Проверка мини-приложения застопорилась из-за нарушения прав на изображение публичной персоны? 5 решений на базе API для распознавания публичных персон и практическая реализация 4-уровневой технической блокировки

Недавно разработчик мини-приложения для создания изображений с помощью ИИ попросил совета в чате: проверка мини-приложения в WeChat застопорилась из-за проблемы с нарушением прав на изображения публичных лиц. WeChat потребовал «добавить техническую блокировку». Разработчик уже подключил проверку безопасности изображений WeChat, но этот интерфейс не распознаёт знаменитостей и популярных блогеров. У Alibaba Cloud есть готовый API для распознавания знаменитостей, однако для его использования нужна верификация компании, а у разработчика — статус индивидуального предпринимателя.

Такая проблема часто встречается в мини-приложениях для создания ИИ-портретов, замены лиц, генерации аватаров и дизайна постеров. Проверяющих интересует не то, «подключён ли у вас API модерации контента», а то, «могут ли пользователи с помощью вашего продукта создавать или распространять изображения публичных лиц». Если в цепочке блокировки пропущен хотя бы один этап, приложение могут отклонять снова и снова.

В статье мы разберём API для распознавания публичных лиц: сначала объясним, каковы возможности и ограничения интерфейсов безопасности контента WeChat, затем сравним пороги подключения пяти популярных API для распознавания публичных лиц и, наконец, предложим четырёхуровневую схему технической блокировки, которую можно реализовать даже индивидуальному предпринимателю.

Что вы узнаете: какой API для распознавания публичных лиц выбрать, как выстроить цепочку блокировки и как понятно описать техническое решение при подаче приложения на проверку.

Почему API для распознавания публичных лиц стал обязательным условием проверки мини-приложений

WeChat всё строже проверяет мини-приложения для генерации ИИ-контента и редактирования изображений, и на то есть чёткие нормативные основания. «Положение об углублённом синтезе интернет-информационных услуг», вступившее в силу 10 января 2023 года, требует, чтобы поставщики услуг с функциями редактирования биометрической информации — например, лиц и голоса — просили пользователей уведомлять об этом редактируемое лицо и получать его отдельное согласие. «Положение о маркировке контента, сгенерированного и синтезированного искусственным интеллектом», вступившее в силу 1 сентября 2025 года, дополнительно требует явной и скрытой маркировки контента, созданного ИИ.

В этих условиях платформа больше всего опасается злоупотреблений с «лицами знаменитостей»: пользователь может загрузить кадр с актёром для создания ИИ-портрета, заменить лицо на фото популярного блогера или ввести имя знаменитости и сгенерировать изображение «в том же стиле». Все эти действия могут нарушать право на изображение, а мини-приложение как поставщик услуги обязано обеспечить «техническую блокировку». Поэтому требование «добавить техническую блокировку» в отзыве проверяющих по сути означает, что система должна распознавать публичных лиц и при загрузке изображений, и при их генерации.

Возможности и ограничения интерфейсов безопасности контента WeChat

Многие разработчики первым делом подключают официальные интерфейсы безопасности контента WeChat, но они решают другую задачу. В таблице ниже сравниваются возможности интерфейсов WeChat и функции, необходимые для блокировки контента, нарушающего права на изображения.

msgSecCheck в WeChat предназначен для проверки текста, а mediaCheckAsync — для асинхронной проверки изображений и аудио. В основном они выявляют порнографию, политически чувствительный контент, терроризм, оскорбления и другие нарушения, но не сообщают, «какая знаменитость изображена на фото». Поэтому одного подключения интерфейсов WeChat достаточно только для «общей проверки безопасности контента», но не для «блокировки использования изображений публичных лиц».

🎯 Техническая рекомендация: API для распознавания публичных лиц — лишь одно звено в цепочке блокировки. Не менее важна, а зачастую и дешевле проверка текстовых промптов. Для семантической модерации промптов мы рекомендуем обращаться к большим языковым моделям через платформу APIYI apiyi.com. Она совместима с форматом интерфейсов OpenAI, а зарегистрироваться и пользоваться ей могут даже индивидуальные разработчики — так вы быстро добавите недостающий уровень защиты.

Сравнение 5 API для распознавания публичных персон

Чтобы избежать неточностей, все приведённые ниже решения описаны на основе официальной документации производителей на английском языке. Сразу уточним: распознавание публичных персон относится к распознаванию лиц, поэтому почти все крупные компании ограничивают доступ к таким функциям. Именно поэтому малому бизнесу часто кажется, что «выхода нет».

Возможности API для распознавания публичных персон и условия доступа

Как видно из таблицы, самые низкие пороговые условия у AWS Rekognition. Однако его база знаменитостей в основном охватывает международных деятелей кино, спорта, бизнеса и политики, а китайские инфлюенсеры и стримеры представлены слабо. Кроме того, лица относятся к чувствительным персональным данным согласно Закону КНР о защите персональной информации. Передача фотографий пользователей зарубежному сервису также может повлечь требования к соблюдению правил трансграничной передачи данных. Это стоит учитывать при подготовке документов на проверку.

Практический выбор для индивидуального предпринимателя

Сначала проясним распространённое заблуждение: в системах подтверждения личности ведущих китайских облачных провайдеров индивидуальные предприниматели с лицензией на ведение бизнеса обычно могут пройти проверку как компания. Но для некоторых особо чувствительных API могут потребоваться дополнительные документы. Поэтому утверждение «индивидуальный предприниматель — это не компания» не совсем верно. Сначала обратитесь в службу поддержки Alibaba Cloud или Tencent Cloud и уточните условия доступа к конкретному API.

Если подключить API не получится, стоит изменить подход: не возлагать всю защиту на этап «определить, кто изображён», а выстроить несколько уровней фильтрации, чтобы портреты публичных персон вообще не попадали в цепочку генерации. При проверке важны эффективность фильтрации и полнота механизма, а не то, чей именно API распознавания публичных персон вы используете.

Четырёхуровневая схема технической фильтрации изображений публичных персон

Эта схема построена по принципу «фильтровать заранее и постепенно ужесточать проверку». Чем раньше расположен уровень, тем он дешевле и быстрее; чем позже — тем точнее и дороже. Большинство рискованных запросов можно остановить уже на первых двух уровнях.

Задачи четырёх уровней фильтрации

Первый уровень — самый выгодный с точки зрения затрат. В мини-приложениях с генерацией изображений множество запросов, нарушающих права, приходят прямо из промптов: пользователи вводят имя знаменитости или просят «сделать лицо похожим на такого-то». Одного списка ключевых слов недостаточно: его легко обойти с помощью созвучных слов, пиньиня или сокращений. Семантическая проверка большой языковой моделью заметно повышает полноту обнаружения.

На втором уровне действует принцип «не определять, кто изображён, а определять, что изображено». Визуальные большие языковые модели обычно отказываются называть личность реального человека на фотографии. OpenAI также прямо ограничивает возможности GPT-4o по распознаванию реальных людей. Но определить, является ли изображение кадром из фильма или сериала, постером знаменитости, обложкой журнала или скриншотом трансляции с логотипом телеканала, им вполне по силам. Такие изображения сами по себе — сигнал высокого риска: их можно сразу блокировать или отправлять на третий уровень.

Уровень 1: пример семантической фильтрации промптов

Ниже приведён простой пример: большая языковая модель определяет, связан ли промпт с реальной публичной персоной. Модель возвращает структурированный JSON, по которому сервер решает, пропустить запрос или заблокировать.

import json
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")  # APIYI 统一接口

def check_prompt(prompt: str) -> dict:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": "判断用户提示词是否要求生成、模仿或替换真实公众人物（明星、网红、主播、政治人物、运动员）的肖像。"
             "只输出 JSON：{\"risk\": true/false, \"names\": [], \"reason\": \"\"}"},
            {"role": "user", "content": prompt},
        ],
    )
    return json.loads(resp.choices[0].message.content)

print(check_prompt("帮我生成一张和那个唱《青花瓷》的歌手同款的写真"))

В этом примере имя человека напрямую не указано, поэтому список ключевых слов ничего не обнаружит. Но большая языковая модель сможет по смыслу догадаться, о каком певце идёт речь, и классифицировать запрос как высокорисковый.

import base64, json
import boto3
from openai import OpenAI

llm = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")  # APIYI 统一接口
rek = boto3.client("rekognition", region_name="ap-southeast-1")

BLOCK_NAMES = {"示例明星A", "示例网红B"}  # 本地名单，命中直接拦截

def llm_json(messages):
    resp = llm.chat.completions.create(
        model="gpt-4o-mini",
        response_format={"type": "json_object"},
        messages=messages,
    )
    return json.loads(resp.choices[0].message.content)

def layer1_prompt(prompt: str) -> bool:
    if any(n in prompt for n in BLOCK_NAMES):
        return True
    r = llm_json([
        {"role": "system", "content": "判断提示词是否涉及真实公众人物肖像，只输出 JSON：{\"risk\": bool}"},
        {"role": "user", "content": prompt},
    ])
    return r.get("risk", False)

def layer2_image(img_bytes: bytes) -> str:
    """不识别身份，只判断图片类型，返回 block / suspect / pass"""
    b64 = base64.b64encode(img_bytes).decode()
    r = llm_json([
        {"role": "system", "content": "不要识别人物身份。只判断图片类型，输出 JSON："
         "{\"type\": \"selfie|film_still|poster|magazine|live_screenshot|non_human|other\", \"real_person\": bool}"},
        {"role": "user", "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ]},
    ])
    if r.get("type") in {"film_still", "poster", "magazine", "live_screenshot"}:
        return "block"
    return "suspect" if r.get("real_person") else "pass"

def layer3_celebrity(img_bytes: bytes, threshold: float = 90.0) -> bool:
    res = rek.recognize_celebrities(Image={"Bytes": img_bytes})
    return any(c["MatchConfidence"] >= threshold for c in res["CelebrityFaces"])

def moderate(prompt: str, img_bytes: bytes | None) -> str:
    if layer1_prompt(prompt):
        return "blocked: prompt"
    if img_bytes:
        verdict = layer2_image(img_bytes)
        if verdict == "block":
            return "blocked: image_type"
        if verdict == "suspect" and layer3_celebrity(img_bytes):
            return "blocked: public_figure"
    return "pass"

В полной версии API третьего уровня вызывается только для изображений, которые второй уровень классифицировал как фотографии реальных людей. Это помогает сократить расходы на распознавание публичных персон и уменьшить объём передаваемых за пределы сервиса данных о лицах. Если у вас уже есть доступ к API Alibaba Cloud или Tencent Cloud, достаточно заменить layer3_celebrity на вызов соответствующего SDK.

🚀 Быстрый старт: первый и второй уровни используют большие языковые модели. Для начала можно получить тестовый лимит в APIYI apiyi.com и проверить на 100 настоящих пользовательских промптах и изображениях. Перед запуском посчитайте долю блокировок и ложных срабатываний. Один и тот же код позволяет переключаться между GPT, Gemini, Claude и другими моделями, чтобы сравнить результаты.

Пороговые значения и действия при распознавании публичных персон

Результат распознавания — это не просто «да» или «нет»: порог уверенности напрямую влияет на долю ложных срабатываний и пропусков. В официальной документации Hive рекомендуются пороговые значения 0,85 для настоящих фотографий и 0,9 для контента, созданного ИИ. AWS Rekognition возвращает MatchConfidence в диапазоне от 0 до 100 — пороги можно задать по тому же принципу.

Для приложений с ИИ-фотосессиями надёжнее добавить проверку личности: сначала попросить пользователя загрузить селфи в качестве эталона, а затем разрешать генерацию, только если лицо на новых фотографиях достаточно похоже на эталон. Так можно не допустить использования чужих лиц, даже если API распознавания публичных персон не знает какого-нибудь малоизвестного блогера.

💡 Рекомендация: если основные риски связаны с китайскими блогерами и стримерами, охват зарубежных API распознавания публичных персон будет недостаточным. В этом случае основной упор стоит сделать на фильтрацию промптов на первом уровне и проверку личности. Вызовы Большой языковой модели на первом уровне можно подключить через APIYI apiyi.com — обычно они обходятся в несколько раз дешевле распознавания изображений.

Как описать блокировку изображений публичных персон при подаче на проверку

Недостаточно просто реализовать технические меры — важно, чтобы специалисты, проводящие проверку, могли в них разобраться. В примечании к заявке или дополнительных материалах рекомендуется описать решение по следующей структуре:

1. Цепочка блокировки: укажите, какие средства обнаружения используются на этапах ввода промпта, загрузки изображения и получения результата генерации.
2. Распознавание публичных персон: уточните, какой API распознавания публичных персон или альтернативное решение используется и что происходит при обнаружении совпадения.
3. Механизмы продукта: опишите условия лицензирования на использование изображения в пользовательском соглашении, окно подтверждения «Только мои фотографии» перед загрузкой, способ подачи жалобы и сроки удаления контента.
4. Маркировка контента, созданного ИИ: добавьте к сгенерированным изображениям явную пометку «Создано ИИ» и укажите скрытую метку в метаданных файла.
5. Подтверждения тестирования: приложите скриншоты или запись экрана, показывающие, что фотографии знаменитостей и промпты с их именами блокируются.

Пункт 5 — самый убедительный. Специалисты, проводящие проверку, часто сами тестируют систему на фотографиях знаменитостей. Если на записи экрана видно, что «загрузка кадра с участием знаменитости → блокировка» и «ввод имени знаменитости → блокировка», шансы пройти проверку заметно возрастают.

Частые вопросы об API распознавания публичных персон

Вопрос 1. Может ли одна Большая языковая модель полностью заменить API распознавания публичных персон?

Нет. Популярные визуальные Большие языковые модели обычно отказываются называть людей на фотографиях из-за политики конфиденциальности. А даже если модель распознаёт человека, её ответы могут быть нестабильными, поэтому использовать её для однозначной идентификации не стоит. Большие языковые модели лучше всего подходят для фильтрации промптов по смыслу и определения типа изображения, а для идентификации лучше использовать специализированный API распознавания публичных персон. Можно протестировать разные модели на одной и той же выборке через APIYI apiyi.com и затем распределить задачи между ними.

Вопрос 2. Может ли AWS Rekognition распознавать китайских знаменитостей?

Сервис распознаёт некоторых популярных китайскоязычных актёров и спортсменов, но его охват китайских блогеров, стримеров и авторов коротких видео заметно ограничен. Кроме того, это зарубежный сервис. Перед обработкой данных лица, относящихся к чувствительной персональной информации, необходимо оценить требования к трансграничной передаче данных. Рекомендуется передавать в него только подозрительные изображения, отобранные на втором уровне, и честно сообщить об этом в политике конфиденциальности.

Вопрос 3. Правда ли, что индивидуальный предприниматель не сможет подключить сервис распознавания знаменитостей Alibaba Cloud?

Не обязательно. Обычно индивидуальный предприниматель может пройти корпоративную проверку облачного провайдера, предоставив лицензию на ведение бизнеса, однако для некоторых интерфейсов может потребоваться дополнительная проверка документов. Лучше сразу обратиться в поддержку и уточнить условия подключения конкретного интерфейса, а в качестве альтернативы подготовить Tencent Cloud.

Вопрос 4. Дорого ли обходится вызов Большой языковой модели для фильтрации промптов?

Нет, расходы невелики. Проверка одного промпта обычно требует всего несколько сотен токенов, поэтому при использовании лёгкой модели она обходится значительно дешевле, чем распознавание одного изображения. Вызовы через APIYI apiyi.com также можно оплачивать по факту использования — это удобно для мини-приложений с нестабильным объёмом проверок.

Вопрос 5. Что делать, если приложение всё равно отклонили, несмотря на настроенную блокировку?

Сначала проверьте, не связана ли причина отказа с уже размещённым контентом. Например, не использованы ли фотографии знаменитостей в демонстрационных изображениях или шаблонах мини-приложения. Разработчики нередко настраивают техническую блокировку, но получают повторный отказ из-за изображения знаменитости на главной странице. Такие материалы нужно полностью заменить на изображения с собственными правами или виртуальные образы, созданные ИИ.

Итоги

Если мини-программу требуют доработать, чтобы она технически блокировала незаконное использование изображений публичных лиц, недостаточно найти универсальный API для распознавания знаменитостей. Нужно выстроить полноценную систему проверок. Интерфейс проверки безопасности контента WeChat выявляет только общие нарушения и не распознаёт знаменитостей и интернет-инфлюенсеров. Сервисы распознавания публичных лиц Alibaba Cloud и Tencent Cloud лучше всего подходят для китайского рынка, но для доступа к ним нужна корпоративная верификация. AWS Rekognition проще подключить, однако он ограниченно распознаёт китайских инфлюенсеров, а передача данных связана с их трансграничной передачей. Azure и Google, по сути, не предоставляют такие возможности обычным разработчикам.

Для индивидуального предпринимателя самый практичный вариант — сначала выяснить, можно ли пройти корпоративную верификацию у облачного провайдера по лицензии на ведение бизнеса. Параллельно стоит внедрить два уровня проверки: семантическую фильтрацию промптов и предварительную классификацию изображений. Затем добавить проверку личности пользователя, заявление о наличии прав на использование изображения и ручную модерацию. Наконец, подготовить запись экрана с тестированием, чтобы показать проверяющим, что блокировка действительно работает.

Для быстрого запуска модерации с помощью больших языковых моделей на первом и втором уровнях рекомендуем использовать APIYI apiyi.com. Проверьте эффективность блокировки на реальных примерах и после этого отправляйте материалы на проверку.

Автор: команда APIYI. Мы специализируемся на практическом применении API больших языковых моделей. Другие технические решения и тестовый лимит доступны на APIYI apiyi.com.