模糊人脸可以让一个人更难被认出，但不能可靠地让整张照片匿名。像素化处理仍可能保留有用的图像信息；实色遮挡可以覆盖面部像素，却留下容易辨认的头发、衣着或场景。如果必须保护某人的身份，比起不断调高模糊滑块，更合适的起点是把这个人从分享的图像中移除，或换一张照片。
真正有用的问题不只是“我还能看见这张脸吗？”，而是“预期的观看者能否根据整张图像、配文或其他可获得的照片认出这个人？”本指南会区分研究实际检验了什么，以及分享前可以进行哪些实用检查。
“隐藏”有三种不同含义
一张照片可以是面部细节减少了，例如经过模糊处理的人像；也可以是面部像素被覆盖了，例如导出图像中的完全不透明色块；还可以是其中的人无法被识别。这是三种不同的结果。前两种描述的是编辑操作，第三种则取决于还有什么可见、谁会看到，以及他们还知道什么。
眼睛上的表情贴纸可能符合某种视觉风格，却没有遮住脸部其他部分。一个大面积的不透明色块也许盖住了整个头部，但下面的姓名牌仍然能指明身份。这两个例子都不需要任何人恢复原始人脸。阅读声称某种编辑可以被“逆转”的说法时，请记住这个区别。
研究如何看待模糊和像素化
在2016年的研究预印本《Defeating Image Obfuscation with Deep Learning》中，McPherson、Shokri和Shmatikov测试了经过像素化和模糊处理的图像。尽管细节减少，模型仍能对身份进行分类。
候选身份已经出现在训练数据中，模型使用经过相应遮蔽处理的图像学习。这并不证明任何被模糊处理的陌生人都能被叫出姓名，也不证明原始面部像素能够被精确重建。这些较早的实验没有评估当今每一款应用。它们说明了为什么仅仅看起来难以辨认，不足以证明图像中没有保留可用于识别的信息。
这项研究没有确立普遍安全的模糊半径或马赛克尺寸。分辨率、处理方式和参考材料各不相同。只凭肉眼判断更强的模糊效果，无法解决这些变量。
即使脸被遮住，这个人仍可能被认出
Oh及其同事在ECCV 2016发表的研究使用PIPA数据集，考察了社交相册中的人物识别。在有标注的参考照片和反复出现的身份可用时，即使头部被遮蔽，头部以外的信息以及照片之间的关联仍可能帮助识别。研究结果也受到照片来自同一次活动还是不同活动的影响。
这并不说明实色遮挡会显露下面的像素。它说明遮住头部和隐藏身份是两个不同的问题。如果某人在一张带身份标注的合影和一张经过遮蔽的照片中穿着同一件有特色的外套，观看者可能通过两张照片之间的联系认出他。
人们也可能不依靠清晰的人脸细节认出熟悉的外貌。在Preston及其同事2022年的一项先导研究中，一些名人照片在黑色方框遮住大部分面部特征、只露出头发和颈部时，仍然能被认出。首次调查有16名大学学生或工作人员参加；照片的选择考虑了人们对这些名人的熟悉程度。这项规模小、流程明确的实验并不能给出普通陌生人被认出的概率，也没有测试表情贴纸。它确实说明了：即使不熟悉的人看不出来，“我的朋友会知道这是谁”仍是值得认真考虑的判断。
根据需要保护的信息选择编辑方式
下表比较的是可见图像发生了什么变化，并非经过认证的匿名等级。无论选择哪种方法，都仍需检查完整的分享文件及其上下文。
| 选项 | 改变了什么 | 还需检查什么 |
|---|---|---|
| 模糊或像素化 | 减少细节，同时保留部分图像结构。 | 残留的面部信息、露出的特征，以及编辑区域以外的所有线索。不要把看起来很强的效果当作保证。 |
| 完全不透明的遮挡 | 在正确导出的合成图像中替换被覆盖区域的像素。 | 是否完整覆盖、是否完全不透明，以及头发或头部轮廓、衣着、倒影；还要确认发送的是导出副本，而不是可编辑项目。 |
| 把整个人裁出画面 | 将这个人从分享副本的可见画面中移除。 | 倒影、其他角度的画面、配文，以及是否同时附上了原图或其他图像。 |
| 换一张图像，或不分享 | 避免公开这幅人物画面。 | 替代图像或配文是否会暴露同一个人。如果无法接受剩余的不确定性，就选择这种方式。 |
贴纸并不自动等于不透明的遮挡处理：它的图案可能包含透明区域，放置位置也可能留下可识别的特征。同样，在编辑项目中执行裁剪，也不等于已经检查了准备发送的导出图像。
针对实际分享副本的七步检查
- 先决定这个人是否需要出现在画面中。首先明确分享目的和观看者。一篇公开的活动回顾，也许只需要场地细节照片，无须出现可辨认的路人。询问对方是否愿意接受计划中的分享方式。
- 检查每个人，而不只是主角。查看画面边缘、背景、镜子、窗户，以及照片中嵌入的任何小图。仅仅隐藏画面中央的一张脸，无法保护在其他位置仍然可见的人。
- 有意识地选择遮挡或移除。如果保留这个人，请检查整个头部和周围细节，而不是只盖住眼睛。按图像的完整尺寸检查遮挡边界，不要因为预览图看起来很小就推断它安全。
- 仔细查看画面的其余部分。寻找可见姓名、证件牌、有特色的随身物品，以及与其他照片的关联。NIST的去标识化综述解释了为什么多媒体可以通过多种线索的结合携带身份信息。移除一种线索，并不代表已经评估了其他线索。
- 单独导出一份分享副本。将编辑结果合并到可见像素中，导出为单张扁平化静态图像，例如新的JPEG或PNG。不要把原图和可编辑项目放进附件。也不要仅凭格式名称就认定所有敏感信息都已被移除。
- 重新打开真正导出的那个文件。在另一个图像查看器中打开它，检查编辑结果，并在发送前核对实际附件。同时查看文件名、配文、标签和附加图像。这能发现可见的失误，但不是取证级的匿名性测试。
- 如果剩余线索违背了保护目的，就停止分享。如果同事能认出衣着，或配文点明了现场唯一一个人的姓名，就换一张图像、移除更多场景，或者不发布。限制观看范围可以减少暴露，但接收者仍可能认出某人，或继续转发文件。
EFF的照片分享指南也建议考虑当事人的许可，以及人脸之外的身份线索。这份清单是一套实用的检查流程，并不是对照片已经匿名化作出的法律判定。
示例：活动照片中被隐藏的旁观者
假设你想分享一张自己参加工作坊的照片。一位旁观者要求不要让人认出自己，于是你模糊了他的脸。但他的证件牌仍清晰可读，而且轮播中的下一张照片未经编辑，完整地显示了他。加强第一张照片的模糊效果，并不能改变这两种信息暴露。
有效的修改应从分享目的出发。如果裁掉这位旁观者后照片仍然适用，就把他完全裁出画面，移除第二张照片，并检查配文是否提到他的姓名。如果倒影中仍能看到他，或者活动场景本身就能指明他的身份，那就换一张照片。发现这些问题，并不需要咨询任何识别服务。
把身份、位置和外貌检查分开进行
可见的身份线索只是照片分享的一部分。无论人脸如何编辑，文件都可能通过其他方式透露位置；请使用我们的位置元数据与分享检查清单，单独核查这一点。移除位置信息同样不能证明照片已经匿名。
让图像看起来更好看的编辑，又有另外的目的。我们关于美颜滤镜与第一印象以及AI头像与真实呈现的指南，讨论了表现方式如何改变人像传达的信息。无论生成的人脸多么逼真，或外貌评价多么正面，都不能据此确认隐私得到了保护。
FaceScore提供基于照片的外貌反馈。如果你选择使用它，请上传自己有权使用的照片，并将其他人裁出画面。把反馈当作针对这张图像的信息，而不是判断某个人能否被识别的测试。当保护身份是首要目标时，请先决定什么可以分享，再考虑获取外观方面的反馈。