تعداد کمی از فناوریهای بیومتریک مانند فناوری تشخیص چهره، باعث برانگیخته شدن تصورات ما میشوند. به همین ترتیب، ظهور این فناوری باعث دغدغه های جدی و واکنش های شگفت انگیزی در سال 0202 شده است که در آینده بیشتر نمایان خواهد شد. در این مقاله، واقعیت و روند تشخیص چهره را که برای چشم انداز سال 2020 تنظیم شده اند، کشف خواهید کرد.
- فن آوری ها و ارائه دهندگان برتر
- تاثیر هوش مصنوعی – و همیشه در حال بهتر شدن آن.
- سیستم های تشخیص چهره در چین، هند، ایالات متحده، اتحادیه اروپا، و بریتانیا، برزیل، روسیه و…
- حریم خصوصی و امنیت آن: آزادسازی یا توقف، قانون گزاری یا ممنوعیت؟
- آخرین هک ها: آیا می توان سیستم تشخیص چهره را فریب داد؟
- استفاده از راه حل های ترکیبی (هیبرید شده)
فهرست مطالب:
- نحوه عملکرد تشخیص چهره
- داده های تشخیص چهره برای شناسایی و تأیید
- بنابراین، بهترین نرم افزار تشخیص چهره چیست؟
- ارائه دهندگان کلیدی فناوری تطبیق بیومتریک
- روش یادگیری از طریق یادگیری عمیق
- بازارهای تشخیص چهره
- امنیت – اجرای قانون
- اجرای قانون
- بانکداری و خرده فروشی
- سیستم تشخیص چهره در چین
- تشخیص چهره در آسیا
- چه زمانی فناوری تشخیص چهره سیستم حقوقی را تقویت می کند؟
- چشم انداز حفاظت از داده های بیومتریک ایالات متحده
- ممنوعیت سیستم تشخیص چهره
- چگونه برای فناوری های نو ظهور را بهتر قانون گزاری کنیم؟
- هند و طرح ملی شناسایی بیومتریک آن Aadhaar
- ناقضان قانون – هکرهای سیستم تشخیص چهره
- بیشتر با هم – به سمت راه حل های ترکیبی (هیبرید شده)
نحوه عملکرد فناوری تشخیص چهره
تشخیص چهره فرآیند شناسایی یا تأیید هویت یک فرد با استفاده از چهره خود است. این سیستم الگوها را بر اساس جزئیات چهره فرد ضبط، تجزیه و تحلیل و مقایسه می کند.
- فرآیند تشخیص چهره یک مرحله ضروری در تشخیص و مکان یابی چهره انسان در تصاویر و ویدئوها است.
- ضبط چهره، اطلاعات آنالوگ (یک چهره) را به مجموعه ای از اطلاعات دیجیتال )داده ها یا بردارها( بر اساس ویژگی های چهره فرد تبدیل می کند.
- فرآیند تطبیق چهره بررسی می کند که آیا دو چهره متعلق به یک شخص هستند یا خیر.
حال بیایید این فرآیند 3 مرحله ای را با یک مثال نشان دهیم.
دانش آموزی از منطقه بزرگ واشنگتن دی سی از یک برنامه استخراج صورت منبع باز برای شناسایی و حذف بیش از 6222 تصویر از چهره ها از 707 ویدیوی بارگزاری شده در Parler در طول اتفاقات 6 ژانویه در خارج و داخل ساختمان کنگره استفاده کرد. او وب سایتی به نام Faces of the Riot ایجاد کرد که در آن این پرتره ها نمایش داده می شود.
- تظاهرکنندگان، آشوبگران و روزنامه نگاران بخشی از مرحله تصویربرداری از چهره را با گوشی های هوشمند خود انجام داده اند
تبدیل صورت آنالوگ به تصویر دیجیتال
- او ازسیستم تشخیص چهره برای استخراج چهره از دویست هزارعکس استفاده کرد.
- بررسی، تبدیل پرتره ها (پیکسل های دیجیتال به بردار) و مطابقت چهره با پایگاه های داده موجود و شناسایی افراد (با سیستم AFIS / ABIS ) بر عهده FBI است.
این سیستم امروزه به عنوان طبیعی ترین ابزار اندازه گیری بیومتریک در نظر گرفته می شود.
و برای یک دلیل خوب – ما خودمان را نه با نگاه کردن به اثر انگشت یا عنبیه خود، بلکه با نگاه کردن به صورت خود می شناسیم. قبل از اینکه جلوتر برویم، اجازه دهید دو کلمه کلیدی را تعریف کنیم: “شناسایی” و “احراز هویت”.
مانند اثر انگشت، اسکن عنبیه، تشخیص صدا، دیجیتالی کردن رگهای کف دست و پارامترهای رفتاری.
داده های تشخیص چهره برای شناسایی و تأیید
بیومتریک برای شناسایی و احراز هویت یک شخص با استفاده از مجموعه ای از داده های قابل تشخیص که منحصرا متعلق به آن فرد خاص است استفاده می شود. برای اطلاعات بیشتر در مورد تعریف بیومتریک، از مقاله ما در مورد بیومتریک دیدن کنید.
شناسایی به این سوال پاسخ می دهد: “تو کی هستی؟”
احراز هویت به این سوال پاسخ می دهد: “آیا شما واقع ا همانی هستید که می گویید؟”
حالا در اینجا چند نمونه آورده شده است:
- در مورد بیومتریک صورت، یک حسگر دو بعدی یا سه بعدی یک چهره را “عکسبرداری” می کند. سپس با اعمال یک الگوریتم آن را به داده های دیجیتال تبدیل می کند و سپس آن را با تصاویر موجود در پایگاه داده ، مقایسه میکند.
- از این سیستم های خودکار می توان برای شناسایی یا بررسی هویت افراد بر اساس ویژگی های صورت (هندسه) در عرض چند ثانیه استفاده کرد. ویژگی های صورت شامل فاصله چشم ها، پل بینی، خط لب ها، گوش ها، چانه و غیره میباشد. آنها حتی می توانند این کار را در میان جمعیت و در محیط های پویا و ناپایدار انجام دهند.
- صاحبان آیفون X قبلا با فناوری تشخیص چهره آشنا شده اند.
البته، امضاهای دیگری از طریق بدن انسان نیز وجود دارد، مانند اثر انگشت، اسکن عنبیه، تشخیص صدا، دیجیتالی کردن رگهای کفدست و پارامترهای رفتاری.
بنابراین چرا تشخیص چهره را انتخاب کنیم؟
بیومتریک صورت همچنان معیار بیومتریک ترجیحی است. این به این دلیل است که استقرار و پیاده سازی آن آسان است. هیچ تعامل فیزیکی با کاربر نهایی وجود ندارد. علاوه بر این، فرآیندهای تشخیص چهره و مطابقت چهره برای تأیید / شناسایی سریع هستند.
بنابراین، بهترین نرم افزار تشخیص چهره چیست؟
برترین فناوری های تشخیص چهره
- در رقابت برای نوآوری بیومتریک، چندین پروژه برای کسب رتبه برتر رقابت می کنند.
- گوگل، اپل، فیس بوک، آمازون و مایکروسافت ) GAFAM ( نیز حضور چشمگیری دارند.
- همه غول های وب نرم افزاری اکنون به طور منظم اکتشافات نظری خود را در زمینه هوش مصنوعی، تشخیص تصویر و تجزیه و تحلیل
- چهره منتشر می کنند تا درک ما را در سریع ترین زمان ممکن افزایش دهند.
بیایید نگاه دقیق تری بیندازیم:
دانشگاه
الگوریتم GaussianFace که در سال 0222 توسط محققان دانشگاه چینی هنگ کنگ توسعه یافت، به امتیازات شناسایی چهره 27.50
درصد در مقایسه با 27.53 درصد به دست آمده توسط انسان دست یافت. یک امتیاز عالی، با وجود ضعف در مورد ظرفیت حافظه مورد نیاز و زمان محاسبه.
فیس بوک و گوگل
در سال 0222 ، فیس بوک برنامه DeepFace خود را اعلام کرد که می تواند ، با میزان دقت 27.05 % تعیین کند که آیا دو چهره عکس گرفته شده متعلق به یک فرد هستند یا خیر. هنگام انجام آزمایش مشابه، انسان ها در 27.53 درصد موارد پاسخ صحیح می دهند که تنها 2.07 درصد بهتر از برنامه فیس بوک میباشد.
در ژوئن 0225، گوگل با استفاده از FaceNet توانست این دقت را یک درصد افزایش دهد. FaceNet در مجموعه دادههای برچسبگذاریشده در مجموعه ) LFW ( که بهطور گسترده مورد استفاده قرار میگیرد، به رکورد جدیدی از دقت 22.63 درصد 2.2222 (دست یافت. ± 2.2263)
با استفاده از یک شبکه عصبی مصنوعی و یک الگوریتم جدید، شرکت Mountain View موفق شده است یک چهره را با نتایج تقریب عالی به فرد درست تطبیق دهد.
این فناوری در Google Photos گنجانده شده است و برای مرتبسازی تصاویر و برچسبگذاری خودکار آنها بر اساس افراد شناسایی شده استفاده میشود.
با اثبات اهمیت آن در چشم انداز بیومتریک، این پدیده به سرعت با انتشار آنلاین یک نسخه متن باز غیر رسمی به نام OpenFace همراه شد.
مایکروسافت، IBM و Megvii
مطالعهای که توسط محققان MIT در فوریه 0227 انجام شد، نشان داد که ابزارهای مایکروسافت، IBM و Megvii (FACE ++( مستقر در چین، نرخ خطای بالایی در شناسایی زنان با پوست تیرهتر در مقایسه با مردان با پوست روشنتر داشتند.
در پایان ژوئن 0227، مایکروسافت اعلام کرد که فناوری تشخیص چهره جانبدارانه خود را در یک پست وبلاگ به طور قابل توجهی بهبود داده است.
آمازون
در ماه مه 0227 Ars Technica گزارش داد که آمازون در حال حاضر به طور فعال خدمات تشخیص چهره مبتنی بر کلود خود به نام Rekognition را برای سازمان های مجری قانون ارتقاء میدهد. این سیستم می تواند تا 222 نفر را در یک تصویر شناسایی کند و می تواند تطبیق چهره را با پایگاه های داده حاوی ده ها میلیون چهره انجام دهد.
در ژوئیه 0227 Newsweek گزارش داد که فناوری تشخیص چهره آمازون، 07 عضو کنگره آمریکا را به طور اشتباه به عنوان افرادی که به دلیل ارتکاب جرم دستگیر شدهاند شناسایی کرده است.
ارائه دهندگان کلیدی فناوری تطبیق بیومتریک
در پایان ماه مه 0227 ، اداره علوم و فناوری امنیت داخلی ایالات متحده نتایج آزمایشهای انجام شده در مرکز آزمایش مریلند ( MdTF) را منتشر کرد. این آزمایشات واقعی، عملکرد 20 سیستم تشخیص چهره را در راهرویی به ابعاد 0 متر در 0.5 متر اندازه گیری کردند.
سیستم Thale با استفاده از نرم افزار تشخیص چهره ( LFIS 9) نتایج عالی با نرخ جذب چهره 22.22 ٪ در کمتر از 5 ثانیه (در مقابل میانگین 67 ٪) و نرخ شناسایی واقعی 27 ٪ در کمتر از 5 ثانیه در مقایسه با میانگین 66 درصد آن به دست آورد. همچنین به نرخ خطای %2 در مقایسه با میانگین 30 % دست یافت.
مارس 0227 – آزمایش زنده که با استفاده از بیش از 322 داوطلب انجام شد، بهترین فناوریهای تشخیص چهره را شناسایی کرد. توضیح بیشتر در مورد معیارهای عملکرد: گزارش NIST )موسسه ملی استاندارد و فناوری( که در نوامبر 0227 منتشر شد، دقت تشخیص 207 الگوریتم را به تفصیل شرح می دهد و عملکرد را با نام شرکت کنندگان مرتبط می کند.
همانطور که در ژانویه 0202 توسط ITIF گزارش شد، NIST همچنین نشان داد که بهترین الگوریتمهای تشخیص چهره هیچ گونه تعصب نژادی یا جنسیتی ندارند. منتقدان اشتباه کردند.
در گزارشهای NIST دقت تشخیص چهره با ماسکهای صورت با استفاده از الگوریتمهای « )آگوست 0202 و مارس 0202 ( با عنوان پس از COVID-19 میبینیم که چگونه الگوریتمها در کمتر از یک سال عملکرد خود را افزایش میدهند.
تشخیص احساسات صورت (FER)
تشخیص احساسات صورت (از تصاویر متحرک یا ایستا) فرآیند نقشه برداری از حالات چهره برای شناسایی احساساتی مانند انزجار،شادی، خشم، تعجب، ترس یا غم – یا احساسات ترکیبی مانند عصبانیت و ناراحت بودن – در چهره انسان با نرم افزار پردازش تصویر است.
همچنین سه مرحله در شناخت یا تفسیر عواطف انسانی وجود دارد:
- تشخیص چهره
- تشخیص حالت چهره
- انتساب حالت چهره به یک حالت عاطفی خاص
محبوبیت تشخیص احساسات چهره ناشی از کاربردهای بالقوه گسترده آن است. این با تشخیص چهره متفاوت است که هدف آن شناسایی یک شخص است نه احساس آن شخص. حالت چهره ممکن است با ویژگیهای هندسی یا ظاهری، پارامترهای استخراجشده از تصاویر تبدیلشده مانند چهرههای خاص، مدلهای پویا، و مدلهای سهبعدی نشان داده شود.
ارائه دهندگان عبارتند از Kairos ) فناوری تشخیص چهره و احساسات برای بازاریابی برند(، Noldus ، Affectiva ، یا Sightcorp . اطلاعات بیشتر در مورد تشخیص احساسات صورت ( FER)در مقاله اتحادیه اروپا در می 0202 منتشر میشود.
روش یادگیری از طریق یادگیری عمیق
ویژگی مشترک همه این فناوری های دگرگون کننده صنعت، هوش مصنوعی ) AI ( و به طور دقیق تر، یادگیری عمیق است که در آن یک سیستم می تواند از داده ها یاد بگیرد.
چرا مهم است؟
این یکی از اجزای اصلی الگوریتم های آخرین نسل است که توسط Thales و سایر بازیگران کلیدی توسعه یافته است. راز تشخیص چهره، ردیابی چهره، تطبیق چهره و ترجمه همزمان مکالمات را در خود دارد.
نتیجه چیست؟
سیستم های موجود در فناوری تشخیص چهره همیشه در حال بهتر شدن هستند.
بر اساس گزارش اخیر NIST 0227 ( حاصل شده است و از دوره – ، دستاوردهای عظیمی در دقت تشخیص در پنج سال گذشته ) 0223 0223-0222 فراتر رفته است. بیشتر الگوریتم های تشخیص چهره در سال 0227 از دقیق ترین الگوریتم های اواخر سال 0223 بهتر عمل می کنند.
در آزمایش 0227 NIST دریافت که 2.0 درصد از جستجوها در پایگاه داده 06.6 میلیون عکس با تصویر صحیح مطابقت نداشتند، در مقایسه با نرخ خطای 2 درصدی در سال 0222 بیشتر اینکه ، در آزمایشهای NIST 2020 ، بهترین الگوریتم شناسایی چهره دارای ضریب خطای 2.27 ٪ است – این کمتر از یک خطا برای 2222 تصویر است.
(منبع: ارزیابی دقت سیستم های تشخیص چهره ، CSIS )
این یک پیشرفت 05 برابری در طول شش سال است. حال اینطور به قضیه فکر کنیم که: الگوریتم های شبکه عصبی مصنوعی به الگوریتم های تشخیص چهره کمک می کنند تا دقیق تر شوند.
بازارهای تشخیص چهره
یک مطالعه منتشر شده در ژوئن 0222 تخمین می زند که تا سال 0202 ، بازار جهانی تشخیص چهره با نرخ رشد ترکیبی سالانه ( CAGR) 16 7 میلیارد دلار درآمد ایجاد خواهد کرد. 0202- درصد طی سال های 0222 برای سال 0222 ، بازار 3.0 میلیارد دلار برآورد شده بود. دو عامل مهم این رشد، نظارت در بخش عمومی و کاربردهای متعدد دیگر در بخشهای مختلف بازار است.
بر اساس این مطالعه، فروشندگان برتر تشخیص چهره عبارتند از:
Accenture ، Aware ، BioID ، Certibio ، Fujitsu ، Fulcrum Biometrics ، Thales ، HYPR ، Idemia ، Leidos ، M2SYS ، NEC ، Nuance ، Phonexia و Smilepass
تشخیص چهره برای چه مواردی استفاده می شود؟
امنیت – اجرای قانون
متخصصان پزشکی قانونی می توانند از سیستم های خودکار شناسایی بیومتریک( ABIS) برای مقایسه انواع مختلف بیومتریک استفاده کنند. این بازار با افزایش اقدامات برای مبارزه با جرم و جنایت و تروریسم هدایت می شود. مزایای سیستم های تشخیص چهره برای پلیس مشهود است: کشف و پیشگیری از جرم.
- تشخیص چهره هنگام صدور مدارک هویتی و اغلب با سایر فناوریهای بیومتریک مانند اثر انگشت ترکیب میشود. (برای جلوگیری از تقلب و سرقت هویت)
- تطبیق چهره در ایست-بازرسی های مرزی برای مقایسه پرتره روی یک پاسپورت بیومتریک دیجیتالی با چهره دارنده پاسپورت استفاده، می شود. در سال 0227 Thales مسئول تامین گیت های کنترل خودکار جدید برای سیستم PARAFE (عبور سریع از مسیر خودکار در مرزهای خارجی) در فرودگاه Roissy Charles de Gaulle در پاریس بود. این سیستم برای تسهیل تکامل تکنولوژی از تشخیص اثر انگشت به تشخیص چهره در سال 0227 ابداع شده است.
- بیومتریک چهره همچنین می تواند در ایست-بازرسی های پلیس استفاده شود، اگرچه استفاده از آن در اروپا به شدت کنترل می شود. در سال 0226 ، “مرد کلاه دار” مسئول حملات تروریستی بروکسل به لطف نرم افزار تشخیص چهره FBI شناسایی شد. پلیس ولز جنوبی آن را در فینال لیگ قهرمانان اروپا در سال 0227 اجرا کرد.
اجرای قانون
- در ایالات متحده، 06 ایالت(و احتمالا 32 ایالت) به مجریان قانون اجازه می دهند تا در پایگاه داده عکس های گواهینامه رانندگی و شناسنامه خود جستجو کنند. FBI به عکس های گواهینامه رانندگی 27 ایالت دسترسی دارد.
- پهپادهای همراه با دوربین های هوایی ترکیبی هیجان انگیز برای تشخیص چهره ارائه می دهند که در مناطق بزرگ در طول رویدادهای جمعی اعمال می شود. بر اساس مجله Keesing Journal of Documents and Identity ژوئن 0227 ، برخی از سامانه های پهپاد معلق می توانند لنز دوربین 22 کیلویی را حمل کنند که می تواند مظنون را از ارتفاع 222 متری تا شعاع 722 متر شناسایی کند. این پهپاد را می توان از طریق کابل برق به زمین متصل کرد و منبع تغذیه نامحدودی دارد. ارتباط با کنترل زمینی را نیز نمی توان قطع کرد زیرا از کابل استفاده می کند.
- سیستم های دوربین مدار بسته تشخیص چهره می توانند عملکرد را در انجام ماموریت های امنیت عمومی بهبود بخشند. اجازه دهید این
موضوع را با چهار مثال توضیح دهیم:
- شناسایی و پیدا کردن کودکان استثمارشده.
- شناسایی و ردیابی مجرمان.
- پشتیبانی و تسریع تحقیقات.
- پیدا کردن کودکان گمشده و بزرگسالان سرگردان
سیستمهای دوربین مداربسته تشخیص چهره میتوانند کار اپراتورها را با امکان افزودن عکس مرجع ارائهشده توسط والدین کودک گمشده و تطبیق آن با ظاهر قبلی آن چهره که در ویدیو گرفته شده است، بهطور قابل توجهی تسریع کنند. پلیس میتواند از تشخیص چهره برای جستجوی توالیهای ویدیویی (معروف به تجزیه و تحلیل ویدیویی) از مکان تخمینی و زمان مفقود شدن کودک استفاده کند.
در مورد نحوه استفاده پلیس دهلی از سیستم تشخیص چهره برای ردیابی 3222 کودک گم شده در 2 روزاطلاعات بیشتری کسب کنید. افسران پلیس بهتر می توانند به حرکات کودک قبل از گم شدن پی ببرند و آخرین جایی که او دیده شده را بیابند.
یک هشدار بیدرنگ میتواند هر زمان که تصویر مطابقی پیدا شود، زنگ هشدار را به صدا دربیاورد. سپس پلیس میتواند صحت آن را تأیید کند و برای بازگرداندن کودکان گمشده هر کاری لازم است انجام دهد. همین فرآیند را می توان برای بزرگسالان گمشده سرگردان (مثلا مبتلا به زوال عقل، فراموشی، صرع یا بیماری آلزایمر) به کار برد.
1) شناسایی و پیدا کردن کودکان استثمار شده
جداسازی ظاهر افراد خاص در یک سکانس ویدیویی بسیار مهم است. همچنین میتواند کار بازرسان را در پروندههای استثمار کودکان تسریع بخشد.
تجزیه و تحلیل ویدیویی میتواند به ساخت گاهشماری، ردیابی فعالیتها بر روی نقشه، آشکار کردن جزئیات و کشف ارتباطات غیرمشخص بین بازیکنان در یک پرونده کمک کند.
2) شناسایی و ردیابی مجرمان
دوربین مداربسته تشخیص چهره می تواند برای قادرسازی پلیس برای ردیابی و شناسایی مجرمان سابقه دار که مظنون به ارتکاب تخلف دوباره هستند، استفاده شود. پلیس همچنین می تواند اقدامات پیشگیرانه انجام دهد. با استفاده از تصویر یک مجرم شناخته شده از یک ویدیو یا یک تصویر خارجی (یا یک پایگاه داده) اپراتورها می توانند موارد مشابه را در ویدیوی زنده تشخیص دهند و قبل از اینکه خیلی دیر شود واکنش نشان دهند.
3) پشتیبانی و تسریع تحقیقات
سیستمهای دوربین مداربسته تشخیص چهره میتوانند برای حمایت از بازرسان در جستجوی شواهد ویدیویی پس از یک حادثه استفاده شوند.
توانایی جداسازی مظنونان و ظاهر افراد برای تسریع بازبینی شواهد ویدئویی توسط بازرسان برای جزئیات مرتبط حیاتی است. آنها بهتر می توانند درک کنند که موقعیت ها چگونه ایجاد شده اند.
4) سلامت
پیشرفت های قابل توجهی در این زمینه حاصل شده است. به لطف یادگیری عمیق و تجزیه و تحلیل چهره، در حال حاضر امکان:
- پیگیری استفاده بیمار از دارو با دقت بیشتر
- تشخیص بیماری های ژنتیکی مانند سندرم دی جورج با میزان موفقیت 26.6
- و پشتیبانی روند مراقبت از درد وجود دارد.
بانکداری و خرده فروشی
این ناحیه کاری بدون شک جایی است که کمترین انتظار استفاده از سیستم تشخیص چهره را وجود داشت و با این حال، احتمالا بیشترین کارایی را وعده می دهد. شناخت مشتری ) KYC ( با سیستم تشخیص چهره آنلاین مطمئن ا موضوع داغ سال 0202 خواهد بود.
چرا؟
زیرا 62 ٪ از افتتاح حساب های جاری اولیه به صورت آنلاین در سه ماهه دوم 0202 )و 36 ٪ در شعبه( فقط در ایالات متحده انجام شد. همه گیری کرونا این پویایی در حال ظهور را تسریع کرده است و بسیاری از شعب به طور موقت تعطیل هستند. علاوه بر این، افزایش استفاده از تلفن همراه، کسبوکارها را ترغیب میکند که تمرکز عمده بر روی موبایل داشته باشند و تجربه های ورود کاربر به طور کاملا ا از راه دور را ایجاد کنند.
در طول فرآیند سلفی گرفتن، برای جلوگیری از تقلب با استفاده از یک تصویر ثابت، سیستم تشخیص زنده بودن باید توسط این فناوری ارائه شود.
سیستم تشخیص زنده بودن ثابت می کند که عکس سلفی گرفته شده از یک فرد زنده است.
نتیجه؟
با وفق دادن خود با ترجیحات فعلی مشتری، موسسات مالی ) FIs ( در ورود کاربر به صورت دیجیتال از طریق کانالهای آنلاین و تلفن همراه سرمایه گذاری میکنند.
تشخیص چهره از طریق سیستم تشخیص زنده بودن، رویه های جذب کاربر و شناخت مشتری به صورت آنلاین را ساده می کند. Thales یک ارائه دهنده اصلی سیستم های تأیید هویت دارای این ویژگی میباشد. طبق گزارش فوربس، افتتاح حساب دیجیتال ) DAO ( برای سومین سال متوالی محبوب ترین فناوری در بانکداری بود. نزدیک به 72 درصد از تمام مؤسسات مالی، سیستمهای جدید DAO را اضافه کرده یا سیستمهای موجود خود را در سالهای 0202 و 0202 تقویت میکنند.
این روند مهم با آخرین پیشرفت های بازاریابی در تجربه مشتری ترکیب می شود. با قرار دادن دوربین ها در فروشگاه های خرده فروشی، اکنون می توان رفتار خریداران را تحلیل کرد و روند خرید مشتری را بهبود بخشید.
اما دقیقا به چه روشی؟
مانند سیستمی که اخیر ا توسط فیس بوک طراحی شده است، به کارکنان فروش اطلاعات مشتریان که از پروفایل های رسانه های اجتماعی آنها گرفته شده است ارائه می شود تا پاسخ های سفارشی شده ماهرانه ای را ارائه کنند. فروشگاه بزرگ آمریکایی Saks Fifth Avenue در حال حاضر از چنین سیستمی استفاده می کند. طبق گزارش ها فروشگاه های Amazon Go نیز از آن استفاده می کنند.
چقدر طول میکشد تا به پرداخت سلفی برسیم؟
از سال 0227 KFC ، پادشاه آمریکایی مرغ سوخاری، و غول خردهفروشی و فناوری چینی Alibaba، سیستم پرداخت از طریق تشخیص چهره را در هانگژو، چین آزمایش میکنند. 02 فروشگاه، در مارس 0202 Perekrestok (Перекрёсток) از گروه خردهفروشی X5 سیستم پرداخت غیر لمسی را برای
پایانه های تسویه حساب با سیستم پرداخت Visa و Sberbank راهاندازی کردند. به گفته یاهو، سیستم پرداخت از طریق تشخیص چهره تا پایان سال در 3222 فروشگاه مورد استفاده قرار خواهد گرفت!
همچنین طبق گزارش اینترفاکس، شهروندان مسکوو در پایان سال 0202 می توانند هزینه سفرهای مترو را از این طریق پرداخت کنند.
ورود کاربران جدید
در حالی که ایالات متحده در حال حاضر بزرگترین بازار را برای فرصت هایی استفاده از سیستم تشخیص چهره ارائه می دهد، سریع ترین رشد در این بخش در منطقه آسیا و اقیانوسیه مشاهده می شود. چین و هند پیشتاز میدان هستند.
سیستم تشخیص چهره در چین
فناوری تشخیص چهره موضوع داغ جدید در چین است، از بانک ها و فرودگاه ها گرفته تا پلیس. اکنون مقامات در حال گسترش برنامه استفاده از عینک آفتابی تشخیص چهره هستند همانطور که پلیس شروع به استفاده از آنها در حومه پکن کرده است. چین همچنین در حال راه اندازی و تکمیل یک شبکه نظارت تصویری در سراسر کشور است.
بر اساس گزارش CNBC، بیش از 022 میلیون دوربین مداربسته در سال 0227 مورد استفاده قرار گرفته است و پیش بینی می شود تا سال 0202 بیش از 522 میلیون دوربین مداربسته استفاده شود.
برج های تشخیص چهره
برج های تشخیص چهره در شهرهای چین نماد این حرکت است. این به سیستم اعتبار اجتماعی که دولت چین در حال توسعه آن است مرتبط است. در 22 شهر برتر با بیشترین دوربین خیابانی به ازای هر نفر، چونگ کینگ، شنژن، شانگهای، تیانجین و جینان در رتبه اول قرار دارند. بر اساس گزارش گاردین در 0 دسامبر 0222، لندن در رتبه 6 و آتلانتا در رتبه 22 قرار دارند.
همچنین بر اساس گزارش نیویورک تایمز در 22 آوریل 0222، پلیس چین با شرکت های هوش مصنوعی مانند Yitu ، Megvii ) با مشارکت هواوی(، SenseTime و CloudWalk کار می کند. جاه طلبی های چین در زمینه هوش مصنوعی )و فناوری تشخیص چهره( بالاست. این کشور قصد دارد تا سال 0232 به یک رهبر جهانی در زمینه هوش مصنوعی تبدیل شود.
با کمال تعجب، چین از داده های بیومتریک به طور جد در برابر نهادهای خصوصی محافظت می کند و البته دسترسی دولت به اطلاعات شخصی را افزایش می دهد. این پارادوکس توسط امانوئل پرنو لیپلی، کارشناس حریم خصوصی در گزارش خود به تاریخ 0 نوامبر 0202 اثبات شده است.
تشخیص چهره در آسیا
سیستم تشخیص چهره موضوع مهمی برای بازی های المپیک 0202 توکیو )که به سپتامبر 0202 به تعویق افتاد( خواهد بود. این فناوری برای شناسایی افراد مجاز و اعطای دسترسی خودکار به آنها استفاده می شود و تجربه و ایمنی آنها را افزایش می دهد. همچنین در ژاپن برای دسترسی آسان تر به بانکداری تلفن همراه استفاده می شود.
در سیدنی، تشخیص چهره در حال آزمایش در فرودگاه ها است تا به انتقال بسیار سریع تر و ایمن تر افراد از سیستم های امنیتی کمک کند. در هند، پروژه Aadhaar بزرگترین پایگاه داده بیومتریک در جهان است. این در حال حاضر یک شماره هویت دیجیتال منحصر به فرد را تا پایان مارس 0202 به 2.02 میلیارد شهروند ارائه می دهد.
احراز هویت از طریق چهره در آسیا
UIDAI، مرجع مسئول، اعلام کرد که احراز هویت از طریق چهره به صورت مرحلهای راهاندازی میشود.) در حال حاضر برای خدمات مالی در حال آزمایش است )اکتبر 2020 احراز هویت از طریق چهره به عنوان یک سرویس افزودنی در حالت fusion و یک عامل احراز هویت دیگر مانند اثر انگشت، Iris یا TOTP در دسترس خواهد بود. mهند همچنین می تواند گسترده ترین سیستم تشخیص چهره جهان را در سال 0202 راه اندازی کند.
دیوان ملی سوابق جرم و جنایت ) NCRB ( یک RFP را برای دعوت از مناقصه برای توسعه یک سیستم تشخیص چهره در سراسر کشور منتشر کرده است.
بر اساس سند 262 صفحه ای، این سیستم یک برنامه وب متمرکز خواهد بود که در مرکز داده NCRB در دهلی میزبانی می شود. برای دسترسی به تمام مراکز پلیس در دسترس خواهد بود. به طور خودکار افراد را از فیلم ها و تصاویر دوربین مدار بسته شناسایی می کند. این دیوان بیان می کند که این سیستم به پلیس کمک می کند تا مجرمان را دستگیر کند، افراد گمشده را پیدا کند و اجساد مرده را شناسایی کند.
پروژه های بزرگ دیگر
دادگاه عالی انتخابات ) Tribunal Superior Eleitoral ( در یک پروژه سراسری جمع آوری داده های بیومتریک در برزیل مشارکت دارد. هدف از این کار ایجاد پایگاه بیومتریک و کارت های شناسایی منحصر به فرد است که اطلاعات 222 میلیون شهروند را ثبت می کند.
در آفریقا، گابن، کامرون و بورکینافاسو Thales را برای مقابله با چالشهای هویت بیومتریک انتخاب کردهاند تا رأیدهندگان را به طور منحصربه فرد شناسایی کنند. بانک مرکزی روسیه از سال 0227 برنامه ای را در سراسر کشور اجرا کرده است که برای جمع آوری چهره، صداها، اسکن عنبیه و اثر انگشت طراحی شده است.
اما طبق وبسایت Biometricupdate در 23 مارس 0222، این روند بسیار کند پیش میرود. مسکو ادعا می کند که دارای یکی از بزرگترین شبکه های جهان با 262222 دوربین مداربسته تا پایان سال 0222 و مجهز به فناوری تشخیص چهره برای امنیت عمومی خواهد بود. عرضه این فناوری در ژانویه 0202 آغاز شد. قانون روسیه تشخیص و تجزیه و تحلیل چهره بدون توافق طرفین را تصویب نمی کند.
چه زمانی فناوری تشخیص چهره سیستم حقوقی را تقویت می کند؟
چالش اخلاقی و اجتماعی ناشی از حفاظت از داده ها به طور اساسی تحت تأثیر فناوری های تشخیص چهره قرار می گیرد.
آیا این شاهکارهای تکنولوژیک که ارزش رمانهای علمی-تخیلی را دارند، واقع ا آزادی ما و بطبع آن ناشناس بودن ما را تهدید میکنند؟
حفاظت از داده های بیومتریک اتحادیه اروپا و بریتانیا
در اروپا و بریتانیا، مقررات عمومی حفاظت از داده ها ) GDPR ( چارچوب دقیقی برای این شیوه ها فراهم می کند. هرگونه تحقیق در مورد زندگی خصوصی یا عادات سفر کاری یک شهروند قابل بحث نیست و هرگونه تجاوز به حریم خصوصی مجازات شدیدی را در پی دارد.
GDPR که از ماه مه 0227 قابل اجرا است، از اصل چارچوب هماهنگ اروپایی، به ویژه محافظت از حق دادن رضایت صراحت ا حمایت می کند. بله درست خواندید، اکنون یک قانون برای 055 میلیون نفر وجود دارد. این دستورالعمل حتما بازتاب بین المللی خواهد داشت.
چشم انداز حفاظت از داده های بیومتریک ایالات متحده
در غیاب قانون فدرال، شهرها و ایالت ها این شکاف را پر می کنند. ایالت واشنگتن سومین ایالت آمریکا(پس از ایلینوی و تگزاس) بود که از طریق قانون جدیدی که در ژوئن 0227 معرفی شد، به طور رسمی از داده های بیومتریک محافظت کرد. کالیفرنیا چهارمین ایالت تا ژانویه 2020 بوده است.
قانون حفظ حریم خصوصی مصرف کنندگان کالیفرنیا ( CCPA ) که در ژوئن 0227 تصویب و از 2 ژانویه 0202 لازم الاجرا شد، تأثیر شدیدی بر حقوق حریم خصوصی و حمایت از مصرف کننده نه تنها برای ساکنان کالیفرنیا بلکه برای کل کشور خواهد داشت. این قانون اغلب به عنوان مدلی برای قانون فدرال حفظ حریم خصوصی داده ها ارائه می شود. از این نظر، CCPA این پتانسیل را دارد که به اندازه GDPR بااهمیت شود.
در ژوئیه 0227 ، برادفورد ال. اسمیت، رئیس مایکروسافت، فناوری تشخیص چهره را با محصولاتی مانند داروهای بسیار کنترل شده مقایسه کرد و از کنگره خواست آن را مطالعه و بر استفاده از آن نظارت کند. خود را در نشست کمیته اخیر درباره فناوری » مطلق « در ماه مه 0222 ، الکساندریا اوکاسیو-کورتز، نماینده ایالات متحده، نگرانیهای تشخیص چهره (تأثیر بر حقوق و آزادیهای مدنی ما( ابراز کرد. یک قانون ایالت نیویورک به نام توقف هک و بهبود امنیت داده های الکترونیکی )SHIELD ( در 02 مارس 0202 اجرایی شد.
این قانون مستلزم اجرای یک برنامه امنیت سایبری و اقدامات حفاظتی برای ساکنان ایالت نیویورک است. این قانون برای مشاغلی اعمال می شود که اطلاعات شخصی ساکنان نیویورک را جمع آوری می کنند. نیویورک اکنون در کنار کالیفرنیا این قانون را اجرا میکند.
ممنوعیت سیستم تشخیص چهره
نگرانیهای مربوط به حفظ حریم خصوصی و حقوق مدنی در کشور تشدید شده است، زیرا تشخیص چهره به عنوان یک ابزار اجرای قانون مورد توجه قرار گرفته است و در 6 مه 0222 ، سانفرانسیسکو به ممنوعیت استفاده از سیستم تشخیص چهره رای داد. این اولین ممنوعیت در نوع خود برای استفاده از سیستم تشخیص چهره است. فرمان ضد نظارتی که توسط هیئت نظارت سانفرانسیسکو امضا شده است، آژانس های شهری، از جمله سانفرانسیسکو PD را از استفاده
از این فناوری از ژوئن 0222 منع می کند. بله، این شامل اجرای قانون نیز می شود. همچنین، همانطور که توسط Boston Globe در 07 ژوئن 0222 گزارش شد، شورای شهر سامرویل )ماساچوست( به ممنوعیت تشخیص چهره رای داد و این شهر را به دومین جامعه ای تبدیل کرد که چنین تصمیمی را اتخاذ می کند.
(سان فرانسیسکو، سامرویل، اوکلند، سن دیگو، بوستون، پورتلند)
- در 26 جولای 0222 ، اوکلند (کالیفرنیا) همین تصمیم را گرفت و سومین شهر ایالات متحده شد که فناوری تشخیص چهره را ممنوع کرد. جالب است بدانید که اداره پلیس اوکلند از این فناوری استفاده نمی کند و قصد استفاده از آن را هم نداشت.
- سن دیگو در پایان دسامبر 0222 پیش از تصویب قانون جدید کالیفرنیا همین تصمیم را گرفت. این قانون جدید )لایحه 025 مجمع( در مورد تشخیص چهره و سایر نظارت های بیومتریک) به طور خاص استفاده از دوربین های پلیس را در کالیفرنیا ممنوع می کند. این ممنوعیت از اول ژانویه 2020 به مدت سه سال اجرا می شود.
- در 02 ژوئن 2020 ، بوستون به ممنوعیت فناوری نظارت بر چهره توسط پلیس، همانطور که توسط Boston Herald گزارش شده، رأی داد.
- پورتلند (اورگان) ممنوعیت خود را در 2 سپتامبر 2020 (از 2 ژانویه 2020 لازم الاجرا است) نهایی کرد. این شهر اولین شهری است که ممنوعیت آن را به “موسسات خصوصی در مکان های اقامتی عمومی” مانند فروشگاه های خصوصی گسترش می دهد. (سی ان ان)
- ماساچوست در دسامبر 2020 لایحه اصلاحی را تصویب کرد که استفاده از سیستم تشخیص چهره را محدود می کند و از ماه مه 2020 قابل اجرا است.
- مجلس قانونگذاری ویرجینیا (آوریل 2020 )لایحه جدیدی ( HB 2031 ) را تصویب کرد که سازمان های مجری قانون را از ادامه استفاده از نرم افزار تشخیص چهره پس از 2 ژوئیه 2020 منع می کند.
از زمان تصمیم گیری های سانفرانسیسکو، سامرویل، اوکلند و اکنون سن دیگو، بوستون و پورتلند، بحث در بسیاری از شهرها و ایالت ها و نه تنها در ایالات متحده جنجالی تر می شود. در اروپا، در پایان آگوست 0222 ، سازمان حفاظت از دادههای سوئد تصمیم گرفت فناوری تشخیص چهره را در مدارس ممنوع کند و یک دبیرستان محلی را جریمه کرد. (اولین مجازات GDPR در کشور)
چگونه فناوری های نو ظهور را بهتر قانون گزاری کنیم؟
سوال،
- آیا سایر شهرها یا کشورها باید از این الگو پیروی کنند؟
- ممنوعیت فقط یک “مکث موقت” برای ارزیابی بهتر خطرات آن است؟
- آیا این یک گام به عقب برای امنیت عمومی است؟
- آیا خلاء سیاستی وجود دارد؟ در کدام سطح؟
منتظر نتیجه همه این بحث ها باشید زیرا کنگره ایالات متحده تحت فشار فعالان برای ممنوعیت این فناوری و از سوی ارائه دهندگان این فناوری برای تنظیم مقررات برای آن قرار دارد. اما هنوز هیچ چارچوب قانونی فدرال برای رسیدگی به این موضوع تا ماه می 0202 وجود ندارد.
کمیسیون اتحادیه اروپا در حال برنامه ریزی برای اقدام علیه استفاده بی رویه از فناوری شناسایی چهره است. Ursula von der Leyen ، رئیس کمیسیون اروپا، خواستار رویکردی هماهنگ برای پیامدهای انسانی و اخلاقی هوش مصنوعی است. او متعهد شده است که به زودی طرح قانون هوش مصنوعی را منتشر کند.
نسخه نهایی گزارش کمیسیون اروپا به صورت آنلاین در دسترس است. پیش نویس قوانین سختگیرانه توسط کمیسیون اروپا در آوریل 2020 ارائه شده است. اما به گفته رویترز، ممکن است سال ها طول بکشد تا قوانین اجرایی شوند. به طور مشابه، در ژوئن 0202 ، دو ناظر حفظ حریم خصوصی اتحادیه اروپا ) EDPB و EDPS ( خواستار ممنوعیت تشخیص چهره در مکانهای در دسترس عموم شدند.
مجدد ا سؤالات مربوط به حریم خصوصی، رضایت، و Function creep )استفاده دادههای جمعآوریشده برای هدفی غیر از هدف مشخص شده( محور بحث هستند. در پرونده دادههای بیومتریک ما اطلاعات بیشتری در مورد قوانین حفاظت از دادههای بیومتریک )دیدگاه اتحادیه اروپا، بریتانیا و ایالات متحده( بیابید.
هند و طرح ملی شناسایی بیومتریک آن Aadhaar
در هند، به لطف حکم پوتاسوامی صادر شده در 07 اوت 0227 ، دادگاه عالی حق حفظ حریم خصوصی را در قانون اساسی این کشور به ثبت رسانده است. این تصمیم روابط بین شهروند و دولت را دوباره متعادل کرده و چالش جدیدی را برای گسترش پروژه Aadhaar ایجاد کرده است.
با این حال، دولت هند استفاده از برنامه EID بیومتریک توسط نهادهای خصوصی را در 07 فوریه 0222 تصویب کرد. اثر بازگشتی: سیستم حقوقی و حرفه های آن حتی قوی تر می شوند. به عنوان سفیران و نگهبانان مقررات حفاظت از داده ها، وجود افسران حفاظت از داده ها برای مشاغل ضروری شده اند و نقش بسیار مورد توجهی را ایفا می کنند.
شماره 6: ناقضان قانون – هکرهای سیستم تشخیص چهره
با وجود این سلاح قدرتمند فنی و قانونی که برای محافظت از داده ها، شهروندان و ناشناس بودن آنها طراحی شده است، هنوز هم صداهای انتقادی به گوش میرسد. برخی از احزاب از این تحولات نگران و مشوش هستند. برخی هم تاکنون اقدام کرده اند.
اما آیا می توان سیستم تشخیص چهره را فریب داد؟
- گریگوری باکونوف در روسیه راه حلی برای فرار از تشخیص چهره درست و گیج کردن دستگاه های تشخیص چهره ابداع کرده است. او الگوریتمی ایجاد کرده است که برای فریب دادن این نرم افزار ساختار خاصی ایجاد می کند. با این حال، او پس از اینکه متوجه شد مجرمان به راحتی می توانند از آن استفاده کنند، تصمیم گرفته است که محصول خود را وارد بازار نکند.
- در آلمان، آدام هاروی، هنرمند برلینی، دستگاه مشابهی به نام CV Dazzle ارائه کرده است. او اکنون روی لباسهایی کار میکند که دارای الگوهایی برای جلوگیری از شناسایی هستند. استتار هایپرفیس شامل الگوهایی در پارچه، مانند چشم و دهان، برای فریب دادن سیستم تشخیص چهره است.
- در اواخر سال 0227، یک شرکت ویتنامی با موفقیت از ماسکی برای هک کردن عملکرد تشخیص چهره Face ID آیفون X اپل استفاده کرد. با این حال، این هک برای استفاده در مقیاس بزرگ بسیار پیچیده است.
- تقریب ا در همان زمان، محققان یک شرکت آلمانی هکی را فاش کردند که به آنها اجازه میداد تا با چاپ تصویر صورت در مادون قرمز، احراز هویت Windows 10 Hello را دور بزنند.
- فوربس در مقاله ای از می 0227 اعلام کرد که محققان دانشگاه تورنتو الگوریتمی برای اختلال در نرم افزار تشخیص چهره )معروف به فیلتر حریم خصوصی( ایجاد کرده اند.
در آگوست 2020 Verge
یک برنامه “پوشش دهنده” به نام Fawkes را شرح داد. این نرم افزار به طور نامحسوس سلفی ها و سایر عکس هایی که ممکن است در شبکه های اجتماعی بگذارید، تحریف می کند. این ابزار از آزمایشگاه Sand Lab دانشگاه شیکاگو تهیه شده است.
به طور خلاصه، یک کاربر می تواند فیلتری را اعمال کند که پیکسل های خاصی را در یک تصویر قبل از قرار دادن آن در وب تغییر می دهد. این تغییرات برای چشم انسان نامحسوس است اما برای الگوریتم های تشخیص چهره بسیار گیج کننده است.
در نوامبر 2020
ابزاری به نام Anonymizer توسط Generated Media در دسترس قرار گرفت. این نرم افزار مجموعه ای از پرتره های مصنوعی را از تصویری که می توانید آپلود کنید ایجاد می کند. به گزارش وب سایت tnw ، این تصاویر از نظر ریاضی شبیه به چهره شما هستند و شبیه شما هستند، اما میتوانند نرم افزار تشخیص چهره را فریب می دهند. این می تواند راه حل جالبی برای فریب دادن سیستم هایی مانند Clearview AI باشد که میلیون ها چهره را از رسانه های اجتماعی حذف می کنند. )در مورد بحث Clearview AI بیشتر بخوانید(
ما Anonymizer را در 07 نوامبر 0202 آزمایش کردیم. اما بیش از 22 نفری که به دست آوردیم شبیه پرتره اصلی آپلود شده نبودند. یک آزمایش جالب توسط توماس اسمیت که در 07 ژانویه 0202 منتشر شد، یک تکنیک ساده را نشان داد که شما را نامرئی می کند. طبق آزمایشات وی، پوشیدن ماسک یکبار مصرف و عینک آفتابی مات ترکیبی قدرتمند برای نامرئی کردن شما است.
چرا؟
در این حالت، سیستمهای FR از اطلاعات بسیار ارزشمند )دهان، بینی، چشمها، ابروها( برای مقایسه دقیق چهره محروم میشوند. صنعت در حال کار بر روی مکانیسم های ضد جعل است و گروه های استانداردسازی به طور خاص دو موضوع را شناسایی کرده اند:
- مطمئن شوید که تصویر گرفته شده از یک شخص گرفته شده است و نه از یک عکس ) 0 بعدی(، یک صفحه ویدیو ) 0 بعدی(، یا یک ماسک ) 3 بعدی( )بررسی زنده بودن یا تشخیص زنده بودن(
- اطمینان حاصل کنید که تصاویر صورت )پرتره های تغییر شکل یافته( دو یا چند نفر در یک سند مرجع، مانند گذرنامه، ادغام نشده باشند.
شماره 7: بیشتر با هم – به سمت راه حل های ترکیبی (هیبرید شده)
راه حل های شناسایی و احراز هویت در آینده از تمام جنبه های بیومتریک بهره می گیرند. این منجر به ترکیبی بیومتریک می شود که می تواند امنیت و حریم خصوصی کامل را برای همه سهامداران در اکوسیستم تضمین کند. این بسیار مانند Thales Gemalto IdCloud Fraud Prevention ، نرم افزاری برای ارزیابی ریسک و تشخیص تقلب برای پرداخت ها است.
در این راه حل، موقعیت جغرافیایی، آدرسهای IP )دستگاه مورد استفاده(، و الگوهای کلیدگذاری میتوانند ترکیبی محکم برای احراز هویت کاربران برای بانکداری آنلاین یا خدمات دولتی الکترونیکی بهطور امن ایجاد کنند. این گرایش هفتم متعلق به ماست.
این وظیفه ماست که آن را با هم متصور شویم و آن را از طریق پروژه های بیومتریک با ارزش افزوده بالا محقق کنیم.
نظرات کاربران
خیلی آموزنده بود مرسی
سلام وقت بخیر
سپاس از حسن نظرتون.
سلام اسم یک برنامه یا سیستمی که بشه آموزشش رو یاد گرفت و باهاش کار کرد راجب موضوع تشخیص چهره های ناشناس رو لطفا معرفی میکنید؟