视频反审查比以往更容易：De-pixelate 技术揭秘

2025年4月15日

上个月，我邀请大家破解我的一个 YouTube 视频片段，具体来说，就是对视频 4:57 处开始被我像素化的一个文件夹进行去像素化 (de-pixelate)。

Your browser does not support the video tag.

多年来，人们一直使用审查工具来模糊或像素化视频中的敏感信息。而每次我使用这种工具时，总会收到一些评论说这不是一种安全的审查信息的方式。

那么，这是真的吗？

我想验证一下，所以我发布了一个消息，说如果有人能告诉我像素化内容下的信息，我就给他们五十美元。结果你知道吗？不到一天，_三_个人就解决了这个问题，而且使用了三种略有不同的技术——太可怕了！

这篇博文是对以下视频的轻微编辑整理：

他们是怎么做到的？

但他们是如何做到的呢？我询问了他们每个人，他们都很乐意分享。对于我们这些喜欢逆向工程或修补的人来说，分享这项技术是一件有趣的事情。当这是 被允许 的乐趣时，就更有趣了。再加上一点金钱奖励，那真是锦上添花。

GitHub 用户 KoKuToru 非常慷慨地分享了一个完整的 GitHub 仓库，其中包含处理过程和代码，以及该用户尝试对我的视频进行 de-pixelate 的两种不同方法。

首先是一个暴力尝试，提取窗口对齐的图像，并使用 TensorFlow 代码提取像素数据并将其聚合为有点模糊（但几乎足够清晰可读）的图片：

Your browser does not support the video tag.

这里的想法是，像素化就像图片上的百叶窗。当您移动下面的图像时，您可以窥视图片的不同部分。只要您有一个坚实的参考框架，比如保持相同大小的窗口，您就可以“累积”来自图片下方的像素数据。

由于手动选择窗口时存在轻微误差，最终结果略有斑点。对于第二次尝试，使用 GIMP 获取更好的窗口选择算法与 ffmpeg，并使用稍微多一点的数据（提取更多帧），得到了一个完全清晰可辨认的结果：

Your browser does not support the video tag.

有什么方法可以避免这种情况吗？

模糊或像素化视频，特别是 移动的 视频，可能会导致与您在此处看到的结果类似。 多年前，做这些事情需要一台超级计算机和一个博士学位。 但是今天，在 AI 辅助处理更棘手的编码部分，以及神经网络在计算机上的运行速度如此之快的情况下，de-pixelate 视频比以往任何时候都更容易、更快！

如果说计算机擅长什么，那就是在看似混乱中找到秩序，就像现代工具可以从糟糕的录音中提取干净的声音一样。

视频中的运动越多，逆向工程可用的数据点就越多。因此，结果的置信度就越高。

如果我 没有 在视频中移动我的 Finder 窗口，我认为它就不会成功。您可能会得到几个正确的字母，但置信度会非常低。

展望未来，如果我 确实 有敏感数据需要隐藏，我将在该区域上放置一个纯色遮罩，而不是模糊或像素化效果。

直觉上，模糊可能比像素化更好……但这可能只是我自己的猿脑在说话。如果您过去处理过那种图像处理，我很乐意在评论中听到更多信息。

人们可以用神经网络、聪明才智和时间来完成的事情真是令人惊叹。

我想这个故事的寓意是 如果你不想让人们读取被审查的数据... 就不要把它发布到网上。

tl;dr - 查看 KoKoToru 的 de-pixelate GitHub 仓库，了解有关如何完成的所有详细信息。