknik akumulasi video yang benar-benar digunakan
• Blur piksel pada video yang bergerak kini sangat mudah dipulihkan berkat kemajuan teknologi AI
• Untuk melindungi informasi sensitif, disimpulkan bahwa metode seperti masking warna solid lebih aman dibanding pemrosesan piksel

---

Latar belakang eksperimen video penghapusan piksel

• Jeff Geerling menampilkan isi folder yang dipikselkan mulai dari menit 4:57 dalam video YouTube-nya dan menyisipkan pesan "ada hadiah jika bisa dipulihkan"
• Ia menawarkan imbalan 50 dolar jika berhasil menebak apa isi yang dipikselkan dalam video tersebut
• Dalam waktu kurang dari 24 jam, 3 orang berhasil, masing-masing dengan pendekatan yang sedikit berbeda

Bagaimana cara mereka memulihkannya?

• Ketiganya dengan senang hati membagikan proses pemulihannya — budaya yang umum di kalangan orang yang menyukai reverse engineering
• Pengguna GitHub KoKuToru merilis seluruh repositori

Percobaan pertama: metode brute force

• Mengumpulkan area yang cocok di dalam frame jendela lalu mengakumulasi data piksel
• Menggunakan TensorFlow untuk menggabungkan informasi dari banyak frame dan menghasilkan gambar yang hampir bisa dibaca
• Area ditentukan secara manual sehingga menghasilkan hasil yang agak bercak-bercak

Percobaan kedua: ekstraksi frame otomatis + koreksi GIMP

• Menggunakan GIMP dan ffmpeg untuk mendeteksi frame jendela yang tepat secara otomatis
• Memanfaatkan lebih banyak frame untuk memperoleh gambar yang sepenuhnya bisa dibaca

Bagaimana cara mencegahnya?

• Pemrosesan piksel atau blur saja tidak cocok untuk melindungi informasi sensitif jika ada pergerakan dalam video
• Terlebih lagi, dengan perkembangan AI dan jaringan saraf, teknik pemrosesan balik seperti ini menjadi sangat cepat dan presisi
• Contoh: mengekstrak suara bersih dari rekaman yang bercampur dengan suara lain
• Semakin banyak gerakan dalam video, semakin banyak data point yang bisa dianalisis dan akurasinya juga meningkat
• Diperkirakan pemulihan akan sulit jika eksperimen ini tidak menggerakkan jendela Finder

Ke depannya, apa yang sebaiknya dilakukan?

• Jika ingin menyembunyikan data sensitif, disarankan memakai mask warna solid alih-alih pikselisasi atau blur
• Secara intuitif manusia mungkin merasa blur lebih baik, tetapi dalam teknologi AI, perbedaannya tidak besar
• Pada akhirnya, cara keamanan terbaik adalah tidak memasukkan informasi yang tidak boleh bocor ke dalam video

Referensi

• GitHub yang merangkum seluruh proses pemulihan: repo de-pixelate milik KoKuToru

[bus710]

Dulu, belasan tahun lalu, kalau perusahaan besar memberi tugas seperti ini, para lulusan S2-S3 sampai menekuni penulisan paper deblurring selama berbulan-bulan... sekarang rasanya sudah nyaris tinggal sekali klik.

[crawler]

Melihat video dekripsi di GitHub, ini benar-benar sangat mengejutkan.

[GN⁺]

Opini Hacker News

• Ada pendapat bahwa beberapa tahun lalu pekerjaan seperti ini akan membutuhkan superkomputer dan gelar doktor

  • Sebenarnya tidak begitu. Bahkan 20 tahun lalu pun ini bisa dilakukan di laptop konsumen
  • Yang dibutuhkan adalah kemampuan untuk mereproduksi pembuatan gambar serta kondisi pikselasi/pemburaman
  • Jika radius piksel hanya mencakup 4 karakter, cukup cari dulu 4 karakter tersebut
  • Pikselasi bisa dianggap sebagai hash yang buruk, dan mudah menemukan citra praimajenya
  • Tidak membutuhkan motion, AI, atau machine learning
  • Bagian yang sulit adalah mereproduksi lingkungannya, dan AI dapat menghilangkan upaya itu

• Ada yang ingat seorang rekan melakukan pekerjaan serupa 10 tahun lalu untuk demo teknis yang menarik

  • Ia merekam video sambil melewati pintu kantor yang sedikit terbuka
  • Dari "celah yang bergerak" itu, ia merekonstruksi gambar penuh kantor tersebut
  • Setiap kali berada di bilik toilet umum, hal itu terlintas di pikiran

• Cara menyensor screenshot di Windows-98

  • Buka screenshot di MS-Paint
  • Pilih warna 1 dan 2 sebagai hitam
  • Pilih teks yang akan disensor dengan alat seleksi persegi panjang
  • Tekan tombol DEL untuk membuat persegi panjang itu menjadi hitam
  • Simpan screenshot
  • AI masih belum menemukan cara untuk memecahkan warna hitam

• Ada pendapat bahwa ini tidak akan berhasil jika jendela Finder tidak digerakkan

  • Untuk menyembunyikan data sensitif, lebih baik menggunakan mask warna solid daripada blur atau pikselasi
  • Saat jendela bergerak, jangan lakukan pikselasi pada grid yang tetap
  • Pikselasi bisa dilakukan sekali lalu dioverlay ke screenshot statis agar terlihat lebih bagus
  • Akan bagus jika alat penyuntingan video memiliki fitur pengacakan pikselasi bawaan

• Teknik seperti ini sudah lama digunakan di bidang seperti astronomi

  • Merekonstruksi objek dari gambar buram banyak digunakan dalam astronomi dan pencitraan biomedis
  • Jika blur diasumsikan invarian secara spasial, pemburaman gambar didefinisikan sebagai konvolusi 2D antara gambar asli dan fungsi sebar titik
  • Ini diubah menjadi masalah dekonvolusi buta multi-frame untuk mengurangi jumlah variabel tak diketahui

• Bell Labs A-3 scrambler menggunakan inversi pita dan transposisi secara real-time, tetapi gagal di pasar komersial

  • Selama WWII, SIGSALY adalah sistem pertama yang aman menurut standar modern
  • Sistem itu menggunakan sepasang piringan hitam one-time yang tersinkronisasi

• Video "Thank you" dari Lockpicking Lawyer dibuat blur, tetapi tidak benar-benar memblokir informasinya

  • Pemulihan data yang rusak dari input jendela sudah memungkinkan sejak lebih dari 50 tahun lalu
  • Ini adalah cara murah untuk memindahkan biaya dari peningkatan fisik ke peningkatan komputasional

• Ada nasihat dari para ahli bahwa jika ingin menyensor, hapus informasinya

• Ada yang penasaran apakah menambahkan noise acak ke versi yang dipikselasi bisa membuat metode ini tidak dapat digunakan

• Disarankan untuk mencoba "AV-8500 Special" dari Jepang pada tahun 90-an