Apple für Akademiker: Die Gesichtserkennung von iOS

Apples Forschungs-Blog, das im Sommer gestartete Apple Machine Learning Journal, tritt kurz vor dem Wochenende mit einem neuen Eintrag an und widmet sich unter der Überschrift „An On-device Deep Neural Network for Face Detection“ der Gesichtserkennung der hauseigenen Fotos-Applikation.

Das Blog, auf dem der Konzern über seine Anstrengungen, Fortschritte und Erkenntnisse im Bereich „Maschinelles Lernen“ informiert, richtet sich zwar vorwiegend an ein interessiertes Fachpublikum, der jetzt veröffentlichte Eintrag darf jedoch auch von Endverbrauchern konsumiert werden.

iCloud-Fotos werden vollverschlüsselt

So erklärt Apple unter anderem, dass man sich aufgrund der strengen Datenschutz-Ziele gegen eine iCloud-Synchronisation der Gesichtsdaten entschieden hat.

Zudem weist der Konzern darauf hin, dass alle Fotos und Videos, die iPhone und iPad in der Datenwolke Cupertinos speichern, grundsätzlich vollverschlüsselt abgelegt werden und sich nur von iOS-Geräten anzeigen lassen, die mit der richtigen Apple ID verknüpft sind und die Bilder so wieder entschlüsseln können.

Eine Lese-Empfehlung:

Apple started using deep learning for face detection in iOS 10. With the release of the Vision framework, developers can now use this technology and many other computer vision algorithms in their apps. We faced significant challenges in developing the framework so that we could preserve user privacy and run efficiently on-device. This article discusses these challenges and describes the face detection algorithm. […]

Apple’s iCloud Photo Library is a cloud-based solution for photo and video storage. However, due to Apple’s strong commitment to user privacy, we couldn’t use iCloud servers for computer vision computations. Every photo and video sent to iCloud Photo Library is encrypted on the device before it is sent to cloud storage, and can only be decrypted by devices that are registered with the iCloud account. Therefore, to bring deep learning based computer vision solutions to our customers, we had to address directly the challenges of getting deep learning algorithms running on iPhone.