Znajdź nas

Personalizacja reklam DOOH z wykorzystaniem AI i machine learning w zgodzie z RODO

#computer_vision #cyfrowa_reklama_zewnetrzna #DOOH #partnerstwo_technologiczne #privacy #RODO

Zagadnienie

Studium przypadku „Blindsight” opisuje jak firma reklamowa Digital-Out-Of-Home rozwiązała problem z RODO, regulacjami ochrony danych. Firma używa ekranów LCD/LED do kampanii reklamowych. Mierzy skuteczność kampanii, monitorując ekrany i zliczając widzów za pomocą specjalnych urządzeń ARABOXów.

ARABOXy, wyposażone w kamery i jednostki obliczeniowe, zbierają dane o widzach, takie jak ruch, zainteresowania i profil demograficzny. Dzięki AI i ML, urządzenia te analizują te dane na bieżąco i dostarczają spersonalizowane reklamy.

Opis problemu

W projekcie AraHub pojawił się problem związany z RODO (Rozporządzenie Ogólne o Ochronie Danych Osobowych). RODO zabrania nieuzasadnionego przechowywania i przetwarzania danych osobowych,który uniemożliwił dalsze działanie ARABOXów.

Rozwiązanie

Rozwiązaniem okazała się technologia „Blindsight”, która szyfruje i koduje dane wizualne na każdym etapie, zapewniając prywatność, ponieważ oryginalne obrazy i dane osobowe nie są przechowywane ani przetwarzane.

Kolejne wersje systemów monitorowania muszą wykorzystywać silne techniki szyfrowania i anonimizacji, aby zapewnić bezpieczeństwo danych i zgodność z prawem. Metody te powinny być również praktyczne i wydajne.

Dzięki technologii Ślepowidzenie dostarczonej przez QED Software, urządzenia ARABOX nie musiały zostać wyłączone lub zdemontowane. Przeciwnie, wyposażone w innowacyjną technologię, która zachowuje prywatność, otrzymały zaświadczenie wydane przez Aquila Consumer Protection Association.

Łukasz Przebinda, Prezes ARAHUB

Technologia

Dzięki zaszyfrowaniu obrazu tak, aby osoba na nim nie była identyfikowalna, ale sieć neuronowa mogła rozpoznać płeć i wiek, udało się uniknąć problemów z RODO i zachować niezbędne do celów technologii informacje. Przetwarzanie obrazu odbywa się natychmiast, bez potrzeby przechowywania oryginalnego obrazu. Ostatecznym celem jest wdrożenie tej techniki anonimizacji bezpośrednio w kamerze, tak aby cała przetwarzana informacja wizualna była zaszyfrowana i chroniła prywatność. Dla pełnej funkcjonalności AI/ML, używa się specjalnych metod kodowania obrazu, które pozwalają na manipulację zakodowanymi danymi i uzyskanie wartościowych informacji bez ujawniania oryginalnego obrazu.