
Protect every identity in public.
Wir entwickeln wegweisende Lösungen zum Anonymisieren von Bildern und Videos. Beim Verarbeiten von Kameradaten ist es wichtig, Datenschutzbestimmungen wie DSGVO, CCPA, APPI und CSL einzuhalten. Gleichzeitig ist eine hohe Datenqualität für Innovationen auf Basis von Künstlicher Intelligenz entscheidend. Mit unseren Lösungen ermöglichen wir eine innovative Zukunft bei der jede Identität in der Öffentlichkeit geschützt ist.

Gesichts-Anonymisierung
Das Verarbeiten von Videodaten stellt angesichts immer fähigerer Technologien zur Gesichtserkennung ein großes Risiko dar. Mit Deep Natural Anonymization werden Identitäten durch synthetische Gesichter vor einem automatisierten Abgleich geschützt. Gleichzeitig bleibt der Wert der Daten für maschinelles Lernen erhalten. Für Use Cases ohne KI können Kunden Precision Blur einsetzen – die beste Lösung für das präzise Verpixeln von Gesichtern.
Nummernschild-Anonymisierung
Nummernschilder in Bilddaten können zur Identifikation von Personen missbraucht werden. Deep Natural Anonymization schützt Kennzeichen durch künstliche Nachbildungen. Durch die Natürlichkeit gibt es hierbei keine negativen Auswirkungen auf neuronale Netze. Precision Blur kann Kennzeichen automatisch und präzise verpixeln.
Vorteile
Starker Datenschutz
“made in Germany”
Gewährleisteter
Datenschutz (DSGVO)
Einfache Integration
(cloud API, on-premise, edge)
Beschleunigte
Datenerfassung
Vereinfachter
Datenaustausch
Ermöglicht KI-Anwendungen
(Deep Natural Anonymization)
Warum Deep Natural Anonymization?
Durch das natürliche Ersetzen von Gesichtern und Nummernschildern ist Deep Natural Anonymization die einzige Lösung, die mit KI-Anwendungen kompatibel ist.
Industrien
Automobil
für KI-Training & Serienfahrzeuge
Healthcare
für sensible medizinische Bild- und Videodaten
Öffentlicher Sektor
für Statistiken & Sicherheit
Forschung
für Datenverarbeitung und Kollaboration
Mehrfach ausgezeichnete Technologie
Kompatibilität mit Machine Learning
“brighter AI’s Lösung war einfach zu integrieren und die natürliche Anonymisierung war genau was wir für die Verbesserung unserer Validation-Strategie zur Fahrbahn- und Straßenschilderkennung gebraucht haben.“
Václav Schybal, System Validation Platform Manager, Valeo
Training with Original Data vs. Deep Natural Anonymization Technology (DNAT); Cityscapes Validation Dataset