「有碼變無碼」有多簡單？他懸賞50美元要網友破解這個被碼的視窗內容，24小時不到就有3個人給了他正確答案

在數位時代，影片已成為資訊傳播的重要媒介。然而，為了保護隱私、遵守法律或避免不必要的爭議，遮蔽部分的影片內容變得越來越普遍。其中，馬賽克是最常用的手段之一，旨在遮蓋敏感或不宜公開的資訊。但，這種方法真的安全可靠嗎？

開發者傑佛瑞·吉爾林（Jeff Geerling）近期在 YouTube 上發布了一段引人關注的影片，揭示了馬賽克工具背後的漏洞。他展示了如何利用免費軟體，將看似無法辨識的馬賽克圖像還原，暴露出隱藏的訊息。

起因是一位他的訂閱者留言警告吉爾林，表示像素化技術並不能有效地隱藏影片內容。

而為了驗證這一點，吉爾林上傳了一段測試影片，並懸賞 50 美元，徵求能夠辨識出像素化之後這些原本資料夾名稱內容的人。

令人驚訝的是，在短短 24 小時內，就有多位觀眾成功提交了模糊但準確的重建圖像。他表示，匯集了這些回應，至少他們用了三種完全不同的方法，可以還原原本的圖像內容。

而他特別挑了其中一位 GitHub 使用者 KoKuToru ，表示他詳細介紹了如何使用 FFmpeg 和 GIMP 等工具，自動對像素化圖像進行逆向工程。

他指出，關鍵在於影片中的運動。當被遮蔽區域在幀與幀之間移動時，扭曲的像素也會隨之移動，這使得軟體能夠將每幀中的訊息編譯成一幅相對完整的圖像。

KoKuToru 將像素化比喻為一道有很多小縫隙的柵欄。如果濾鏡或被審查的內容移動，隱藏訊息的不同部分就會短暫地顯現出來。隨著時間的累積，可以收集到足夠的碎片來重建原始圖像。然而，如果你只有一張靜止的馬賽克圖片，逆轉馬賽克可能就相當困難，甚至是不可能的。

KoKuToru提供了兩種方法來進行。

方法一：暴力還原（Brute Force Reconstruction）

技術核心概念是將像素化遮罩（Pixelation）視為一種可「逆向」的處理方式，由於影片中畫面有微幅移動，被遮蔽的資訊會在不同幀中呈現不同的像素排列，就可以利用這些細微差異，一幀幀收集底層資訊，就能逐步拼湊出馬賽克背後的原圖。

在實作上，是首先觀察影片中被模糊的區塊（如資料夾名稱）在每一幀的位置是否一致。然後手動截取影片中多幀的相同區域，即使內容被馬賽克處理，也因影片晃動而呈現些微差異。

接下來將這些不同幀的像素資訊重疊比對，將每個格子裡最可能的原始顏色估算出來。最後將這些重疊結果組合起來，即可形成近似於原始畫面的結果。

至於實際上的效果，雖然成果略有模糊，但部分英文字母或單字可清晰辨識。問題就是非常耗時，尤其在影片幀數較多時，手動對齊視窗位置也容易出現誤差。

方法二：自動化還原（FFmpeg + 視窗追蹤）

這個方法是延續暴力還原的邏輯，但將手動步驟自動化，極大提升效率與準確性。主要是透過影片處理工具 FFmpeg，自動提取被馬賽克區域的所有幀，進行疊加與重構。

他使用 FFmpeg 自動提取了 200 個經過馬賽克遮蔽的畫格，並應用了邊緣檢測技術，從而產生了更清晰的圖像。這種方法與遊戲中的時間抗鋸齒技術非常相似，這些技術使用運動數據來提升低解析度畫格的品質。

使用這種方法準確率高、失誤率低。而且幾乎可複製套用於任何類似場景，特別適合影片有穩定遮蔽區域的狀況。而且重構圖像與原圖相似度極高，可辨識完整英文資料夾名稱。

AI 也來助攻：神經網路讓「去馬賽克」變簡單

除了 Kokuru，還有其他觀眾運用了 AI 技術與圖像修復演算法 來參與挑戰。他們利用神經網路推測馬賽克背後的可能內容，就像修補破損照片一樣。

隨著 AI 模型的普及與簡化，這些技術不再是實驗室專利，而是任何有興趣的人都能掌握的工具。

吉爾林也坦言，如果當初他沒讓畫面有任何移動，破解難度或許會高一些，但仍無法保證安全。總之，他對於馬賽克的保密性已經完全失去信心了。

他總結說：「未來若有真正敏感資訊，我會使用純色遮罩取代模糊或馬賽克處理。」