KI verwischen und unscharf machen ist ein gezieltes Browser-Tool zum Ausblenden von Gesichtern, bevor ein Bild geteilt wird. Es lädt JPG-, PNG- oder WebP-Dateien in ein HTML Canvas, erkennt Gesichter lokal, wenn der Browser oder das gebündelte Fallback dies unterstützt, erstellt bearbeitbare Masken, ermöglicht dem Benutzer das Entfernen falscher Erkennungen oder das Zeichnen verpasster Regionen mit einem Lasso und exportiert ein PNG. Die aktuelle Implementierung verwendet keinen Konto- oder Verarbeitungsserver-Upload.
Trotz des Namens ist dies in erster Linie ein Gesichtsunschärfe-Privatsphäre-Editor. Der „Face Unblur“-Modus rekonstruiert fehlende Pixel nicht und macht eine vorherige Unschärfe nicht rückgängig. Eine Überprüfung des veröffentlichten Client-Skripts zeigt, dass es den ursprünglich ausgewählten Bereich mit bescheidenem Kontrast, Sättigung, Helligkeit und Verbesserung des weichen Lichts neu zeichnet. Es kann ein bereits sichtbares Gesicht markanter wirken lassen; Es kann keine Ground-Truth-Identität oder Text wiederherstellen, der durch Unschärfe zerstört wurde.
Was jeder Modus tatsächlich macht
| Modus | Veröffentlichte Implementierung | Benutze es für | Gehen Sie nicht davon aus |
|---|---|---|---|
| Gesichtsunschärfe | Befestigt die Leinwandunschärfe an aktivierten Gesichtsfeldern oder Lassopfaden | Reduzieren Sie schnell die Sichtbarkeit eines Gesichts, während der Rest eines Fotos erhalten bleibt | Die Unschärfe ist irreversibel, rechtlich ausreichend oder sicher gegen eine gerichtliche Wiederherstellung |
| Gesicht unscharf machen | Wendet Kontrast, Sättigung, Helligkeit und Weichlichtverstärkung innerhalb ausgewählter Masken an | Kosmetische Betonung eines bereits sichtbaren Gesichts | Unschärfe, Entfaltung, Superauflösung oder Wiederherstellung sachlicher Details |
| Volle Unschärfe | Wendet einen Canvas-Unschärfefilter auf das gesamte Bild an | Verdecken Sie einen Hintergrund oder schaffen Sie eine sanfte visuelle Behandlung | Alle sensiblen Metadaten oder erkennbaren Kontext wurden entfernt |
| Auswählen | Erkannte Masken umschalten oder entfernen | Korrigieren Sie Fehlalarme und wählen Sie aus, welche Gesichter betroffen sind | Eine entfernte Maske war eher ein Duplikat als eine echte Person |
| Lasso | Erstellen Sie einen Freihand-Beschneidungspfad | Fügen Sie fehlende Gesichter hinzu oder überdecken Sie Nicht-Gesichtskennungen | Eine lockere handgezeichnete Grenze deckt Haare, Profil und umgebende Identifikatoren ab |
So funktioniert die lokale Verarbeitung
Die aktuelle öffentliche Seite und das Skript dekodieren die ausgewählte Datei mit createImageBitmap, skalieren Sie die Arbeitsfläche auf eine maximale Breite von ca. 980 Pixel, zeichnen Sie die Quelle lokal und exportieren Sie mit canvas.toDataURL("image/png"). Bei der Gesichtserkennung wird zunächst die native Gesichtserkennung des Browsers ausprobiert FaceDetector. Wenn diese nicht verfügbar sind, werden die gebündelten tracking.js- und Face-Classifier-Assets von derselben Site geladen. Wenn beides fehlschlägt, bleibt der Lasso-Modus verfügbar.
Dies unterstützt die enge Behauptung, dass das Quellbild in der überprüften Version nicht an einen Verarbeitungsendpunkt gesendet wird. „Läuft lokal“ ist nicht dasselbe wie „die Seite stellt keine Netzwerkanfragen“: Die Site lädt weiterhin ihre Anwendungsressourcen und ein Google Fonts-Stylesheet, und eine zukünftige Bereitstellung könnte sich ändern. Trennen Sie bei hochsensiblen Arbeiten die Verbindung, nachdem die Anwendung geladen wurde, überprüfen Sie den Netzwerkverkehr des Entwicklertools, verwenden Sie einen Offline-Editor oder selbst gehosteten, überprüften Code.
Ein sicherer Arbeitsablauf zum Verwischen von Gesichtern
- Arbeiten Sie nach einer Kopie. Bewahren Sie das Original nur am autorisierten Ort auf; Überschreiben Sie keine Beweise oder das alleinige Archiv.
- Entfernen Sie zuerst die Metadaten. GPS-, Gerät-, Aufnahmezeit-, Autor- und Miniaturbild-Metadaten können Personen auch bei unscharfen Pixeln identifizieren.
- Laden Sie die Kopie und überprüfen Sie die Erkennung. Zoomen Sie durch den gesamten Rahmen. Überprüfen Sie Profile, Spiegelungen, Bildschirme, Poster, Kinder, entfernte Personen und teilweise verdeckte Gesichter.
- Korrigieren Sie jede Maske. Entfernen Sie nur bestätigte Fehlalarme. Verwenden Sie das Lasso für übersehene Gesichter und erweitern Sie es über die Augen hinaus, um den gesamten identifizierenden Bereich abzudecken.
- Wählen Sie die Schwärzungsmethode nach Risiko. Blur eignet sich zum gelegentlichen Teilen; Verwenden Sie undurchsichtigen Ersatz oder starke Verpixelung/Beschneidung für ein höheres Risiko der Anonymität.
- Exportieren Sie die Datei und öffnen Sie sie erneut. Überprüfen Sie das heruntergeladene PNG mit einem Zoom von 100–400 %, anstatt sich auf die Vorschau des Editors zu verlassen.
- Testen Sie außerhalb der App. Überprüfen Sie Miniaturansichten, Nachrichtenvorschauen, OCR, umgekehrte Bildsuche und ob der Kontext das Thema noch identifiziert.
- Teilen Sie nur das Derivat. Bestätigen Sie, dass es sich bei dem Anhang um die exportierte Kopie und nicht um das Original mit umkehrbarem Bearbeitungsstatus handelt.
Warum die Stärke der Unschärfe keine Garantie für den Datenschutz ist
Unschärfe ersetzt jedes Ausgabepixel durch eine Mischung benachbarter Quellpixel. Bei einem schwachen Radius hat die ursprüngliche Struktur dennoch Einfluss auf das Ergebnis. Abhängig von der Unschärfe, der Auflösung und dem Gegner können durch die Schärfung oder Entfaltung einige Informationen preisgegeben werden. Noch wichtiger ist, dass ein Gesicht anhand von Silhouette, Haaren, Kleidung, Tätowierungen, Standort, Begleitern und umgebendem Text auch dann erkennbar bleibt, wenn die Gesichtszüge abgeschwächt werden.
Verwenden Sie für Schulbilder, Missbrauchsüberlebende, Zeugen, Gesundheitskontexte, Proteste oder rechtliche Beweise eine destruktive Methode zur Schwärzung: Schneiden Sie das Motiv aus, bedecken Sie den gesamten identifizierenden Bereich mit einer undurchsichtigen festen Form, glätten Sie das Bild, entfernen Sie Metadaten und überprüfen Sie dann die exportierten Pixel. Platzieren Sie niemals eine halbtransparente Form oder eine bearbeitbare Ebene über dem Original und gehen Sie davon aus, dass die verborgenen Pixel verschwunden sind.
| Methode | Visueller Nutzen | Datenschutzstärke | Beste Passform |
|---|---|---|---|
| Leichte Gaußsche Unschärfe | Natürlich wirkender Kontext | Niedrig; Identitätsmerkmale bleiben oft bestehen | Ästhetische Aufweichung, keine sensible Schwärzung |
| Starke Unschärfe | Der Kontext bleibt lesbar | Medium- und quellenabhängig | Lässiges öffentliches Teilen nach der Überprüfung |
| Starke Pixelierung | Offensichtlich bearbeiteter Bereich | Variabel; Die Blockgröße muss die Gesichtsdetails überwiegen | Nachrichten/soziale Bilder mit sichtbarer Offenlegung |
| Undurchsichtiger Ersatz | Die Region ist vollständig ausgeblendet | Hoch für abgedeckte Pixel nach dem Reduzieren | Schutz sensibler Identitäten |
| Motiv zuschneiden/entfernen | Szeneninformationen gehen verloren | Hoch, wenn der gesamte identifizierende Kontext entfernt wird | Veröffentlichung mit dem höchsten Risiko |
| Synthetischer Ersatz | Kann das Erscheinungsbild der Szene bewahren | Komplex; generierte Identitäts- und Offenlegungsprobleme | Fachliche Arbeitsabläufe mit dokumentierter Überprüfung |
Die Gesichtserkennung ist ein unterstützender Schritt
Einheimisch FaceDetector Die Unterstützung ist in allen Browsern nicht einheitlich und automatisierte Klassifikatoren reagieren empfindlich auf Pose, Skalierung, Okklusion, Beleuchtung, Bildqualität und demografische Darstellung. Die Quelle des Tools begrenzt native Erkennungen auf 20 Gesichter. Auf einem überfüllten Veranstaltungsfoto sind möglicherweise mehr Personen zu sehen, daher ist ein nicht leeres Ergebnis kein Beweis für die Vollständigkeit.
Beim Fallback kann es zu einer Zeitüberschreitung kommen und die Leinwand wird zur Bearbeitung verkleinert. Kleine, entfernte Gesichter können schwerer zu erkennen sein. Ein Datenschutz-Workflow erfordert daher eine menschliche Vollständigkeitsprüfung und nicht nur die Anzahl der gefundenen Gesichter. Erstellen Sie für Gruppenfotos eine Checkliste, die systematisch von links oben nach rechts unten verläuft und Spiegel, Fenster und Hintergrundanzeigen einbezieht.
Eingabe-, Vorschau- und Ausgabeverhalten
| Bereich | Aktuelles Verhalten | Praktische Konsequenz |
|---|---|---|
| Eingabe | JPG, PNG und WebP werden von der Dateiauswahl akzeptiert | RAW-, HEIC-, PDF- und animierte Bilder benötigen eine Konvertierung oder ein anderes Tool |
| Arbeitsgröße | Die Leinwand ist auf eine Breite von etwa 980 Pixel begrenzt. Kleinere Bilder behalten ihre Originalgröße | Der Export kann eine niedrigere Auflösung haben als ein großes Quellfoto |
| Erkennung | Nativer FaceDetector, dann lokaler tracking.js-Fallback, dann manuelles Lasso | Das Verhalten variiert je nach Browser. Lasso ist der zuverlässige Fallback |
| Unschärfestärke | Der Schieberegler wird einem CSS/Canvas-Unschärferadius mit minimalem Effekt zugeordnet | Der Prozentsatz ist kein standardisierter Datenschutzwert |
| Exportieren | Aus der Arbeitsfläche generiertes abgeflachtes PNG | Hilfsfelder werden weggelassen, die JPEG-Quelle kann jedoch zu einem größeren PNG werden |
| Geschichte | Es ist kein dauerhaftes Projekt oder Rückgängig-Stack dokumentiert | Komplexe Korrekturen erfordern möglicherweise einen Neustart von der Quellkopie |
Bewertungstestset
Bevor Sie sich auf das Tool verlassen, testen Sie mindestens 30 repräsentative Bilder: Frontal- und Profilbilder; sehr helle und dunkle Szenen; unterschiedliche Hauttöne und Alter; Brillen, Masken und Hüte; Teilflächen; große Menschenmengen; Spiegel; Gedruckte Fotografien; Gesichter auf Laptop-/Telefonbildschirmen; und hochauflösende Kameradateien. Erfassen Sie die Rate fehlender Gesichter, die Falsch-Positiv-Rate, die Zeit zum Korrigieren von Masken, die endgültige Exportauflösung und ob ein Prüfer das geschützte Subjekt noch identifizieren kann.
Alternativen
| Option | Bevorzugen Sie es, wenn | Kompromiss |
|---|---|---|
| KI verwischen und unscharf machen | Ein schneller, kostenloser, lokaler Browser-Workflow reicht aus | Begrenzte Formate, Auflösung, Verlauf und Überprüfungstools |
| Photoshop oder Affinity Photo | Sie benötigen präzise Masken, Ebenen, Originalauflösung und wiederholbaren Export | Bezahlte Software und ein längerer Lernpfad |
| GIMP | Sie benötigen einen kostenlosen Offline-Editor mit destruktiver undurchsichtiger Schwärzung | Mehr manuelle Schritte als ein fokussiertes Gesichtswerkzeug |
| ImageMagick | Es sind Stapelverarbeitung und reproduzierbare Befehlszeilen-Schwärzung erforderlich | Gesichtsmasken müssen von einem anderen Detektor oder Koordinaten stammen |
| Mobiler Fotoeditor | Ein Bild muss schnell auf einem Telefon bearbeitet werden | Cloud-Upload, Metadaten und Exportverhalten variieren stark |
| Spezielles System zur Schwärzung von Beweisen | Fragen der Prüfbarkeit in den Bereichen Recht, Gesundheitswesen, öffentliche Aufzeichnungen oder Ermittlungen | Höhere Kosten und Prozessaufwand, stärkere Kontrollen |
Häufig gestellte Fragen
Stellt Face Unblur ein verschwommenes Gesicht wieder her?
Nein. Die geprüfte Implementierung wendet kosmetische Kontrast-, Sättigungs-, Helligkeits- und Weichlichtänderungen auf die ursprünglich ausgewählten Pixel an. Zerstörte Details werden nicht rekonstruiert.
Werden Bilder hochgeladen?
Das aktuelle Tool dekodiert, bearbeitet und exportiert die Quelle mit dem Browser APIs und verfügt über keinen Bildverarbeitungs-Upload-Endpunkt im überprüften Skript. Die Seite selbst lädt weiterhin Webressourcen. Überprüfen Sie das Netzwerkverhalten für sensible Zwecke.
Reicht Gesichtsunschärfe aus, um jemanden zu anonymisieren?
Nicht immer. Schwache Unschärfe und umgebende Hinweise können die Identität bewahren. Verwenden Sie eine undurchsichtige, abgeflachte Schwärzung oder Entfernung, wenn der Schaden durch die erneute Identifizierung erheblich ist.
Was passiert, wenn bei der Erkennung ein Gesicht übersehen wird?
Verwenden Sie den Lasso-Modus, um eine Maske zu zeichnen. Überprüfen Sie immer das vollständige Bild. Die automatische Erkennung ist eine Annehmlichkeit und keine Vollständigkeitsgarantie.
Behält der Export die ursprüngliche Auflösung bei?
Die Quelle weist eine maximale Breite der Arbeitsfläche von etwa 980 Pixeln auf, sodass eine große Quelle im exportierten PNG verkleinert werden kann. Überprüfen Sie die Ausgabeabmessungen vor der Veröffentlichung.
Entfernt der PNG-Export alle Metadaten?
Von Canvas generiertes PNG erstellt normalerweise eine neue Pixelausgabe, anstatt den ursprünglichen Container zu kopieren. Betrachten Sie dies jedoch nicht als universelle Metadatengarantie. Überprüfen Sie die tatsächlich heruntergeladene Datei mit einem Metadaten-Tool.
Quellen und Überprüfung
- Offizielle Anwendung von Blur & Unblur AI
- Offizielle Datenschutzerklärung
- Veröffentlichte Client-Implementierung, die für diese Überprüfung überprüft wurde
- MDN FaceDetector API Status und Kompatibilitätskontext
- MDN Canvas 2D-Filterreferenz
- MDN Canvas-Exportreferenz
- NIST Privacy Framework für risikobasierte Datenschutzkontrollen
Zuletzt überprüft am 25. Juli 2026 anhand der bereitgestellten Seite und des veröffentlichten Client-Pakets. Eine erneute Bereitstellung kann den Code oder das Datenschutzverhalten ändern. Überprüfen Sie dies noch einmal, bevor Sie mit sensiblen Bildern umgehen.
