生物特徵資料藏在一般商品照片裡

不是每個隱私問題都會以「上傳臉部」的標籤出現。

有時候，它會以商品照片的形式到來。桌上那瓶光亮的瓶子。手腕上的手錶。走廊裡的一雙鞋。筆電旁邊的識別證。賣家親手拿著的手作物品。像鏡子一樣會反射出拍攝者的物件。一般影像就像小型的犯罪現場——只是通常沒有人真的犯了罪，大家只是想要更好的光線。

當產品團隊思考 AI 影像隱私時，常常會把「個人照片」和「商業影像」分開。這樣的切分很有用，但也可能過於整齊。商品照片可能包含人；手部可能用來辨識；反射可能透露臉部；背景可能揭露住家、工作場所、學校、客戶據點、地址、序號，或尚未發佈的產品。

生物特徵風險取決於使用情境、司法管轄與處理方式。剛好包含臉部的隨機影像，並不會自動等同於系統為了身分辨識而擷取臉部幾何。但這條界線不一定對使用者顯而易見，對產品團隊也同樣不一定。若某個 AI 工作流程在一般影像中偵測、分割、強化、比對或儲存臉部，隱私分析就會改變。

這對在規模化使用 AI 影像工具的企業很重要。市集賣家可能會上傳客製化、包含客戶個人的商品照片。代理商可能會上傳客戶的行銷活動草稿。電商團隊可能會處理成千上萬張背景有人物的影像。房地產流程可能會包含牆上家庭照片。產品類別寫著「影像生成」。內容卻寫著「個人資料穿著高可視背心混進來了」。

安全的設計模式是：即使使用情境聽起來很商業，也要預設把來源影像視為敏感。除非真的需要，否則不要保留原始檔。適當地移除不必要的中繼資料。避免在分析中記錄影像網址。除非有明確且經使用者核准的理由，否則不要把預覽內容暴露給支援人員。將生成輸出與來源影像維持在同一個隱私邊界內。

產品文案也應避免提供錯誤的安心感。「針對商品影像」不代表「沒有個人資料」。更好的說法是清楚描述系統如何處理每一張來源影像——不論它是否包含臉部，或是包含椅子，或是椅子反射在某人的臉上——因為 AI 影像管線不應該依賴使用者在上傳前把敏感性完美分類。

這也是為什麼在明顯的個人使用情境之外，私有基礎設施也很有用。你不需要事先知道上傳的商品照片是否包含敏感背景細節，只要生成流程被設計成不去保留它即可。

「生物特徵資料藏在一般商品照片裡」並不總是戲劇化。也正因如此，才更容易被忽略。

延伸閱讀：NIST 對 臉部辨識技術 的概述、私有雲影像生成、以及 客戶並不在乎你的模型。