Seite - 387 - in Dinge – Nutzer – Netze - Von der Virtualisierung des Musealen zur Musealisierung des Virtuellen

Fallstudien | 387 Neal Krawetz 2011 in einem Artikel auf dem Hacker Factor Blog an. Nach seinem Dafürhalten bedient sich TinEye aller Wahrscheinlichkeit nach sogenannter Hash- (oder Streuwert-)Funktionen. Hashes spielen unter anderem in der Datenverschlüs- selung eine bedeutende Rolle: Stark verkürzt erklärt bilden sie eine große Menge an Eingangs- auf eine sehr viel kleinere Menge von Ausgangswerten ab. Hashfunktio- nen kommen z.B. bei einer Vielzahl digitaler Übertragungstechnologien wie dem USB-Standard zum Einsatz, bei denen die störungsfreie Übertragung von Daten dadurch gesichert ist, dass zu jedem übertragenen Daten-›Paket‹ automatisch eine jeweils individuelle Prüfsumme generiert und am Ziel mit den eingetroffenen Daten abgeglichen wird. Hash-Algorithmen wären dementsprechend eine naheliegende Möglichkeit zur Komplexitätsreduktion in großen Datenmengen, welche eine Bilder- suchmaschine mit Milliarden indexierter Dateien unvermeidlich betreiben müsste. Krawetz beschreibt einen Hash-Vorgang, wie er auf TinEye möglicherweise zum Einsatz kommen könnte, folgendermaßen: Von Usern hochgeladene oder von Craw- lern erfasste Bilddateien würden zunächst höchstwahrscheinlich verkleinert. Krawetz schlägt hier der Einfachheit halber eine Reduktion auf 8x8, insgesamt also 64 Pixel vor. Das ursprüngliche Seitenverhältnis müsse nicht erhalten bleiben. In einem zwei- ten Schritt gelte es dann, die Farbkomplexität zu reduzieren. Bei einem Farbbild müs- sen für jeden Pixel grundsätzlich drei Farbwerte – rot, grün und blau – erhoben wer- den. Für ein Bild mit 64 Pixeln sind dies also insgesamt 192 Farben. Rechnet man das Bild hingegen auf Graustufen herunter, muss für jeden Pixel nur noch ein Hellig- keitswert gespeichert werden, womit sich seine Komplexität auf 64 Farbwerte redu- ziert, deren Durchschnitt in einem dritten Schritt berechnet wird. In einem weiteren Schritt wird dieses Graustufenbild abermals vereinfacht – durch die Übersetzung der 64 Pixel in Bits, welche je nachdem, ob sie über oder unter dem durchschnittlichen Helligkeitswert liegen, den Wert 0 oder 1 annehmen. Diese Bits schließlich lassen sich mittels einer Hashfunktion in eine kurze Zeichenfolge übersetzen, die dann mit denen anderer Bilder verglichen werden kann. Der Vorzug eines solchen Verfahrens ist laut Krawetz ein doppelter: Erstens ist es sehr schnell abzuwickeln, und zweitens ist es resistent gegen Änderungen am Bildmaterial. Eine Veränderung am Seitenver- hältnis oder an den Farben eines Bildes wird sich meist nicht auf die Hashsumme auswirken – und durch die dem Hash vorgeschaltete Größen- und Komplexitätsre- duktion werden kleine Änderungen am Bild automatisch vernachlässigt, weil sie schlicht verschwinden. Die ›Zusammengehörigkeit‹ zweier Bilder lässt sich dann mittels der sog. Hamming-Distanz (benannt nach dem Mathematiker Richard Ham- ming) beziffern, die beschreibt, wie viele Bitpositionen in der Hash-Summe unter- schiedlich sind. Ist die Distanz 0, handelt es sich sehr wahrscheinlich um dasselbe Bild – und je größer sie wird, desto verschiedener sind die den Hashes zugrundelie- genden Bilddateien (vgl. Krawetz 2011). Bildersuchmaschinen folgen also letztlich der Logik der Textsuche vor Google: Sie suchen nach Ähnlichkeiten und führen Gleiches zu Gleichem. Insofern haben sie