Fotorealistische 3D-avatars zijn in opmars. Maar die groei brengt een risico met zich mee: online identiteitsdiefstal. Vooral avatars die zijn gebouwd met efficiënte technieken zoals 3D Gaussian Splatting vormen een nieuw veiligheidsprobleem. Dat blijkt uit een wetenschappelijk artikel op arxiv.org. Wie biometrische authenticatie gebruikt om gebruikers te verifiëren, loopt hiermee extra risico.
Voor 2D-afbeeldingen bestaan al goede methoden om identiteiten te maskeren. Voor dynamische 3D-avatars lag dat anders: tot voor kort was er nauwelijks bescherming. De grootste uitdaging? Een bescherming die blijft werken, vanuit welke hoek je de avatar ook bekijkt.
Zo werkt AEGIS
Het AEGIS-framework verbergt de identiteit van een gebruiker voor automatische gezichtsherkenning — zonder dat de animatie aan bruikbaarheid of realisme inlevert. De methode past zogenaamde 'adversarial perturbations' toe op de basiskleurcoëfficiënten (DC) van de Gaussian primitives.
Een ensemble van vooraf getrainde netwerken voor gezichtsverificatie stuurt dit proces. Omdat de bescherming direct in de 3D-representatie wordt ingebouwd, blijft de anonimiteit behouden over verschillende gezichtspunten en animaties heen. Extra voordeel: de geometrie van de avatar hoeft niet te worden aangepast en hertraining is niet nodig.
🧠 Even simpel uitgelegd
Stel dat je een digitale kopie van je gezicht hebt als 3D-avatar. Gezichtsherkenningssystemen kunnen die avatar herkennen als jóu — net zoals een wachtwoord. AEGIS voegt onzichtbare minieme veranderingen toe aan de kleuren van de avatar. Voor het menselijk oog ziet de avatar er gewoon normaal uit, maar de herkenningssoftware raakt de weg kwijt en kan je identiteit niet meer vaststellen. Het is een soort onzichtbare verf die alleen computers in de war stuurt.
Getest en bewezen
De onderzoekers testten AEGIS tegen 'black-box recognizers': herkenningssystemen waarvan de werking van binnenuit niet bekend is. Het resultaat is opvallend. De nauwkeurigheid van gezichtsverificatie en het terugvinden van identiteiten daalt tot bijna nul.
Toch blijft de visuele kwaliteit hoog. Belangrijke gezichtskenmerken — emoties, geslacht en leeftijd — blijven behouden. Er treedt dus minimale visuele vervorming op.
Daarnaast introduceerden de onderzoekers een nieuwe meetmethode: de 'viewpoint-robust leakage metric'. Die maatstaf is nodig omdat traditionele evaluaties op basis van één enkel beeld niet kunnen aangeven hoeveel identiteitsinformatie ontsnapt wanneer een avatar vanuit verschillende hoeken wordt bekeken.
Waarom de naam AEGIS?
De naam verwijst naar bescherming en steun. In het cambridge.org wordt 'aegis' omschreven als het bieden van bescherming of ondersteuning, vaak door een organisatie. Dat past precies bij het doel van het framework: digitale identiteiten beschermen tegen ongeautoriseerde analyse.
Het onderzoek komt van een team met Dawid Wolkiewicz, Anastasiya Pechko, Przemysław Spurek en Piotr Syga. Het werk is officieel geaccepteerd voor presentatie op de WACV 2027. Andere bronnen, zoals britannica.com, bieden op dit moment geen specifieke informatie over dit framework. De publicatie zelf onderstreept wel de noodzaak van dit soort privacy-oplossingen, nu 3D-modellering steeds geavanceerder wordt.