Anonimización de imágenes.

Abstract

Este proyecto de grado titulado «Anonimización de Imágenes» se centra en el desarrollo de un prototipo que permite proteger la privacidad y seguridad de los individuos mediante técnicas de anonimización de imágenes, específicamente en el contexto de investigaciones sociales. Este trabajo se realiza en el marco del proyecto EDIGA (Entornos Digitales e Identidades de Género en la Adolescencia), que investiga cómo las prácticas en redes sociales influyen en la configuración de identidades de género entre adolescentes en España, Uruguay y México. Para abordar el problema, el proyecto se centró en técnicas avanzadas de anonimización que aseguran que los rostros y otras características identificables en las imágenes sean irreconocibles, permitiendo así el análisis de datos visuales sin comprometer la identidad de los individuos. La solución desarrollada incluye tanto herramientas de anonimización manual como automática, utilizando tecnologías modernas y robustas. El desarrollo de la solución se basó en una arquitectura en capas, con una clara separación de responsabilidades entre el frontend, el backend y la base de datos. El frontend fue desarrollado utilizando React, una biblioteca de JavaScript que facilita la creación de interfaces de usuario dinámicas y eficientes. Para la manipulación de imágenes y el marcado de regiones de interés, se utilizó Fabric.js, que permite una interacción intuitiva y precisa con las imágenes. Además, se empleó Material-UI para el diseño de componentes de interfaz de usuario, siguiendo las directrices de Material Design de Google. El backend de la aplicación se construyó utilizando Flask, un framework minimalista de Python que permite una gestión eficiente de rutas y controladores HTTP. Se implementó una API REST que facilita la comunicación entre el frontend y el backend, y se utilizó SQLAlchemy como ORM (Object-Relational Mapper) para la interacción con la base de datos PostgreSQL. La autenticación y autorización de usuarios se manejaron mediante JWT (JSON Web Tokens), asegurando así la seguridad en el acceso a la aplicación. Para la detección de rostros en las imágenes, se empleó el algoritmo YOLO (You Only Look Once), conocido por su alta precisión y velocidad en tareas de detección de objetos. YOLO se integró con OpenCV, una biblioteca de código abierto especializada en procesamiento de imágenes, para aplicar los diferentes métodos de anonimización, como difuminado, pixelado y bloqueo de regiones. Además, se utilizó ONNX Runtime para ejecutar el modelo de aprendizaje automático. El prototipo también se diseñó para ser desplegada tanto en entornos locales como en la nube, utilizando Docker para la creación de contenedores que facilitan la portabilidad y escalabilidad de la aplicación. Se implementó un reverse proxy con Nginx para manejar de manera segura las solicitudes entrantes y distribuirlas a los diferentes servicios del sistema, asegurando la encriptación de las comunicaciones mediante certificados SSL proporcionados por Let’s Encrypt. En términos de evaluación, la herramienta se sometió a diversas pruebas que demostraron su facilidad de uso, eficiencia y seguridad. La integración de diferentes tecnologías y herramientas permitió desarrollar una solución robusta que cumple con los requisitos de los investigadores del proyecto EDIGA, ofreciendo una forma efectiva y ética de anonimizar imágenes para su uso en investigaciones sociales. En resumen, el proyecto logró desarrollar un prototipo de herramienta para la anonimización de imágenes que no solo protege la privacidad de los individuos, sino que también facilita la investigación en ciencias sociales, proporcionando una solución escalable, segura y fácil de usar.