這是歐洲議會針對歐盟與台灣關係的第一份決議。
若以此來看，當女性「亂告」男性性騷擾／侵害，是一種參與父權制度，將受害轉成受「同情」、「關注」、甚是至「獲得費用」的紅利？ 本文認為，或許目前仍不能簡化、斷然指出這種「參與」就是「紅利」，因為這樣的「紅利」牴觸與不符合父權期待，所以那些指控男性性騷擾／侵害的女性，無論案件是否屬實，皆可能在父權體制下也被指控或看待成蕩婦。參考文獻 游美惠（2011）。
也就是說，過往父權機制以男性壓迫女性為默許及常態，但女性不僅從中受壓迫，亦可能有所變化，例如運用女性因性別結構容易受害的位置，倒反過來壓迫因性別結構易成為加害者的男性。而「費用」為父權機制下對女性身體和性的控制或定義、交易手段，「告訴」為人身遭剝削侵害時的法律保障，雖然不分性別，但從過往調查研究皆可見，女性被害及使用告訴為多。其中，女性容易面臨被迫性騷擾／侵害困境，正是父權體制壓迫女性的明顯現象，包括某些男性受結構影響，擁有能正當騷擾或冒犯女性的想像，受害女性常被歸因為她自己不檢點、晚歸、不懂拒絕等個人化因素，從中也加深女性應受男性保護的從屬想像。但近來亦有相反情形出現：男性被控訴性騷擾／侵害女性，但事實並非如此，而男性的身心狀態也在其中遭受極大衝擊影響。然而，在父權體制下常見的壓迫現象，近來也開始出現轉向。
性別平等教育季刊，53,84-86。游美惠（2011）運用Connell的盈餘論點，指出當父權體制在社會分配的權力資源有所剩餘時，雖然部分女性也會從中獲利，但也會是透過女體客體化的樣貌獲利。但要特別說明的是，因為本次調查限於以立法院為主軸的報導，因此可能有其他「涉及同性婚姻、但不以立法院為報導主軸」的新聞，就不在這次調查研究範圍內，所以這裡的結果，還不足以得出「人民日報對於同性婚姻的整體報導都偏少」的結論，而需日後進一步討論。
在第八屆，《人民日報》對於與服貿無關的立法院相關法案，沒有太多報導。發現二：第九屆「評論」、「法案」面向多於第八屆 第八、九屆在報導面向上，佔最高比例者的項目在26%~28%左右，並沒見到哪屆有大量偏向特定面向的情形。而對第八屆立法院而言，《人民日報》顯然對於服貿以外的議題，相對不感興趣、評論的意願也較小。至於第八屆的13篇評論中，則是「陸生健保」、「課綱」、「其他／綜合議題」各一篇，其他10篇都是「服貿」相關，且重點大多在批判群眾反服貿以及帶來的後果。
比較可能的解釋是，雖然民眾對於立法院有「整天打架」的刻板印象，但是與立法院絕大多數枯燥的例行會議相比，立法院發生的肢體衝突的次數，真的只佔了很小的比例。到了第九屆，則對於民進黨推行改革產生的爭議，不論是討論的次數以及選材的廣泛程度，都要高於第八屆。
在第九屆的20篇評論中，議題分別有「轉型正義」、「勞基法」、「陸生健保」、「國安法規」、「前瞻基礎建設計劃」各兩篇。從這個角度來看，《人民日報》對於民進黨佔多數的第九屆立法院，「監督的力道」明顯比第八屆較為強化，而會去探討法案實質內容並加以評論。發現六：與立院相關的同性婚姻報導偏少 第九屆立法院初期，蔡英文主打改革，也反映在立法院的各項爭議法案，在第九屆議題前幾名，包括勞基法、轉型正義、不當黨產等，在台灣也都是熱門話題，唯獨在台灣也是立院熱門話題的同性婚姻合法化，在人民日報以立法院為重點的報導篇數極少，在第八、九屆合計只有四篇。「陸配身分證」、「服貿」、「不當黨產」、「課綱」各一篇，以及還有六篇是「其他／綜合議題」。
但在國民黨佔多數的第八屆立法院，就不會在報導中強調議事攻防上的衝突。唯一偏正面的，是民進黨立委邱議瑩化療後復出的人情趣味花絮。作者製作提供 在第八屆，服貿是影響兩岸交流變化的重要事件，因此報導篇幅多，並不讓人意外。以下詳細說明本文的各項發現。
發現五：泛綠立委人物報導偏負面 有關人物類的新聞，篇數不多，但在收集到的新聞中，包括有民進黨立委高志鵬涉嫌貪汙、陳明文的300萬現金財產來源不明爭議、陳亭妃以手指插土壤宣稱液化，及批評台灣團結聯盟前立委周倪安是「腦動大開、活寶立委」等，皆是負面報導。相對而言，泛藍立委的個人報導中，則集中在王金平以及與馬王之爭有關的報導，其餘立委則少見以單篇針對個人加以描寫的新聞。
Photo Credit: Eddy Huang @ Flickr CC BY SA 2.0 發現三：肢體衝突新聞比例不高 原本預期報導會為凸顯民主制度的負面印象，而放大立院打架等事件，但據統計，肢體衝突在第八、九屆分別佔4%與7%，在所有面向的排名，皆在倒數三名內Fawkes的報告中，也有針對這類模型試驗，發現 Fawkes 還是有效果，但效果較低一點。
依據不同的目標，訓練AI的方法不同，因此，不見得可以直接應用到其他的照片上。根據芝加哥大學電腦科學系實驗室（SAND Lab. Security, Algorithms, Networking and Data）的研究，運用AI的一種演算法所開發的新軟體「Fawkes」，可以幫照片加上像素等級且難以察覺的細微改變，讓臉部辨識系統無法正確認出照片中的人。因此讓AI無法辨識照片，是否就能保護隱私，我覺得可以再討論。長期來說，我認為除非電腦視覺的研究停滯不前，否則電腦視覺的判斷技術應該會更穩定，這類保護隱私的方式會失效。然而人臉辨識系統的更新是日新月異，難保未來有其他新型態的人臉辨識系統可以成功辨識出這些受干擾的人臉影像，所以Fawkes對於隱私保護，其實有限。但短期內，這種方式還是能達到一定的隱私保護效果。
專家怎麼說？ 國立屏東科技大學資訊管理系助理教授 許志仲 2020年9月7日 根據SAND Lab的研究，Fawkes主要是透過「對抗生成網路」（Generative adversarial nets，GANs）的延伸技術，例如對抗攻擊（Adversarial attack），或是擾動（Perturbation）的技術（ref.1），來欺騙目前已知的各種人臉辨識系統。而且要運用Fawkes軟體保護照片隱私，需要先由人類設定訓練Fawkes對抗雜訊的目標，可能是希望讓辨識系統無法辨識，或辨識錯誤。
但另一方面，有團隊正研究如何運用AI來保護照片的隱私。相對應的，也有較能抵抗這類小擾動的電腦辨識模型。
研討會由高等計算系統協會所贊助。議題背景 AI的人臉辨識技術，讓需要辨識身分的數位服務更加便利，例如許多人擔憂臉書辨識照片的AI技術，會更容易洩漏個人資訊。
關於卷積神經網路（CNN）技術的解釋歡迎參考〈深度學習卷積神經網路用於醫療診斷─專家QA〉 同態加密 （Homomorphic encryption）：這種特殊的加密方法，可以讓多個資料不用解密就可以進入雲端計算，計算時因為不包含解密過程，所以不會被得知加密方法和機密資訊。參考資料 對抗攻擊（Adversarial attack）或擾動（Perturbation）技術：擾動的技術是對抗攻擊的其中一種方法，但是目的都是對原本的圖像做細微且人眼無法分辨的修改，讓其它的AI辨識系統辨識錯誤或無法辨識。多數人不願意自己隱私被侵犯，希望現在的系統可以保護自己的隱私，或是讓人臉辨識系統失效，Fawkes可以做到後者。用擾動的技術來欺騙人臉辨識系統，雖然可以保護照片隱私，但也可以欺騙其它的辨識系統，所以也帶來許多安全的隱憂。
但利用AI去對抗AI，並非真正解決之道，比較可行的方案應該是用隱私運算的方法，例如同態加密 （Homomorphic encryption）（ref.3），但因為目前電腦用隱私運算方法的速度很慢，尚未能實際應用。此篇研究於2020年8月發表在第29屆USENIX安全研討會（29th USENIX Security Symposium）。
Fawkes在圖片中，增加一點肉眼看不到的小擾動，讓電腦擷取的圖片特徵近似於另外一個人，用這種方式混淆人臉辨識系統。但目前的電腦視覺利用深度學習的技術還是跟人眼辨識不一樣，之前也有研究嘗試使用和Fawkes原理類似的對抗攻擊（ref.1）技術，可以混淆電腦視覺，例如讓電腦把數字「3」錯誤的辨識成「8」。
現在許多人工智慧系統可以快速且精準的偵測人臉，並辨識其身分，雖然可以應用在許多有封閉網路的安全系統上，例如保安系統、海關自動通關系統等，但也容易造成使用者隱私洩漏的疑慮。一般做人臉影像辨識相關應用的時候，研究人員或廠商要先收集照片來訓練AI，但使用者可能根本不想給自己以外的人看到照片。
若培養使用者的隱私保護概念，讓大家了解使用AI相關應用下可能的隱私道德風險，較能避免照片隱私洩漏。或是前方有其他車子，卻因為擾動技術，把車子辨識為道路，就非常危險。上述兩種技術的目標都是希望可以發展出一個人眼幾乎不可見，且以最小程度改變原影像的干擾訊號，將此干擾訊號加入原本圖像之後，使得已知各種運用卷積神經網路（CNN）技術（ref.註2）的人臉辨識系統，無法辨識出原本影像類別，或甚至辨識成其他不相關物件，例如將車子辨識為貓。如果針對隱私很注重的人，可以讓小擾動的幅度大一點，就能維持較佳的隱私。
Fawkes 主要的特點，是實際驗證這個擾動的方法可以有效的同時混淆很多現有的人臉辨識系統。（ref.4）所以我們已經知道有視覺上看不出的小擾動，足以干擾深度學習模型
長期來說，我認為除非電腦視覺的研究停滯不前，否則電腦視覺的判斷技術應該會更穩定，這類保護隱私的方式會失效。根據芝加哥大學電腦科學系實驗室（SAND Lab. Security, Algorithms, Networking and Data）的研究，運用AI的一種演算法所開發的新軟體「Fawkes」，可以幫照片加上像素等級且難以察覺的細微改變，讓臉部辨識系統無法正確認出照片中的人。
多數人不願意自己隱私被侵犯，希望現在的系統可以保護自己的隱私，或是讓人臉辨識系統失效，Fawkes可以做到後者。議題背景 AI的人臉辨識技術，讓需要辨識身分的數位服務更加便利，例如許多人擔憂臉書辨識照片的AI技術，會更容易洩漏個人資訊。
相关文章
发表评论
评论列表