自动驾驶等行业在研发周期中需要对全球数据进行大规模地收集与分析,但数据中通常包含大量个人信息,可能会违反相关数据隐私保护法规,使得公司面临罚款等巨大风险,阻碍技术创新。
对此,康谋推出 brighter AI 数据匿名化解决方案,提供精准模糊、全身模糊、深度自然匿名化工具及 Edge 解决方案,可编辑人脸和车牌使其无法识别原始数据主体,并支持保留关键属性用于机器学习,帮助公司遵守PIPL、GDPR等数据隐私保护法规,加速推动企业开发与创新。
匿名化产品
精准模糊(Precision Blur)是高度精准的基于AI模糊处理解决方案,能够自动检测视频和图像中的人脸及车牌,并进行模糊处理。
- 高效:全自动检测并模糊视频和图像中的面部及车牌
- 精准:针对面部和车辆,是高度精准的基于AI的模糊处理解决方案
- 安全:包含无法被逆向工程的随机函数
全身模糊(Full Body Blur)是一种先进的隐私解决方案,能够对视频和图像中的整个人体进行匿名化处理,从而有效地模糊发型、服装和纹身等个人标识符。此升级通过保护敏感信息和适应不断发展的数据保护法规来增强隐私合规性。
深度自然匿名化(DNAT)是一种基于生成式人工智能的解决方案,通过生成面部和车牌的合成覆盖层来保护身份信息。
- 安全:无法通过面部识别技术进行身份再识别,合成面部是随机生成的,无法逆向还原
- 精确:保留年龄、性别、种族、情绪、意图等信息,供分析和人工智能开发使用
- 合规:已获得 EuroPriSe 认证,确保IT产品符合隐私保护标准
Edge解决方案
Edge 解决方案能够在数据离开车辆之前进行匿名化处理。
- 部署于边缘设备
- 数据传输安全合规
- 更快的处理速度
- 无需网络易于连接
- 在数据流转与传输中,仅使用匿名化数据
- 涵盖多个摄像头及所有主流摄像头类型
- 成本效益高,一次付费即可匿名化处理无限量数据
功能特点
自定义编辑
使用自定义编辑设置,您可以手动设置检测阈值。这样即可针对具体用例微调人脸和车牌等对象的识别,以确保高质量的编辑结果和最大程度的合规性。
选择性编辑
选择性编辑用户界面允许您选择性地匿名化视频中的个人信息。某些用例中,并非所有面部都需要模糊处理。自动检测后,您可以单独选择(取消)选择对象。
编辑区域功能
编辑区域功能为您提供了与面部和车牌消隐相关的区域。这为您根据特定需求移除个人信息提供了可能性,同时保证了隐私合规性。它为数据处理和复杂流程提供了充分的灵活性。
API 集成
提供选项,可通过 REST API 将我们的图像编辑解决方案无缝集成到您的产品和服务中。您可以享受完整的功能,并可以根据个人需求定制解决方案。
产品优势
操作简单
一站式的匿名化服务,只需三个简单步骤,您便可在门户中匿名化图像和视频,在概览中,您可以跟踪状态并下载匿名化结果。
轻松集成
可通过REST API轻松集成, 通过我们安全的云API或在您自己的GPU服务器上进行设置,均适用于大规模数据收集和处理。
自由部署
本地部署+云部署。可以根据需求,从边缘到本地再到云端,实现无缝集成。
法律合规
我们的解决方案已得到数据保护官员的批准,适用于GDPR、CCPA、CSL等司法管辖区。
应用场景
自动驾驶数据匿名化
Brighter AI 数据匿名化解决方案可针对不同地区的人脸和车牌进行高精度的大规模模糊化处理,且该处理过程不可逆,确保自动驾驶数据的高度安全性。此外,DNAT 可通过保留识别出的年龄、性别、种族及面部表情,使匿名化数据与原始数据具备统一的代表性,完美实现兼顾合法合规与研究开发等关键功能需求。
Brighter AI还可根据边缘场景的需求量身定制本地化部署。基于Python的SDK可以使得在CPU-only的ARM和x86平台、嵌入式神经引擎和Nvidia Jetson上轻松实现部署,进行本地无缝匿名化,保障最严格的数据安全。
其他行业应用
科研数据匿名化
为从事机器视觉、机器学习等研究的高校和机构,
提供高精度匿名化工具,支持数据收集、共享和存储等科研工作。
应用范围包括科学研究、行为研究、出版物样本数据以及协同数据库等。
医疗数据匿名化
对患者和医护人员匿名化,保护医疗视频和图像数据,符合HIPAA等规范。
应用范围包括用户体验和机器测试、数字治疗、教育和研究,以及患者跟踪等。
公共交通数据匿名化
支持在公共场所合法合规地使用基于人工智能的视频分析。
保护个人身份的同时,保留人数、年龄和性别等相关信息,
可用于公共交通和智慧城市人数统计等匿名化等场景。