Anonymisierung von Personen

In der heutigen digitalen Zeit gewinnt die Personenanonymisierung zunehmend an Bedeutung. Dies liegt vor allem daran, dass neue KI-Modelle eine enorme Menge an Trainingsdaten benötigen, um effektiv zu funktionieren. Diese Daten umfassen oft Bilder und Videos von Personen, die für die Entwicklung und Verbesserung von Bildgeneratoren und autonomen Fahrsystemen verwendet werden.
Um die Leistungsfähigkeit von KI-Modellen zu steigern, sind große und vielfältige Datensätze erforderlich. Diese Datensätze enthalten häufig personenbezogene Informationen, die geschützt werden müssen, um die Privatsphäre der Individuen zu wahren. Personenanonymisierung stellt sicher, dass die Identität der Personen in diesen Datensätzen nicht preisgegeben wird, während die Daten weiterhin für das Training von KI-Modellen genutzt werden können.
Ein Beispiel wären KI-basierte Bildgeneratoren, wie sie in der Kunst und Unterhaltung verwendet werden. Sie profitieren ebenfalls von anonymisierten Daten, da durch die Anonymisierung sichergestellt wird, dass die generierten Bilder keine erkennbaren Merkmale von realen Personen enthalten, was die Privatsphäre schützt und rechtliche Probleme vermeidet.
Ebenso sind autonome Fahrsysteme auf umfangreiche Bild- und Videodaten angewiesen, um sicher und effizient zu funktionieren. Diese Daten enthalten oft Aufnahmen von Fußgängern und anderen Verkehrsteilnehmern. Personenanonymisierung hilft dabei, die Privatsphäre dieser Personen zu schützen, während die Daten weiterhin für die Entwicklung und Verbesserung der Fahrsysteme genutzt werden können.

Originalbilder oben und anonymisierte Bilder unten. Abbildung 1: Ergebnisse aus dem hier genannten Paper. Originalbilder oben und anonymisierte Bilder unten.

In ANYMOS wurde ein auf Diffusion Modellen basierender Ansatz zur Anonymsierung untersucht. Dieser benutzt ein vortrainiertes Stable Diffusion Modell um Personen in Bildern zu Anonymisieren und dabei Eigenschaften wie Hautfarbe, Haarfarbe, Kleidungsstil usw. beizubehalten. Das Paper wurde auf dem ACVR 2024 Workshop im Rahmen der ECCV 2024 vorgestellt. Mithilfe des Papers wurde ein Demonstrator entwickelt um das Verfahren der Öffentlichkeit näher zu bringen. Dieser wurde in verschiedenen Wissenstransfer Formaten, wie der ANYMOS Wissenwoche, einem Stammtisch im Triangel und auf der IT-Trans Messe gezeigt. Zusätzlich wurde ein Artikel im SWR veröffentlicht.