你知道吗？镶嵌画也不安全可靠了！

欸，好友们好啊，我是极果网最能吃的按键侠极果君。这边有位好友问我，极果君发生什么事啦？我说咋，寄出了两张截屏。我一看，哦——

原本是不久前，世界最小女同性恋交友GitHub中文网站火了一个工程项目，名为Depix。这个英文名字较好认知，反画素嘛，也是借助AI控制技术除去镶嵌画。

这事纳夫县。益处是虽然一呼百应老驾驶员们早已练就了眼里为丛藓科扭口藓，内心深处Murviel的KMH，但间接看没码的或许更为方便快捷宽敞；再者是众位的公钥和电子设备IMEI码等淋浴间重要信息很可能迳自被扒光了呀！

为丛藓科扭口藓真变Murviel了！

这时就有爸爸妈妈要问了，镶嵌画为非作歹人与自然界那么十多年，是不是是录于标识符能治得了的？

还真治得了！原作在粘冠中间接得出了效用实例图：

这张相片丢进来Depix里演算，在刺鼻显示卡的香气后，就会输入AI去镶嵌画的影像：

人工整理呵呵，就获得了修音文本的文本：Hello from the other side.

这是图稿：

哈哈，不能说相距好似，实在是十分相似。

基本原理：单纯蛮横

Depix算法那么神奇，那作者岂不是当代大数学家？其实也不是。我们要认知Depix的基本原理，首先要明白镶嵌画是是不是实现的：

相片的每一个画素都是一组数据（通常RGB三原色都用0-255的值来表示），镶嵌画本质上是把一张相片分成一个个小格子，然后给每个格子算出它里面所有画素值的RGB平均值。

举个最单纯的例子，黑白平均呵呵，就会得出灰色。根据黑色所占单个小格子比例不同，灰色的深浅也有区别。

彩色影像的镶嵌画相对复杂，但基本原理一致：还是根据不同颜色的RGB值和该颜色所占小格子面积求得加权平均值，也是平均颜色。

具体是因为遮羞还是嫌小，就不得而知了。

作为知名反镶嵌画算法，Depix的对策十分单纯蛮横：间接反向推算，借助AI让小格子不断跟数据库里已有的字符组合做匹配。不仅如此，Depix的作还十分周到地考虑到了字符间距的不同，所以同时做了宽字距和窄字距的数据库，让多种段落格式都能够被识别。

那么就有同学要问了，作者只建了文本的数据库，我好友用它来破解图形修音岂不是就行不通了？

别以为你的那点小心思极果君不知道！想当初极果君刚知道这个消息也是兴冲冲地打开了P……呸！忧心仲仲可能存在的重要信息泄露。但是根据depix在github上介绍，该工程项目的目的根本不是去码，而是做公钥恢复使用，是对于手机或其他类镶嵌画处理相片的恢复公钥工具。

所以说，非文本的修音影像就只能靠想象了（正色）。

弱点突出，反制轻而易举

虽然Depix仅仅对文本的恢复相对出色，但那么一来大家的公钥就容易被泄露了呀！

莫慌！镶嵌画能被抓取的重要信息也就仅仅是一个画素值，就相当于：

已知1+2+1+3+2+1，我们很容易得出结果10。但是已知10，就很难确定原始数据的构成。也是说，数据库里没有的文本就识别不了，比如同是英文，花体字啥的就不行。

不仅如此，作者还没建立中文的数据库。这个也好认知，26个字母+10个数字的工程量，咋跟成千上万的汉字比嘛！

综上，目前Depix最多也就做到这：

如果你实在不放心重要信息安全可靠，可以在英文本母上盖一层画笔再修音：

或者间接放大镶嵌画的色块，这还能识别个鬼：

只要有所防备，想要反制这种公钥的破解实在是容易得很。

人脸去码：算法很美，翻车惨烈

除针对文本去码的Depix算法外，比较知名的算法还有杜克大学推出的Pulse算法。该算法针对人脸去码优化，可以将模糊的照片秒变清晰，效用出奇的好。

这项研究曾经在CVPR 2020上发表，论文标题为《PULSE：通过对生成模型的潜在空间探索实现自监督照片上采样》

当然，杜克大学开发的算法，最初也都是用本国人的脸作为模型来训练的，所以如果针对亚洲人脸来去码，出纰漏也是难免的。比如，这是修复后的图：

或许你觉得修复效用还可以？但是图稿是它：

人脸库对不上，间接翻车到奶奶家了。

修音仍可靠，但…别手残啊！

对于我们来说，当前的控制技术条件下修音还是相对可靠的。所以现在还不用担心不法分子借助你打过码的公钥或照片影像还原本做坏事，一来是现有算法成功率仍然不高，另一方面如果真想获取你的人脸重要信息，间接获取你的前置摄像头权限不是更方便快捷？

实在怕重要信息泄露的话，厚码（多重大色块）也能保你无忧。

但有一种镶嵌画是比较令人无语的：

生怕别人看不清呗？