CS / 04Case-Study
React-Native-App mit FastAPI-Backend und Computer-Vision-Pipeline, die Gesichter in Bildern adversariell verändert — und die Grenzen dieser Methode offen benennt.
01 / System
01 / Kontext
Kamera- und Galerieabläufe, Stärkeauswahl, Kontoverwaltung und Export im Client; authentifizierte API, Quoten, Rate Limits und die OpenCV-Pipeline serverseitig. Bilddaten werden verarbeitet, aber nicht dauerhaft gespeichert.
02 / Problem
Gesichtserkennung wird immer leichter zugänglich. VOiD untersucht, wie adversarielle Bildveränderungen die automatisierte Erkennung erschweren können — ohne dem Nutzer eine Garantie auf Anonymität zu versprechen, die niemand einhalten kann.
03 / Umsetzung
Mobile Client, authentifizierte API, Daten- und Subscription-Logik sowie die OpenCV-basierte Verarbeitungspipeline sind als ein zusammenhängendes Produkt umgesetzt. Dazu gehören Kamera- und Galerieabläufe, Stärkeauswahl, Fortschritts- und Ergebniszustände, Kontoverwaltung, Export, Quoten, Rate Limits und Eingabevalidierung.
02 / Decisions
Nicht nur was gebaut wurde, sondern warum das System genau diese Form bekommen hat.
Eine Privacy-App, die Gesichtsbilder aufbewahrt, widerlegt sich selbst. Die Verarbeitung läuft im Arbeitsspeicher, das Ergebnis geht zurück, danach bleibt nichts.
Ein mobiler Client ist manipulierbar. Jede Prüfung, die nur dort stattfindet, ist keine Prüfung.
Die Verfremdung wirkt gegen das getestete Erkennungsmodell. Ob sie gegen ein fremdes wirkt, weiß niemand. Das Interface sagt das, statt einen Haken anzuzeigen.
Die Pipeline ist der Teil, der sich am häufigsten ändert. Getrennt lässt sie sich austauschen, ohne den Client anzufassen.
03 / Delivery
Technologien
Ehrliche Grenze
VOiD ist ein technisches Privacy-Projekt und befindet sich noch in Arbeit. Die Methode garantiert keine Anonymität, und ihre Wirksamkeit kann zwischen Erkennungsmodellen variieren.
Nächstes Projekt
WebLabs