Editor für manuelle Maskierung - Definition
Ein Editor für manuelle Maskierung ist eine Softwareoberfläche, mit der sich visuelle Maskierungen in Bildern und Videos anwenden, anpassen, prüfen und bestätigen lassen. Er kommt zum Einsatz, wenn die automatische Detektion ein Element, das verdeckt werden soll, nicht erkennt oder wenn eine automatisch erzeugte Maske korrigiert werden muss. In Arbeitsabläufen zur Bild- und Videoanonymisierung können berechtigte Nutzerinnen und Nutzer mit dem Editor eine Weichzeichnung, Verpixelung, Abdeckung in Vollfarbe oder eine andere visuelle Maske über einem ausgewählten Bereich platzieren.
Der Begriff beschreibt für sich genommen keine rechtliche Methode der Anonymisierung. Er bezeichnet eine Komponente des Arbeitsablaufs, die die menschliche Prüfung und Korrektur unterstützt. Ein Editor für manuelle Maskierung ist besonders wichtig, weil automatisierte Modelle relevante Objekte übersehen, einen falschen Bereich erkennen oder ungenaue Begrenzungen um ein Gesicht oder Kfz-Kennzeichen erzeugen können.
Bei Videos umfasst die manuelle Maskierung in der Regel, den zu verdeckenden Bereich in einem oder mehreren Einzelbildern festzulegen und die Maske beizubehalten, während sich das Objekt bewegt. Wie intensiv geprüft werden muss, hängt vom Bildmaterial, der beabsichtigten Weitergabe, dem Risiko einer Re-Identifizierung und den internen Verfahren der Organisation ab.
Rolle eines Editors für manuelle Maskierung bei der Bild- und Videoanonymisierung
Ein Editor für manuelle Maskierung wird üblicherweise nach der automatischen Analyse und vor dem Export einer anonymisierten Bild- oder Videodatei eingesetzt. Er schließt die Lücke zwischen der automatischen Gesichtsdetektion oder Kfz-Kennzeichendetektion und der abschließenden Datenschutzprüfung.
- Import und Analyse: Die Nutzerin oder der Nutzer importiert Bild- oder Videodateien. Die automatische Detektion identifiziert die unterstützten Objektklassen: Gesichter und Kfz-Kennzeichen.
- Automatische Maskierung: Das System erzeugt Masken für erkannte Gesichter und Kfz-Kennzeichen.
- Menschliche Prüfung: Eine prüfende Person kontrolliert Einzelbilder, Szenen und erkannte Bereiche auf übersehene Objekte oder ungenaue Masken.
- Manuelle Maskierung: Die prüfende Person fügt Masken für nicht erkannte Elemente hinzu oder verändert Größe, Position, Dauer oder visuellen Effekt einer bestehenden Maske.
- Qualitätskontrolle und Export: Die Organisation prüft das Ergebnis und exportiert das maskierte Bild oder Video für den freigegebenen Zweck.
Dieser Ablauf ist eine praktische Form menschlicher Aufsicht. Er bedeutet nicht, dass eine prüfende Person jede Datei auf dieselbe Weise kontrollieren muss. Die Prüftiefe sollte anhand einer dokumentierten Risikobewertung festgelegt werden. Dazu gehören Bildqualität, Kamerawinkel, Personendichte, Bewegung, Kompressionsartefakte und die Folgen der Weitergabe einer identifizierbaren Person oder sensibler visueller Inhalte.
Was ein Editor für manuelle Maskierung abdecken kann
Die automatische Detektion ist auf die vom Softwaremodell unterstützten Objektklassen beschränkt. Ein Editor für manuelle Maskierung kann visuelle Elemente außerhalb dieser Klassen bearbeiten, sofern eine prüfende Person den relevanten Bereich im Bild oder Video identifizieren kann.
Visuelles Element | Warum eine manuelle Maskierung erforderlich sein kann | Typische Maßnahme
|
|---|---|---|
Übersehenes Gesicht | Verdeckung, Seitenansicht, Bewegungsunschärfe, schlechte Beleuchtung oder ein ungewöhnlicher Kamerawinkel können die Detektionsleistung beeinträchtigen. | Eine Maske über dem Gesicht für den relevanten Bildbereich oder die entsprechende Videodauer hinzufügen und positionieren. |
Übersehenes Kfz-Kennzeichen | Entfernung, Spiegelungen, Schrägstellung, niedrige Auflösung oder teilweise Verdeckung können eine zuverlässige Detektion verhindern. | Eine Maske anwenden, die den vollständig lesbaren Bereich des Kennzeichens abdeckt. |
Unternehmenslogo | Ein Logo wird von Werkzeugen zur Gesichts- und Kfz-Kennzeichendetektion nicht automatisch erkannt. | Wenn das Logo nicht weitergegeben werden darf, einen Bereich für die manuelle Maskierung zeichnen. |
Tätowierung | Eine Tätowierung kann markant sein und nach den Risikokriterien einer Organisation eine Maskierung erfordern. | Eine bereichsspezifische Maske anwenden, ohne den gesamten Körper oder die Silhouette zu maskieren. |
Namensschild, Dokument oder Monitorinhalt | Text oder angezeigte Informationen können personenbezogene, vertrauliche oder betriebliche Informationen offenlegen. | Den sichtbaren Text- oder Bildschirmbereich nach visueller Prüfung maskieren. |
Gallio PRO erkennt automatisch ausschließlich Gesichter und Kfz-Kennzeichen und maskiert diese mittels Weichzeichnung oder Verpixelung. Unternehmenslogos, Tätowierungen, Namensschilder, Dokumente oder auf Monitoren angezeigte Inhalte werden nicht automatisch erkannt. Diese Elemente können mit dem integrierten Editor manuell weichgezeichnet oder verpixelt werden. Gallio PRO maskiert weder ganze Körper noch Silhouetten und führt keine Echtzeit-Anonymisierung oder Anonymisierung von Videostreams durch.
Wichtige Parameter und Qualitätskennzahlen für die Videoanonymisierung
Ein Editor für manuelle Maskierung sollte messbare Prüfkriterien unterstützen. Die wichtigste Frage lautet, ob jeder erforderliche visuelle Identifikator während des gesamten Zeitraums seiner Sichtbarkeit vollständig abgedeckt ist.
- Abdeckung: Ob die angewendete Maske den vollständigen Zielbereich abdeckt, einschließlich lesbarer Zeichen auf einem Kfz-Kennzeichen oder des identifizierbaren Bereichs eines Gesichts.
- Zeitliche Kontinuität: Ob eine Videomaske vom ersten bis zum letzten sichtbaren Einzelbild des Ziels an der richtigen Stelle bleibt.
- Falsch-negativ-Rate: Der Anteil relevanter Objekte, die nicht maskiert bleiben. Sie lässt sich als FN / (TP + FN) ausdrücken, wobei TP für richtig positive und FN für falsch negative Ergebnisse steht.
- Präzision: Der Anteil angewendeter oder erkannter Masken, die einem vorgesehenen Ziel entsprechen. Sie lässt sich als TP / (TP + FP) ausdrücken, wobei FP für falsch positive Ergebnisse steht.
- Recall: Der Anteil aller relevanten Ziele, die maskiert wurden. Er lässt sich als TP / (TP + FN) ausdrücken.
- Nachvollziehbarkeit der Prüfung: Die Möglichkeit zu dokumentieren, wer eine Datei geprüft hat, welche Version freigegeben wurde und welche Entscheidungen zur Maskierung getroffen wurden.
Präzision und Recall sind Standardkennzahlen der Informationssuche. Die Materialien des National Institute of Standards and Technology (NIST) zur Bewertung der Informationssuche erläutern die zugrunde liegenden Bewertungskonzepte. Für Datenschutzprozesse ist der Recall häufig die kritischere Kennzahl, da ein nicht maskiertes Gesicht oder Kfz-Kennzeichen ein Risiko der Offenlegung schaffen kann.
Bedienelemente und Grenzen eines Editors für manuelle Maskierung
Ein zuverlässiger Editor sollte die Prüfung des Originals und des maskierten Ergebnisses ermöglichen, ohne unbefugten Personen Zugriff auf die Originaldatei zu gewähren. Zugriffskontrolle, Versionsmanagement und geschützte Speicherung sind daher Bestandteile des übergeordneten Arbeitsablaufs, auch wenn sie keine Maskierungsfunktionen sind.
Die manuelle Maskierung hat ebenfalls Grenzen. Sie hängt von der Aufmerksamkeit der prüfenden Person, der verfügbaren Bildqualität und einheitlichen Arbeitsverfahren ab. Eine prüfende Person kann ein kurzes Auftauchen in Videoaufnahmen übersehen, eine zu kleine Maske anwenden oder die Bewegung eines Objekts zwischen Einzelbildern nicht berücksichtigen. Organisationen sollten Prüfregeln, gegebenenfalls Stichprobenverfahren, Eskalationsprozesse und Akzeptanzkriterien festlegen, bevor sie anonymisiertes Bildmaterial weitergeben.
Standards und Referenzen
Kein einzelner technischer Standard definiert einen Editor für manuelle Maskierung speziell für die Maskierung von Gesichtern und Kfz-Kennzeichen. Etablierte Veröffentlichungen zum Datenschutz-, Sicherheits- und KI-Risikomanagement enthalten jedoch relevante Kontrollmaßnahmen für den umgebenden Prozess.
- ISO/IEC 29100:2011, Informationstechnik - Sicherheitsverfahren - Datenschutzrahmenwerk, beschreibt Datenschutzmaßnahmen und Konzepte für das Datenschutzrisikomanagement.
- ISO/IEC 27001:2022, Informationssicherheit, Cybersicherheit und Datenschutz - Informationssicherheitsmanagementsysteme - Anforderungen, enthält Anforderungen an ein Informationssicherheitsmanagementsystem.
- NIST AI 100-1, Rahmenwerk für das Risikomanagement künstlicher Intelligenz (AI RMF 1.0), veröffentlicht 2023, beschreibt Governance-, Zuordnungs-, Mess- und Managementaktivitäten für Risiken künstlicher Intelligenz.
- NIST Special Publication 800-188, veröffentlicht 2016, behandelt De-Identifizierung und weist auf die Notwendigkeit hin, das Risiko der Offenlegung bei Prozessen zur Datenfreigabe zu bewerten.