Идентификация по лицу: Технологии биометрической идентификации от компании BioSmart

Технологии биометрической идентификации от компании BioSmart

Биометрические решения BIOSMART предназначены для идентификации человека по отпечатку пальцев, венам ладони и лицу

Системы BIOSMART работают в составе СКУД и систем учета рабочего времени. Они помогают защитить ресурсы бизнеса от несанкционированного доступа и максимально эффективно организовать работу сотрудников.

Решения BIOSMART применяются во всех сферах экономики: на промышленных предприятиях, в транспортной и строительной отраслях, в финансовом секторе, ритейле, IT, здравоохранении и компаниях госсектора.

Идентификация по лицу

Метод заключается в идентификации человека по индивидуальным особенностям лица.

Как происходит идентификация по лицу
Биометрический терминал идентификации по лицу оборудован стереокамерой с адаптивной подсветкой. 3D-технология съемки позволяет с высокой степенью точности зафиксировать черты лица человека при любом уровне освещения и даже в полной темноте. Изображение кодируется в виде математического шаблона и хранится в базе данных.

В дальнейшем терминал идентифицирует человека, сличая черты его лица с шаблонами в базе данных.

Преимущества
Лицо каждого человека неповторимо и имеет больше уникальных особенностей, чем отпечаток пальца. Стереокамера идентифицирует человека абсолютно надежно: она заметит отличия в лицах близнецов и людей любой национальности.

Биометрия по лицу надежно защищает от подлога: в отличие от RFID-карты, лицо нельзя потерять, забыть дома, украсть или передать коллеге.

Лицевой терминал оборудован мощным процессором, поэтому идентификация занимает менее полусекунды.

Распознавание лица происходит бесконтактно — это гигиенично, удобно и абсолютно безопасно для здоровья.

Безопасность
Компания BIOSMART выпускает терминалы идентификации по лицу со встроенной защитой против спуфинга — попыток обмануть терминал с помощью поддельного изображения.

Надежный алгоритм «антиспуфинг распознавание лиц» — ноу-хау компании. Он гарантирует, что терминал не отреагирует на фотографию или видео.

Совместные проекты BIOSMART с оператором Единой биометрической системы показали, как работает распознавание по лицу на практике. Так, технология распознавания лиц с успехом применяется в системах биоэквайринга. Биометрическое изображение используется для одобрения платежной операции или помогает подтвердить возраст клиента при покупках, имеющих ограничения по возрасту.

Идентификация по лицу

Лицо каждого человека неповторимо и имеет больше уникальных особенностей, чем отпечаток пальца. Стереокамера идентифицирует человека абсолютно надежно: она заметит отличия в лицах близнецов и людей любой национальности.

Идентификация по ладони

В основе метода — идентификация человека по индивидуальному строению сети венозных сосудов под кожей руки.

Как происходит идентификация по рисунку вен ладони
Устройство сканирует ладонь в мультиспектральном инфракрасном свете и считывает ее отражение. Гемоглобин в венах поглощает часть ИК-излучения, поэтому на отражении проявляется узор кровеносных сосудов. Математические алгоритмы преобразуют узор в цифровой код и упаковывают его в зашифрованный файл-шаблон размером всего 2 кб.

Чтобы идентифицировать человека, устройство сканирует его ладонь и сравнивает полученный биометрический шаблон с шаблонами в базе данных.

Преимущества
Рисунок вен ладони индивидуален и имеет больше уникальных особенностей, чем отпечаток пальца. Он окончательно формируется к 12 годам и не меняется в течение всей жизни человека.

В отличие от RFID-карты, рисунок вен нельзя потерять, забыть дома, украсть или передать коллеге.

Состояние поверхности руки не имеет значения: сканер вен безошибочно распознает человека по грязной или влажной ладони, ладони с порезами и мозолями и даже ладони в тонкой медицинской перчатке.

Новейшие сканеры вен осуществляют распознавание ладони бесконтактно — это гигиенично, удобно и абсолютно безопасно для здоровья.

Идентификация по ладони

В основе метода — идентификация человека по индивидуальному строению сети венозных сосудов под кожей руки.

Гарантии безопасности
Рисунок вен не виден при обычном свете, поэтому его нельзя сфотографировать или подделать.

Устройство сканирует ладонь в нескольких ИК-спектрах одновременно, поэтому его невозможно обмануть с помощью силиконового муляжа.

В цифровом шаблоне зашифрованы лишь некоторые значимые параметры индивидуального рисунка вен, поэтому восстановить из него полноценное изображение руки невозможно. Даже если злоумышленник получит доступ к базе данных — он никак не сможет ее использовать.

Всюду, где используется идентификация по ладони, этот метод зарекомендовал себя как наиболее удобный и секьюрный среди всех методов биометрического подтверждения личности.

Видеоролик BIOSMART об идентификации человека по венам ладони. Преимущества и сферы применения метода.

Идентификация по отпечатку пальца

В основе метода — сканирование индивидуального рисунка папиллярных линий на подушечках пальцев. Емкостные сканеры регистрируют разницу электрических потенциалов между бугорками и впадинами папиллярного узора, оптические — распознают отпечаток пальца с помощью встроенной камеры. Чтобы идентифицировать человека, устройство сличает его отпечаток пальца с шаблонами в базе данных.

Идентификация человека по отпечаткам пальцев — преимущества:

• Отпечатки пальцев уникальны и не меняются в течение всей жизни. При повреждении кожи — восстанавливаются.
• В отличие от RFID-карты, пальцы невозможно потерять, забыть дома, украсть или передать коллеге.
• Оптические сканеры долговечны и устойчивы к повреждениям: царапины на внешней поверхности сканера не влияют на качество изображения.
• Емкостные сканеры, оборудованные системой подогрева, подтверждают личность даже при минусовых температурах.

Идентификация по отпечаткам пальцев VS идентификация по ладони руки
Сканирование отпечатков пальцев — самый распространенный метод биометрической идентификации. Биометрические системы идентификации по отпечаткам пальцев используются на предприятиях, в банках, социальных учреждениях. Они эффективны и стоят дешевле, чем системы по венам или геометрии ладони.

Однако биометрическая идентификация по отпечатку пальца может быть неэффективна на производствах, допускающих частые микротравмы рук сотрудников. На кухнях ресторанов и строительных площадках предпочтительнее использовать системы по венам ладони.

Гарантии безопасности
Биометрическая информация хранится в зашифрованном виде: файлы-идентификаторы содержат лишь некоторые значимые параметры папиллярного узора человека, поэтому восстановить из файла полноценное изображение отпечатка невозможно. Даже если злоумышленник получит доступ к базе данных — он никак не сможет ее использовать

Емкостные сканеры регистрируют электрический отклик поверхности пальца, поэтому реагируют только на палец живого человека. Их невозможно обмануть с помощью муляжа.

Идентификация по отпечаткам пальцев

В основе метода — идентификация человека по индивидуальному рисунку папиллярных линий на подушечках пальцев.

О КОМПАНИИ

ТЕХНОЛОГИИ

BIOSMART-STUDIO

© 2020 ООО «Прософт-Биометрикс»
Исследования осуществляются ООО «НИЦ ПРОСОФТ-СИСТЕМЫ» при грантовой поддержке Фонда «Сколково»

ПРОДУКТЫ

8 800 600 25 46

Звонок по России — бесплатный

Сделано с любовью на Фабрике

ТЕХПОДДЕРЖКА

ИНТЕГРАЦИИ

МАТЕРИАЛЫ

РЕШЕНИЯ

[email protected]

Click to order

Ваш заказ

Заполните эти поля, и мы свяжемся с вами, чтобы уточнить детали предварительного заказа, комплектацию, цены, сроки поставки и монтажа

Мы используем файлы cookie, чтобы сделать сайт удобнее для вас

Хорошо

Биометрические системы распознавания внешности

Андрей Борзенко

Биометрические признаки — это четкие, индивидуальные, биологически обусловленные характеристики каждого человека. В принципе не существует двух людей с одинаковыми биометрическими признаками. Примерами биометрических методов идентификации могут служить анализ отпечатков пальцев, геометрической формы рук, узора радужной оболочки или сетчатки глаз, расположения кровеносных сосудов, термического образа, лица, голоса, динамики подписи, ритма работы на клавиатуре и т. д. Стоит отметить, что все они очень сильно зависят от целевой установки и области применения. На сегодня только три биометрических метода уже доказали свою практичность: распознавание по отпечаткам пальцев, радужной оболочке или сетчатке глаз и по чертам лица.

Еще не так давно системы, использующие биометрические методы идентификации, можно было встретить только в научно-фантастических книгах или фильмах. Современная биометрия началась фактически с применений в целях контроля доступа в середине 70-х годов прошедшего столетия. Первые биометрические системы предоставляли довольно высокую степень безопасности только за счет высокой стоимости входящих в них биометрических устройств. Появление в последние годы недорогих микропроцессоров и передовой электронной техники для работы с изображением намного снизило стоимость и увеличило точность биометрических устройств.

Не секрет, что управление работой организации во многом сводится к предотвращению причин, препятствующих выполнению ее функций. Одна из таких причин — нарушение полномочий доступа на территории объектов или к источникам конфиденциальной информации и вычислительным ресурсам организации. Чтобы разграничить доступ сотрудников и клиентов организации на ее объекты или к информации, представляющей определенную значимость, существуют специальные автоматизированные системы. Сегодня многие учреждения частично или полностью используют в подобных системах биометрию.

Вообще говоря, любая система контроля доступа основана на идентификации или аутентификации абонентов (или групп абонентов) этой системы. Как уже отмечалось, существует ограниченное, хотя и достаточно большое количество характерных свойств и признаков определенной личности, которые можно использовать для ее идентификации. Цель любой системы контроля доступа заключается в том, чтобы предоставить людям, имеющим соответствующие полномочия, возможность прохода в определенные зоны. Как правило, этого можно достичь только путем применения биометрических устройств.

Основная функция любого биометрического устройства — распознавание личности. Контроль доступа требует не только идентификации человека; система может также отпирать дверь, разрешать или запрещать доступ в зависимости от времени суток и, при необходимости, приводить в действие сигнал тревоги. Биометрическая технология может осуществлять эти задачи несколькими способами.

По сравнению с традиционными биометрические методы идентификации личности имеют ряд преимуществ, а именно:

• биометрические признаки очень трудно фальсифицировать;
• в силу уникальности биометрических признаков достоверность идентификации очень высока;
• биометрический идентификатор нельзя забыть, как пароль, или потерять, как пластиковую карточку.

Характеристики биометрических систем

Наиболее важный фактор успеха биометрической системы — это ее одобрение пользователями. Оно, в свою очередь, зависит от нескольких факторов. Во-первых, устройство не должно вызывать у пользователя чувства тревоги или дискомфорта. Возможно, это субъективный показатель, но он весьма важен для понимания проблем пользователей. Если люди боятся использовать устройство, то, скорее всего, они будут обращаться с ним неправильно и в результате не получат доступа. Во-вторых, биометрическое устройство должно быть простым в использовании. Клиентам нравятся устройства, с которыми просто работать. В-третьих, биометрическое устройство должно функционировать четко и точно. Если биометрическая система работает так, как надо, она делает две вещи: не позволяет войти «плохим» и разрешает вход «хорошим». Однако ни одно устройство не может быть абсолютно совершенным, и биометрические системы — не исключение, они могут допустить ошибку: впустить «плохих» или закрыть вход для «хороших». Возможность таких ошибок выражается уровнем ложных приемов и ложных отказов.

Показателями надежности биометрических систем могут служить вероятности ошибок первого и второго рода. Ошибки первого рода определяют вероятность ложного отказа (FRR, False Rejection Rate) и возникают при отказе в доступе легальному пользователю системы. Ошибки же второго рода показывают вероятность ложного допуска (FAR, False Acceptance Rate) и появляются при предоставлении доступа постороннему лицу. FRR и FAR связаны обратной зависимостью. Современные биометрические системы имеют очень большой разброс этих характеристик.

Биометрическую систему также можно характеризовать уровнем равной вероятности ошибок первого и второго рода (EER, Equal Error Rates) — точкой, в которой вероятность ошибки первого рода равна вероятности ошибки второго рода. На основании EER можно делать выводы об относительных достоинствах и недостатках разных биометрических методов. Чем ниже уровень EER, тем лучше. Например, уровень в один процент означает, что из 100 попыток опознания человек будет ошибочно отвергнут или ошибочно узнан один раз.

Еще один параметр, о котором стоит задуматься при выборе и установке биометрической системы, — ее пропускная способность. По сути, это время, которое требуется человеку для взаимодействия с данным устройством.

Выбор системы контроля доступа — сложный вопрос. При этом требуется проанализировать характер возможных угроз, разработать модель потенциального «шпиона», определить требования к системе безопасности, изучить рынок предлагаемых систем и т. д. Делая выбор системы контроля доступа на основе биометрических методов идентификации личности, нужно быть осторожным с официально публикуемыми данными об уровнях ошибок. Поскольку они определяются методикой и длительностью тестирования, объемом и характером статистических выборок, а применение биометрических устройств может быть весьма разнообразным, то уровни ошибок от реализации к реализации могут меняться в широких пределах.

Помимо декларируемой надежности и цены необходимо учитывать и такие факторы, как совместимость с существующими системами. Рассматривая конкретную систему контроля доступа к вычислительным ресурсам, нужно убедиться в корректности ее работы с имеющимся оборудованием и ПО, а также проанализировать возможность ее интеграции в уже установленные системы защиты.

Кроме того, надо понять, насколько приемлема система для пользователей, которые будут с ней сталкиваться. Под приемлемостью для пользователя в данном случае понимается его отношение к процессу аутентификации или идентификации. Так, процедура взятия отпечатков пальцев может рассматриваться как нечто унизительное, вызывая ассоциации с применением ее в криминалистике. С этой точки зрения идентификация по параметрам руки выглядит более безобидной. Немаловажный параметр практически любой системы — скорость проведения регистрации и верификации абонентов. Большинство предлагаемых систем выполняют аутентификацию и/или идентификацию практически в реальном масштабе времени. Продолжительность регистрации нового абонента от нескольких десятков секунд до нескольких минут также приемлема, поскольку эта процедура выполняется только однажды.

Современная систем должна быть многоуровневой и представлять собой комплекс технических и административных решений. Наилучшие результаты получаются, когда опознание личности проводится и биометрическими, и традиционными методами. Чем больше данных, тем больше потенциал для развития систем безопасности, и биометрия здесь оказывается оптимальным решением.

В соответствии с ростом числа приложений, где возможно применение биометрических технологий, растет и объем производства биометрических устройств, что позволит существенно снизить цены на системы такого рода уже в ближайшее время. Кроме того, уменьшению их стоимости способствует и снижение цен на компьютерные услуги.

Распознавание лица

Один из новых способов, завоевавший значительную популярность, — распознавание облика. Люди легко узнают друг друга по лицам, но автоматизировать подобное опознание вовсе не легко. Большая часть работ в этой области была посвящена тому, чтобы получить изображение при помощи фотографии или видеокамеры. Только в США и Германии над технологиями опознавания по чертам лица работали несколько десятков компаний, которым были выделены правительственные гранты. Первоначально разработки предназначались для спецслужб, но со временем результаты этих исследований разрешили применять и в коммерческих целях. В результате на рынке появилось некоторое количество систем распознавания (правда, не все из них оказались пригодными на практике).

Технология распознавания позволяет сканировать человеческие лица в режиме реального времени. Видеокамера подключается к терминалу, и система определяет, соответствует ли лицо в кадре фотографиям из базы данных. Принцип работы системы распознавания по лицу основан на специальном алгоритме оцифровки изображений, позволяющем выбирать на кадрах лицо человека и оцифровывать его, выделяя большое количество параметров (так называемые базовые точки — скулы, цвет и форма глаз, ширина переносицы, губ и т. д.). В результате каждое лицо описывается уникальным набором параметров, причем с некоторым избытком. Для идентификации с высокой степенью точности требуется не более 40 характеристик, тогда как система обычно задает около 2 тыс. оценочных параметров. Это обеспечивает высокую надежность опознания независимо от поворота головы, наличия очков, косметики. В принципе для надежного опознания человека программе достаточно всего несколько десятков базовых точек. Фотография и цифровое описание лица заносятся в базу данных, с которой впоследствии сравнивается распознаваемое лицо.

Вообще говоря, на рынке систем автоматического распознавания лица господствуют два типа систем. Первые базируются на статистическом методе: на основе набора биометрических данных и их обработки формируется некий электронный образец как уникальное в своем роде число, относящееся к конкретной личности. Такой тип систем достаточно широко распространен, но идентификация с их помощью, как правило, не очень надежна.

Методы, относящиеся ко второму типу, близки к человеческому видению проблемы распознавания. Система самообучаема и робастна в отношении изменчивости лица — таких факторов, как возраст, наличие усов или бороды, очков. Для идентификации и верификации можно использовать и старые фотографии. Технология в принципе позволяет работать даже с рентгеновскими снимками. Приемлемость такого принципа пока не удалось превзойти, так как он моделирует «человеческий подход»: один человек разглядывает лицо другого, чтобы его идентифицировать. Как и анализ личной подписи, определение идентичности по фотографии в паспорте относят к наиболее доступному и признанному методу распознавания личности.

Для защиты данных и информации также предпочтительно использовать системы распознавания лица. Кроме того, контроль лица выполняется с определенным комфортом: он бесконтактен и обеспечивает удобную и быструю обработку данных.

В качестве единственного биометрического приложения метод распознавания лица можно использовать в разных областях. Помимо сравнения с содержанием баз данных цифровых фото и классического контроля доступа (верификации), с помощью этого метода можно бесконтактно распознавать людей и в негрупповых сценариях. Распознавание лица неэффективно только тогда, когда значительные изменения, например, вследствие несчастного случая, делают невозможным даже человеческую визуализацию.

Использование любого биометрического признака имеет свои преимущества и недостатки. Поэтому ни в коем случае нельзя ожидать, что какой-либо отдельный метод добьется приоритетного признания. Большинство экспертов сходятся в том, что пользователь в зависимости от постановки задачи должен сам сделать выбор между тремя методами распознавания: по отпечаткам пальцев, радужной оболочке глаза или лицу.

В отличие от других биометрических технологий (идентификация по отпечаткам пальцев, радужной оболочке глаза или по голосу) система распознавания по чертам лица не требует непосредственного контакта с человеком, личность которого устанавливают. Не нужно просить человека оставлять отпечатки пальцев, смотреть в объектив или произносить какие-то слова.

Идентификация персоны по лицу на пункте контроля доступа.

Распознавание лица — это, пожалуй, единственный биометрический способ идентификации персон, для применения которого не требуется специальная техника. Именно в лицо мы узнаем родных и близких, а не прибегаем, скажем, к сличению отпечатков пальцев или радужной оболочки. Кроме того, использование фотографии для удостоверения личности владельца — традиционная рутина уже на протяжении нескольких десятилетий. Наверное, каждому знаком процесс предъявления пропуска вахтеру и внимательный взгляд в лицо посетителя, а компьютер лишь автоматизирует процедуру. Эти факторы в значительной степени упрощают внедрение распознавания лица в современные комплексы безопасности, позволяя избежать конфликта с пользователями и риска быть отвергнутыми.

Метод распознавания лица — это единственный биометрический способ идентификации персон и с точки зрения многоцелевого применения. В отличие от других биометрических методов, применимых только для контроля доступа или сравнения в базе данных, технология распознавания образа позволяет детектировать (находить) лицо человека в видеокадре, либо для последующего сравнения с базой данных, либо наоборот, чтобы скрыть его от случайного зрителя. Благодаря встроенным инфракрасным излучателям компьютер легко распознает каучуковую маску как муляж, имитирующий лицо. Наблюдаемый объект должен иметь человеческую кожу, естественную мимику и быть «живым», в противном случае срабатывает звуковой сигнал предупреждения.

Распознавание по чертам лица происходит на расстоянии, незаметно, не привлекая внимания человека. С точки зрения служб безопасности и спецслужб это несомненное преимущество. Правозащитники же полагают, что применение подобных технологий нарушает право человека на анонимность. Впрочем, производители технологий распознавания подготовились к протестам и позаботились о правах личности. Если система не находит совпадений с лицами в базе данных, то в ее памяти не остается никакой информации о человеке, который появлялся перед камерой. Производители также заявляют, что в системах применяются стандартные камеры видеонаблюдения. Общество давно привыкло к этим камерам, использование которых уже регулируется законодательством. В развитых странах в магазинах принято предупреждать о том, что в помещении ведется наблюдение. А есть ли терминал для опознавания в кабинете службы безопасности или нет — какое, мол, до этого дело законопослушному посетителю.

Основные потребители подобных биометрических систем — не только службы безопасности (предприятий, аэропортов, супермаркетов, казино, банков), но и государственные учреждения (министерства, силовые ведомства, специальные структуры).

Здесь проходят контроль австрийские парламентарии (вход в здание парламента в Вене).

В России технология распознавания человека по лицу появилась недавно, но интерес к ней довольно высок. В частности, в нашей стране системами распознавания занимается инженерная корпорация «Солинг» ( http://www.soling.ru ). Многолетний опыт работы на рынке позволяет успешно адаптировать зарубежное оборудование к российским условиям и требованиям, внедрять новые технологии в создаваемые и уже существующие комплексы безопасности. Готовые, проработанные решения существуют в настоящее время на базе оборудования ZN Vision Technologies AG (Германия). [1]

Технология и решения ZN Vision Technologies

Компания была основана в 1993 г . на базе Рурского университета (Бохум, Германия) и Южно-Калифорнийского университета (Лос-Анджелес, США). С того времени Центр нейроинформатики (Zentrum fur Neuroinformatik) превратился в фирму ZN Vision Technologies AG ( http://www.zn-ag.com ). В 1996 г ., через три года после основания, компания привлекла к себе внимание общественности, получив премию немецкой промышленности за инновации. Последующие награды тоже не заставили себя ждать. В 1998 г . профессор-инженер Вернер фон Зеелен и профессор Кристоф фон дер Мальсбург были награждены премией Карла Хайнца Беккуртса, а в 2000 г . фон дер Мальсбург был отмечен Керберовской европейской научной премией. [2]

ZN Vision Technologies, имеющая в штате всего несколько десятков сотрудников, — одна из ведущих компаний в области автоматического наблюдения. Способность системы наблюдения обучить компьютеры интерпретировать и понимать изображения и события, снятые обычными камерами, базируется на математических методах, которые воспроизводят зрительное восприятие, свойственное человеку. ZN Vision Technologies использует технологию искусственного наблюдения там, где нужно «автоматизировать» анализ увиденного, чтобы повысить эффективность и качество. Сегодня эта технология используется не только в охранных системах, но и в медицинских технологиях. Используя патентованный метод распознавания человека по чертам лица, компания создает продукты, предназначенные для охраны зданий, для поиска людей в фотоархивах и для «разумного» видеонаблюдения. В области здравоохранения полученный врачами фотоматериал обрабатывается и автоматически сравнивается с базой фотоданных по изучаемой проблеме, например, с целью диагностики раковых заболеваний кожи. В сотрудничестве с более чем 15 исследовательскими институтами и 30 известными компаниями ZN Vision Technologies разрабатывает новые продукты в области фотографии, контроля качества в промышленности, в области автомобильной индустрии, маркетинга, продвижения продаж и увеличения изображений.

На сегодняшний день компания — признанный технологический лидер в разработке систем безопасности. На разработку новых технологий она потратила более 500 человеко-лет и более 30 млн евро. Кроме этого, ZN Vision Technologies постоянно занимается поиском новых сфер применения технологии и работает над расширением возможностей ее практического применения. Технологическое лидерство ZN Vision подтверждено многочисленными национальными и международными патентами и сотрудничеством с ведущими исследовательскими институтами и компаниями. В их число входят, например, фирмы Kaba, Interflex и Государственная типография, занимающие ключевые позиции в области интеграции систем безопасности.

Основываясь на технологии системного наблюдения, ZN Security (подразделение компании ZN Vision Technologies AG), предлагает продукты для автоматической идентификации и верификации людей. Разработанные компанией системы ZN-Face, ZN-Phantomas и ZN SmartEye выступают как основные составляющие при решении задач контроля доступа и аналитического видеонаблюдения.

ZN-Face

Консоль системы ZN-Face.

Система ZN-Face сочетает в себе новейшие компьютерные разработки с системой контроля доступа, основанной на автоматическом распознавании лиц. Она не только предлагает максимально возможную защиту зон безопасности, например, в банках, на промышленных и военных объектах, в аэропортах и на электростанциях, но может быть использована для любого ограничения доступа, например, на проходных фитнес-студий, клубов и т. д. Системе известны лица всех владельцев магнитных или чип-карточек. ZN-камера делает снимок человека, стоящего на рубеже контроля, и проверяет его в считанные доли секунды. Люди, системе незнакомые, доступа не получают. Специально разработанный модуль оптического фильтра и функция контроля за живым лицом предотвращает любую попытку обмана путем применения фотографий или масок. Система записывает все события, происходящие на контролируемом объекте, а работник службы безопасности в любое время имеет доступ ко всем данным и результатам идентификации.

С 1996 г . создавались различные версии системы, в настоящее время разработано третье поколение — ZN-Face III, в виде как стандартной системы, так и адаптируемой к специальным требованиям заказчика (например, для одного и для неограниченного количества пропускных пунктов).

Сегодня система контроля доступа ZN-Face — наиболее продаваемая в Европе. Первоначально разработанная для атомных электростанций, она теперь применяется как европейским отделением корпорации Microsoft в Германии, так и спортивными клубами в Голландии. В свое время германское ведомство информационной безопасности (Bundes amt fur Sicherheit in der Informationstechnologie, BSI) по окончании многопланового тестирования всех имеющихся на рынке биометрических систем признало соответствующими всем требованиям к обеспечению безопасности лишь продукт Iris Scan, основанный на идентификации по роговице глаза, и ZN-Face, основанный на идентификации по чертам лица.

ZN-Phantomas

Это компьютеризованная база фотоданных, которая может автоматически сравнивать и идентифицировать лица. Для сравнения годится фотография, фоторобот, рисунок или кадр, полученный при видеосъемке. ZN-Phantomas проводит поиск среди сохраненных в памяти изображений, используя систему распознавания лиц, созданную по образу работы человеческого мозга на базе технологии органического видения. Скорость работы системы позволяет просматривать 10 тыс. изображений за три минуты.

Многочисленные тесты показали, что квота успешной идентификации составляет практически 100% и не снижается при изменении внешности очками, бородой, прической и т. п. либо по причине старения человека. Таким образом, система оказывает действенную помощь подразделениям полиции в их оперативно-розыскной деятельности для идентификации и поимки преступников. Благодаря ZN-Phantomas становится более эффективной работа со свидетелями, так как можно исключить утомительный бессистемный поиск подозреваемого в фототеке. С 1997 г . ZN-Phantomas используется департаментами полиции в Европе и Америке и доказала свою эффективность, вычислив в Калифорнии двойного убийцу в полицейской базе данных путем сравнения с фотороботом. Помимо розыска преступников, система применяется для поиска пропавших людей и опознания жертв.

Стоит отметить, что система может работать со всеми SQL-базами данных, использующими ODBC-протокол (Oracle, Sybase SQL, DB2, Informix).

ZN-SmartEye

Это система видеонаблюдения с функцией идентификации людей, которой требуется всего несколько секунд, чтобы сравнить изображение лица человека с данными, содержащимися в емкой базе данных в «постоянной» памяти системы. Как только наблюдаемый человек идентифицируется с изображением из базы данных, на экране выводится сообщение и может, например, раздаться сигнал тревоги, чтобы офицер безопасности немедленно принял меры к задержанию. В то время как человеческое внимание начинает ослабевать после нескольких минут наблюдения за изображением на мониторе, ZN-SmartEye ведет наблюдение, не зная усталости, 24 часа в сутки. В частности, ZN-SmartEye защищает зоны безопасности и позволяет проводить скрытое наблюдение за посетителями в общественных местах, аэропортах, железнодорожных вокзалах, складах, магазинах, клубах или на спортивных аренах. Она может предупредить о визите высокопоставленных гостей или дать знать о появлении мошенников в казино или хулиганов на стадионах.

В настоящее время ZN Vision Technologies работает над новыми решениями, в которых применялись бы опробованные алгоритмы нечеткой логики (например, узнавание регистрационных знаков автомобиля). В частности, в сотрудничестве с Государственной типографией компания намерена разработать для крупных корпораций комплексные решения, позволяющие проводить авторизацию доступа или установление личности в большой массе людей быстрым, относительно недорогим и надежным способом.[3]

Примечания

1. Практика распознавания
Тот факт, что метод автоматизированного распознавания клиента по лицу уже зарекомендовал себя на практике, не ставится под сомнение. В числе пользователей данной технологии — такие известные «распознаваемые лица», как Deutsche Bank, Европейский центр ядерных исследований (CERN), российский Центробанк, Национальный банк Литвы, корпорации Microsoft и Siemens, Федеральная типография (Германия). Атомные электростанции и сверхсекретные объекты также охраняются с помощью новой технологии. Первая электронная база данных цифровых фотографий с системой автоматического распознавания лица, созданная в ZN Vision Technologies, позволила многочисленным полицейским службам в Германии, Польше и США оптимизировать следственные действия и добиться качественного улучшения мер по розыску преступников. Интеллектуальный современный видеоконтроль гарантирует безопасность и защиту в местах скопления людей, так как позволяет с помощью информацию баз данных обнаружить известных и опасных персон в режиме реального времени.

2. Основоположник метода
Кристоф фон дер Мальсбург с 17 лет разрабатывал теорию, позволяющую моделировать работу головного мозга. Впрочем, и тогда, когда он уже возглавлял институт в Геттингене, одновременно работая при университете в Лос-Анджелесе в области исследований работы головного мозга, многие коллеги фон дер Мальсбурга не воспринимали его идеи всерьез. Свою теорию ученый хотел доказать, пытаясь «научить» компьютеры видеть. Свой шанс фон дер Мальсбург получил в начале 90-х годов, когда правительство земли Северный Рейн — Вестфалия распределяло научный бюджет по Объединенной Европе. В то время фон дер Мальсбург преподавал в Бохумском университете. Вместе со своим коллегой, профессором Вернером фон Зееленом, он смог начать практические разработки.

3. Микросхема для распознавания лиц
В компании STMicroeletronics (http://www.st.com) разрабатывается интегральная схема, ускоряющая исполнение алгоритмов распознавания лиц. Она содержит программируемый процессор Xtensa 200 МГц компании Tensilica, соединенный с программируемой логической матрицей (ПЛМ). Матрица реализует расширения языка С, на котором программируется Xtensa, используя специальные возможности процессора. Применение расширений позволяет ускорить обработку почти на порядок. ПЛМ также выполняет в микросхеме функции ввода-вывода. Опытный образец интегральной схемы изготовлен с учетом проектных норм 0,18 мкм.

Статья опубликована в BYTE № 11 (52), ноябрь 2002
Перепечатывается с разрешения автора.

Распознавание лиц — это не просто идентификация и проверка лица: это также кластеризация фотографий, анализ расы, отслеживание в реальном времени и многое другое

Правительства и корпорации отслеживают, как мы ведем свою жизнь, с помощью уникального маркера, который большинство из нас не может скрыть или изменение: наши собственные лица. По всей стране сообщества сопротивляются законам, ограничивающим эту опасную технологию. В ответ некоторые правительства и корпорации заявляют, что эти законы должны применяться только к некоторым формам распознавания лиц, таким как идентификация лиц, а не к другим, таким как кластеризация лиц.

Мы не согласны. Все формы распознавания лиц представляют собой угрозу конфиденциальности, свободе слова и расовой справедливости. В этом посте рассматриваются многие из различных видов распознавания лиц и объясняется, почему все они должны регулироваться законами.

Что такое распознавание лиц?

На самом базовом уровне технология распознавания лиц берет изображения человеческих лиц и пытается извлечь информацию о людях на них.

Вот как это обычно работает сегодня:

Сначала изображение автоматически обрабатывается, чтобы определить, что является лицом, а что нет. Это часто называют «распознаванием лиц». Это необходимое условие для всех более сложных форм распознавания лиц, которые мы обсуждаем ниже. Само по себе распознавание лиц не обязательно вредит конфиденциальности пользователей. Однако во многих технологиях распознавания лиц существует значительное расовое неравенство.

Затем система извлекает признаки из каждого изображения лица. Необработанные данные изображения обрабатываются в меньший набор чисел, которые суммируют отличительные черты лица. Это часто называют «отпечатком лица».

Отпечатки лиц, а не необработанные изображения лиц, можно использовать для всех проблемных задач, описанных ниже. Компьютер может сравнить отпечатки лица с двух отдельных изображений, чтобы попытаться определить, являются ли они одним и тем же человеком. Он также может попытаться угадать другие характеристики человека (например, пол и эмоции) по отпечатку лица.

Сопоставление лиц

Наиболее широко используемый класс распознавания лиц часто называют «сопоставлением лиц». Он пытается сопоставить два или более отпечатков лица, чтобы определить, принадлежат ли они одному и тому же человеку.

Любая система распознавания лиц, используемая для «отслеживания», «кластеризации» или «проверки» неизвестного человека, может быть легко использована для «идентификации». Часто это делается путем взятия отпечатка лица с нового изображения (например, снятого камерой видеонаблюдения) и сравнения его с базой данных «известных» отпечатков лица (например, с государственной базой данных фотографий, удостоверяющих личность). Если неизвестный отпечаток лица достаточно похож на любой из известных отпечатков лица, система возвращает потенциальное совпадение. Это часто называют «идентификацией лица».

Сопоставление лиц также можно использовать, чтобы выяснить, принадлежат ли два отпечатка лица одному и тому же лицу, не обязательно зная, кому принадлежит это лицо. Например, телефон может проверять лицо пользователя, чтобы определить, следует ли его разблокировать, что часто называется «проверкой лица». Кроме того, сайт социальной сети может сканировать фотографии пользователя, чтобы попытаться определить, сколько уникальных людей присутствует на них, хотя он может не идентифицировать этих людей по имени, что часто называют «кластеризацией лиц». Эта технология может использоваться для сопоставления «один к одному» (две фотографии одного и того же человека?), «один ко многим» (соответствует ли эта эталонная фотография какому-либо из набора изображений?) или «многие ко многим». много совпадений (сколько уникальных лиц присутствует в наборе изображений?).Даже без привязки лиц к именам сопоставление лиц можно использовать для отслеживания перемещений человека в режиме реального времени, например, по магазину или по городу, часто называется «отслеживание лиц». 

Все формы сопоставления лиц вызывают серьезные опасения в отношении цифровых прав, включая идентификацию лица, проверку, отслеживание и кластеризацию. Законодатели должны решить их все. Любая система распознавания лиц, используемая для «отслеживания», «кластеризации» или «верификации» неизвестного человека, может быть легко использована и для «идентификации». Базовая технология часто одинакова. Например, все, что требуется, — это связать набор «известных» отпечатков лица с кластером «неизвестных» отпечатков лиц, чтобы превратить кластеризацию в идентификацию.

Даже если технология идентификации лиц никогда не используется, технологии кластеризации и отслеживания лиц могут угрожать конфиденциальности, свободе слова и равенству. Например, полиция может использовать технологию отслеживания лица, чтобы проследить за неизвестным протестующим от митинга до его дома или машины, а затем идентифицировать его с помощью базы данных адресов или номерных знаков. Или полиция может использовать технологию кластеризации лиц для создания массива фотографий определенного неопознанного протестующего и вручную идентифицировать протестующего, сравнивая этот массив с базой данных фотографий, где такая ручная идентификация была бы невозможна на основе одной фотографии протестующего. .

Точность, ошибка и предвзятость

В 2019 году Ниджер Паркс был незаконно арестован после того, как система распознавания лиц ошибочно опознала его. Несмотря на то, что он находился в 30 милях от места предполагаемого преступления, Паркс провел 10 дней в тюрьме, прежде чем полиция признала свою ошибку.

Несмотря на то, что он находился в 30 милях от места предполагаемого преступления, Ниджер Паркс провел 10 дней в тюрьме после того, как система распознавания лиц ошибочно опознала его.

Ниджер Паркс — как минимум третий человек, ложно арестованный из-за неисправной технологии распознавания лиц. Не случайно все трое были чернокожими. Распознавание лиц никогда не бывает идеальным, но тревожно более подвержено ошибкам, когда применяется к любому, кто не является белым и цисгендерным мужчиной. В новаторском исследовании 2018 года Джой Буоламвини и доктор Тимнит Гебру показали, что системы распознавания лиц ошибочно идентифицируют цветных женщин более чем в 40 раз чаще, чем белых мужчин. Совсем недавно NIST-тестирование различных современных систем распознавания лиц подтвердило широкую, драматическую тенденцию несоизмеримых «ложноположительных» показателей в разных демографических группах с более высоким уровнем ошибок для лиц, которые не были белыми и мужскими.

Кроме того, системы идентификации лиц, которые могут лучше работать в лабораторных условиях — например, пытаясь идентифицировать хорошо освещенные снимки головы — обычно гораздо менее точны в реальном мире. Когда той же технологии дают более реалистичную задачу, например, идентификацию людей, проходящих через выход на посадку в аэропорту, она работает гораздо хуже.

По многим причинам широкое распространение идентификации по лицу — даже если оно было точным и беспристрастным — несовместимо со свободным обществом. Но сегодняшняя технология далека от точности, и она глубоко предвзята таким образом, что преувеличивает существующий систематический расизм в нашей системе уголовного правосудия.

Мы ожидаем, что исследователи обнаружат такие же неприемлемые ошибки и предвзятость в отслеживании лиц и кластеризации, как уже были обнаружены в идентификации лиц. Это еще одна причина, по которой законы о конфиденциальности должны касаться всех форм распознавания лиц.

Другая форма распознавания лиц: анализ лиц

Распознавание лиц имеет множество применений, помимо сопоставления одного отпечатка лица с другим. Он также используется, чтобы попытаться угадать демографические черты человека, эмоциональное состояние и многое другое, основываясь на его чертах лица. Растущая индустрия стремится использовать то, что часто называют «анализом лица» или «выводом лица», чтобы попытаться извлечь такого рода вспомогательную информацию из живых или записанных изображений лиц. Анализ лица можно использовать в сочетании с другими технологиями, такими как отслеживание взгляда, для изучения реакции лица на то, на что вы смотрите.

Демографический анализ

Некоторые поставщики утверждают, что они могут использовать технологии распознавания лиц для присвоения демографических характеристик своим целям, включая пол, расу, этническую принадлежность, сексуальную ориентацию и возраст.

Сомнительно, чтобы такой демографический анализ лиц когда-либо действительно «работал». Он основан на предположении, что различия в строении лица являются идеальным отражением демографических характеристик, хотя во многих случаях это неверно. Эти демографические данные часто являются социальными конструкциями, и многие люди не подходят под социальные ярлыки.

Когда она «работает», по крайней мере, по мнению того, кто ее использует, технология демографического вывода по лицу может быть чрезвычайно опасна для маргинализированных групп. Например, эти системы позволяют маркетологам дискриминировать людей по признаку пола или расы. Магазины могут попытаться использовать анализ лица, чтобы направить неопознанных покупателей к различным товарам и скидкам в зависимости от их пола или эмоционального состояния — попытка ошибочная, успешная она или нет. В крайнем случае автоматический демографический вывод может помочь автоматизировать геноцид.

Эти технологии также могут навредить людям, не работая. Например, «распознавание пола» неправильно идентифицирует любого, кто не демонстрирует традиционные гендерные черты, и может нанести вред трансгендерным, небинарным, гендерно неконформным и интерсексуальным людям. Вот почему некоторые активисты проводят кампанию за запрет автоматического распознавания пола и сексуальной ориентации.

Анализ эмоций

Анализ лица также предположительно может идентифицировать эмоции человека или «влияние» как в режиме реального времени, так и на исторических изображениях. Несколько компаний продают услуги, которые, как они утверждают, могут определить, как человек себя чувствует, основываясь на его лице.

Эта технология является лженаукой: в лучшем случае она может научиться определять некоторые культурные нормы. Но люди часто выражают эмоции по-разному, в зависимости от культуры, темперамента и нейродивергенции.

Эта технология является лженаукой: в лучшем случае она может научиться определять некоторые культурные нормы. Но люди часто выражают эмоции по-разному, в зависимости от культуры, темперамента и нейродивергенции. Попытка раскрыть универсальное сопоставление «выражения лица» с «эмоциями» — это охота на бекасов. Исследовательский институт AI Now сослался на отсутствие научной основы этой технологии и потенциал для дискриминационных злоупотреблений в резком отчете 2019 года.отчет и призвал регулирующие органы запретить его использование для принятия важных решений о человеческих жизнях.

Несмотря на отсутствие научной поддержки, распознавание эмоций пользуется популярностью среди многих рекламодателей и исследователей рынка. Достигнув пределов опросов потребителей, эти компании теперь стремятся оценить, как люди реагируют на средства массовой информации и рекламу, посредством видеонаблюдения, с их согласия или без него.

Что еще более тревожно, эти системы могут быть развернуты для полиции «до преступления» — используя компьютерные предположения о психическом состоянии для тщательного изучения людей, которые не сделали ничего плохого. Например, Министерство внутренней безопасности США потратило миллионы на проект под названием «FAST», который, среди прочего, будет использовать вывод по лицу для обнаружения «злого умысла» и «обмана» у людей в аэропортах и ​​на границах. Анализ лица также может быть включен в так называемые «детекторы агрессии», которые якобы могут предсказать, когда кто-то собирается приступить к насилию. Эти системы чрезвычайно предвзяты и далеко не надежны, но, вероятно, будут использоваться для оправдания чрезмерной силы или неправомерного задержания любого, кого система сочтет «злым» или «обманчивым». Использование алгоритмов для выявления людей для задержания или дисциплинарной проверки чрезвычайно опасно и сделает гораздо больше для усиления существующей предвзятости, чем для обеспечения безопасности кого-либо.

Некоторые исследователи дошли до того, что предположили, что «преступность» можно предсказать по лицу. Это явно неправда. Такая технология неприемлемо усугубила бы более серьезные проблемы с прогностической охраной.

Примите меры 

Снижение рисков, связанных со многими формами распознавания лиц, требует, чтобы каждый из нас был уполномочен принимать окончательное решение о том, как наши биометрические данные собираются, используются или передаются. Чтобы защитить себя и свое сообщество от несанкционированного сбора биометрических данных корпорациями, свяжитесь со своими представителями и попросите их присоединиться к сенаторам Джеффу Меркли и Берни Сандерсу в отстаивании национального закона о конфиденциальности биометрической информации.

Использование правительством технологии распознавания лиц представляет собой еще большую угрозу нашим основным свободам. Вот почему государственные органы должны положить конец этой практике, и точка. Более дюжины сообществ от Сан-Франциско до Бостона уже приняли меры, запретив своим местным агентствам использовать эту технологию. Чтобы узнать, как вы можете предпринять шаги сегодня, чтобы прекратить использование правительством технологии распознавания лиц в вашем регионе, посетите страницу ресурса EFF About Face.

Чтобы ознакомиться с предлагаемой классификацией различных видов распознавания лиц, обсуждаемых в этом посте, ознакомьтесь со списком часто используемых терминов.

Распознавание лиц повсюду. Вот что мы можем с этим сделать.

Мы самостоятельно проверяем все, что рекомендуем. Когда вы покупаете по нашим ссылкам, мы можем получать комиссию. Узнать больше›

Real Talk

Советы, выбор персонала, разрушение мифов и многое другое. Позвольте нам помочь вам. 15 июля 2020 г. . В то время как многие люди используют распознавание лиц просто как способ разблокировать свои телефоны или сортировать свои фотографии, то, как компании и правительства используют его, окажет гораздо большее влияние на жизнь людей.

Когда речь идет о принадлежащем вам устройстве или используемом вами программном обеспечении, вы можете отказаться или отключить распознавание лиц, но из-за повсеместного распространения камер эту технологию становится все труднее избегать в общественных местах. Опасения по поводу такой повсеместности, усиленные свидетельствами расового профилирования и идентификации протестующих, заставили крупные компании, включая Amazon, IBM и Microsoft, ввести мораторий на продажу своего программного обеспечения правоохранительным органам. Но по мере того, как моратории истекают, а технология распознавания лиц становится все лучше и дешевле, обществу необходимо будет ответить на важные вопросы о том, как следует регулировать распознавание лиц, а также на небольшие вопросы о том, какие услуги каждый из нас готов использовать и чем мы жертвуем конфиденциальностью. каждый готов сделать.

Как работает программное обеспечение для распознавания лиц

Большинство людей десятилетиями видели, как распознавание лиц используется в фильмах (видео), но оно редко изображается правильно. Каждая система распознавания лиц работает по-своему — часто построена на запатентованных алгоритмах, — но вы можете разделить процесс на три основных типа технологий:

• Обнаружение — это процесс поиска лица на изображении. Если вы когда-либо использовали камеру, которая распознает лицо и рисует вокруг него рамку для автоматической фокусировки, вы видели эту технологию в действии. Само по себе это не является гнусным — распознавание лиц фокусируется только на поиске лица, а не личности, стоящей за ним.
• Анализ (также известный как атрибуция) — это шаг, который отображает лица — часто путем измерения расстояния между глазами, формы подбородка, расстояния между носом и ртом — и затем преобразует это в строку чисел или точек. , часто называемый «отпечатком лица». Фильтры Goofy Instagram или Snapchat используют аналогичную технологию (видео). Хотя анализ может страдать от сбоев, особенно связанных с ошибочной идентификацией, обычно это проблематично только тогда, когда отпечаток лица добавляется в базу данных распознавания.
• Распознавание — попытка подтвердить личность человека на фотографии. Этот процесс используется для проверки, например, в функции безопасности на более новом смартфоне, или для идентификации, которая пытается ответить на вопрос «Кто на этом изображении?» И именно здесь технология выходит на более жуткую сторону вещей.

Фаза обнаружения распознавания лиц начинается с алгоритма, который изучает лицо. Обычно создатель алгоритма делает это, «обучая» его фотографиям лиц. Если вы втиснете достаточно картинок для обучения алгоритма, со временем он поймет разницу, скажем, между розеткой и лицом. Добавьте еще один алгоритм для анализа и еще один для распознавания, и вы получите систему распознавания.

Разнообразие фотографий, загруженных в систему, сильно влияет на ее точность на этапах анализа и распознавания. Например, если наборы выборок в основном включают белых мужчин — как это было при обучении систем раннего распознавания лиц — программам будет сложно точно идентифицировать лица BIPOC и женщин. Лучшее программное обеспечение для распознавания лиц начало исправлять это в последние годы, но белые мужчины по-прежнему реже получают ложные совпадения (PDF), чем другие группы; некоторые программы ошибочно идентифицируют чернокожих и азиатов в 100 раз чаще, чем белых мужчин. Мутале Нконде, сотрудник Лаборатории цифрового гражданского общества в Стэнфорде и член Консультативного совета по контенту TikTok, отмечает, что даже если системы работают идеально, проблемы с гендерной идентификацией остаются: «Ярлыки обычно бинарные: мужчина, женщина. Система такого типа не может смотреть на небинарных или даже на тех, кто совершил переход».

После того, как компания научит свое программное обеспечение обнаруживать и распознавать лица, оно сможет находить и сравнивать их с другими лицами в базе данных. Это шаг идентификации , на котором программное обеспечение обращается к базе данных фотографий и перекрестных ссылок, чтобы попытаться идентифицировать человека на основе фотографий из различных источников, от фотоснимков до фотографий, скопированных из социальных сетей. Затем он отображает результаты, обычно ранжируя их по точности. Эти системы кажутся сложными, но с некоторыми техническими навыками вы можете самостоятельно создать систему распознавания лиц с готовым программным обеспечением.

Краткая история распознавания лиц

Корни распознавания лиц зародились в 1960-х годах, когда Вудро Вильсон Бледсо разработал систему измерений для классификации фотографий лиц. Затем новое неизвестное лицо можно было сравнить с точками данных ранее введенных фотографий. Система не была быстрой по современным меркам, но она доказала, что идея заслуживает внимания. К 1967 году интерес со стороны правоохранительных органов уже начал проявляться, и такие организации, по-видимому, финансировали продолжающиеся исследования Бледсо, которые так и не были опубликованы, по программе сопоставления.

В 2001 году сотрудники правоохранительных органов использовали распознавание лиц в толпе на XXXV Суперкубке.

На протяжении 70-х, 80-х и 90-х годов новые подходы с броскими названиями, такие как «подход Eigenface» (PDF) и «Fisherfaces», улучшили способность технологии находить лицо, а затем идентифицировать черты, прокладывая путь для современных автоматизированные системы.

Первый резкий переход системы распознавания лиц на публичную сцену в США также вызвал первые большие споры. В 2001 году сотрудники правоохранительных органов использовали распознавание лиц в толпе на XXXV Суперкубке. Критики назвали это нарушением прав Четвертой поправки против необоснованных обысков и конфискаций. В том же году эта технология впервые широко использовалась полицией с базой данных, находящейся в ведении шерифа округа Пинеллас, которая теперь является одной из крупнейших местных баз данных в стране.

Перенесемся на несколько лет вперед, в 2008 год, когда вступил в силу Закон штата Иллинойс о конфиденциальности биометрической информации, ставший первым законом такого рода в США, регулирующим незаконный сбор и хранение биометрической информации, включая фотографии лиц. Дженнифер Линч, директор по судебным разбирательствам в Electronic Frontier Foundation, описывает BIPA как модель коммерческого регулирования. «Иллинойс требует уведомления и письменного согласия на сбор любых биометрических данных», — говорит она. «На данный момент Иллинойс — единственный штат, который требует этого».

2010-е годы положили начало современной эре распознавания лиц, когда компьютеры наконец-то стали достаточно мощными для обучения нейронных сетей, необходимых для того, чтобы сделать распознавание лиц стандартной функцией. В 2011 году распознавание лиц помогло подтвердить личность Усамы бен Ладена. В 2014 году Facebook публично представил свое программное обеспечение для фототегирования DeepFace, в том же году распознавание лиц сыграло ключевую роль в осуждении вора в Чикаго, и в том же году Эдвард Сноуден опубликовал документы, показывающие, в какой степени правительство США собирало изображения для создания база данных. В 2015 году полиция Балтимора использовала распознавание лиц для идентификации участников протестов, возникших после того, как Фредди Грей был убит из-за травмы позвоночника, полученной в полицейском фургоне.

Clearview AI попал в новости в начале 2020 года, когда The New York Times сообщила, что компания регулярно запускает свое программное обеспечение для распознавания с базой данных фотографий, извлеченных из источников в Интернете, включая социальные сети, новостные сайты и сайты по трудоустройству.

Распознавание лиц впервые появилось на персональных устройствах в качестве функции безопасности с помощью Windows Hello и Android Trusted Face в 2015 году, а затем с появлением iPhone X и Face ID в 2017 году.0003

• В 2017 году президент Дональд Трамп издал указ об ускорении использования системы распознавания лиц на границах США (с тех пор частные авиакомпании предпринимают собственные усилия по внедрению этой технологии).
• В 2018 году служба безопасности Тейлор Свифт использовала распознавание лиц для выявления преследователей, и Китай быстро расширил его использование. Распознавание лиц пришло в Мэдисон-Сквер-Гарден в качестве общей меры безопасности, и розничные торговцы в США экспериментировали с этой технологией, чтобы отслеживать как законных покупателей, так и воров.
• В 2019 году домовладелец в Нью-Йорке попытался установить его вместо ключей, и несколько школ попытались сделать то же самое.
• Сегодня несколько городов — Сан-Франциско, Окленд и Беркли в Калифорнии, а также Бостон и Сомервилл в Массачусетсе — запретили использование системы распознавания лиц государственными органами. В стране также произошел первый известный случай ложного срабатывания, приведший к аресту в США. После того, как в июне начались протесты Black Lives Matter против жестокости полиции, несколько крупных поставщиков систем распознавания лиц, в том числе Amazon, IBM и Microsoft, приостановили продажу своих технологий правоохранительным органам.

Однако на арену вышли другие, новые игроки. Clearview AI попал в новости в начале 2020 года, когда The New York Times сообщила, что компания регулярно запускает свое программное обеспечение для распознавания в базу данных фотографий, извлеченных из источников в Интернете, включая социальные сети, новостные сайты и сайты по трудоустройству, такие как Wirecutter и многие другие. , смогли подтвердить с помощью тестирования — в процессе, который использовался для выявления подозреваемых. В мае 2020 года ACLU подал иск против Clearview AI в суд штата Иллинойс, утверждая, что он нарушает права жителей Иллинойса на неприкосновенность частной жизни в соответствии с BIPA. Clearview AI выделяется только тем, что подвергается общественному контролю: существуют также менее этичные компании-разработчики программного обеспечения — компании, которые будут продавать свое программное обеспечение местным правоохранительным органам, как правило, без надзора или общественного контроля относительно того, откуда берутся фотографии или как работают алгоритмы идентификации. работай.

Аргументы за и против распознавания лиц

Сторонники распознавания лиц предполагают, что программное обеспечение полезно, поскольку наряду с идентификацией подозреваемых оно может отслеживать известных преступников и помогать идентифицировать детей-жертв жестокого обращения. В толпе он может отслеживать подозреваемых на крупных мероприятиях и повышать безопасность в аэропортах или на пограничных переходах. Самый старый тип программного обеспечения для распознавания лиц пропускает фотографию через базу данных, контролируемую государством, например, базу данных ФБР, содержащую более 400 миллионов фотографий, включая водительские права из некоторых штатов, чтобы идентифицировать подозреваемого. Местные полицейские управления используют различные программы для распознавания лиц, которые часто приобретаются у частных компаний.

Существует длинный список преимуществ, которые распознавание лиц может предложить за пределами правоохранительных органов, добавляя удобство или безопасность в повседневные вещи и опыт. Распознавание лиц полезно для систематизации фотографий, полезно для защиты таких устройств, как ноутбуки и телефоны, а также полезно для слепых и слабовидящих людей. Это может быть более безопасный вариант для входа в места бизнеса, защиты от мошенничества в банкоматах, регистрации на мероприятия или входа в онлайн-аккаунты. Рекламные и коммерческие приложения распознавания лиц обещают широкий спектр предполагаемых преимуществ, включая отслеживание поведения покупателей в магазине для персонализации рекламы в Интернете.

Бренда Леонг, старший юрисконсульт и директор по искусственному интеллекту и этике на форуме Future of Privacy Forum, предположила в интервью, что сторонники указывают на распознавание лиц как на замену программам лояльности или закрытому доступу: «Вы просто проходите через набор камер и все эти вещи происходят очень плавно: спортивные арены, места проведения мероприятий, парки развлечений, все эти места либо используют, либо будут иметь идеи о том, как использовать это аналогичным образом».

Распознавание лиц полезно для систематизации фотографий, полезно для защиты таких устройств, как ноутбуки и телефоны, и полезно для слепых и слабовидящих людей.

Оппоненты не считают, что эти преимущества стоят рисков для конфиденциальности, и при этом они не доверяют системам или людям, которые ими управляют. Первый пункт разногласий заключается в самом акте сбора: правоохранительным органам очень легко собирать фотографии, но для публики почти невозможно избежать фотографирования. Фотографы, например, происходят после ареста, но до вынесения приговора. Частота ошибок при распознавании также проблематична, как в ложноположительном смысле, когда невиновное лицо идентифицируется ложно, так и в ложноотрицательном смысле, когда виновное лицо не идентифицируется.

Программное обеспечение для распознавания лиц, используемое правоохранительными органами, в настоящее время недоступно для публичного аудита, а алгоритмы, лежащие в основе программного обеспечения для обнаружения и идентификации, часто представляют собой закрытые проприетарные системы, которые исследователи не могут исследовать. Когда общественность не знает, как работают эти системы распознавания лиц или насколько они точны, общественность не знает, правильно ли используются эти системы, особенно в правоохранительных органах. Джозеф Флорес, разработчик программного обеспечения, который в свободное время использует машинное обучение для художественных проектов (раскрытие информации: я работал над связанными художественными проектами с Флоресом, для развлечения, а не для получения прибыли), объяснил мне, как он часто преднамеренно искажает свои наборы данных. Чтобы получить результаты, которые он хочет, правоохранительные органы также могут сделать то же самое: «Вы можете сделать то же самое с вашими данными распознавания лиц правоохранительных органов, чтобы убедиться, что ваши друзья были неузнаваемы, а ваши враги были ошибочно идентифицированы как преступники». Флорес добавляет: «Трудно оспаривать законность или надежность математики, которую вы не можете проверить. Особенно с масштабом данных, о котором мы говорим. Без обзора все фальсифицируемо и просто современная френология».

Общественность не знает, правильно ли используются эти системы распознавания лиц, особенно в правоохранительных органах.

Еще одной растущей проблемой является интерес правоохранительных органов к распознаванию в режиме реального времени в видеотрансляциях в прямом эфире или в кадрах с нательных камер полиции. Но даже города, которые с энтузиазмом продвигали эту технологию, такие как Орландо, штат Флорида, где полицейское управление использовало программное обеспечение Amazon Rekognition, чтобы попытаться идентифицировать подозреваемых в режиме реального времени с помощью видеопотоков, свернули эти усилия после того, как технология не оправдала ожиданий. ожидания. Но тот факт, что распознавание лиц в режиме реального времени все еще страдает от серьезных сбоев при тестировании в реальном времени, не означает, что оно не получит широкого распространения в будущем. Эта идея настолько ужасна для некоторых сообществ, что эта практика уже временно запрещена в Калифорнии, Орегоне и Нью-Гэмпшире.

Будущее распознавания лиц и регулирования

Вообще говоря, будущее распознавания лиц может принять любую из трех возможных форм: полное отсутствие регулирования, частичное регулирование и запрет.

Без регулирования

Черное зеркало эпизодов, иллюстрирующих мир, лишенный регулирования распознавания лиц, пишут сами себя. Бренда Леонг привела несколько примеров: «Очень легко создать очень оруэлловское будущее, где вещи следят за вами, куда бы вы ни пошли, по вашему лицу, потому что камеры повсюду. Если вы студент, это может быть буквально наблюдение за тем, сосредоточены ли вы на своей работе или мечтаете. Если вы сотрудник, следите за своей активностью на своем компьютере или говорите, не ушли ли вы куда-то еще». Список возможностей наблюдения почти бесконечен: китайский «Social Credit Score» или использование лондонской полицией камер распознавания лиц в режиме реального времени позволяют заглянуть в одну особенно мрачную реальность.

Регламент

На момент написания этой статьи в США был предложен один закон на федеральном уровне, запрещающий полиции и ФБР использовать распознавание лиц, а также другой, допускающий исключения с ордером. Еще один законопроект требует, чтобы предприятия запрашивали согласие, прежде чем публично использовать программное обеспечение для распознавания лиц, а еще один запрещает его использование в государственном жилье. Хотя распознавание лиц, безусловно, переживает момент, до сих пор неясно, какой из этих законопроектов, если таковые имеются, получит достаточную поддержку, чтобы стать законом.

Когда кто-то говорит о регулировании распознавания лиц, он должен разделить идею на две части: регулирование коммерческого использования и регулирование использования государством, в том числе правоохранительными органами.

Для коммерческого использования, подчеркивает Леонг, основным направлением регулирования любой коммерческой функции — программы лояльности, VIP-доступа в тематический парк или чего-то еще — должно быть согласие. Распознавание лиц «никогда не должно использоваться по умолчанию», — говорит она. «Это никогда не должно быть частью стандартных условий обслуживания или политики конфиденциальности. И это никогда не должно быть похоже на то, что происходит, когда вы должны отказаться от этого». Самый простой способ увидеть, как такое регулирование может работать на практике на федеральном уровне, — это взглянуть на BIPA штата Иллинойс, который требует согласия, прежде чем организация сможет собирать и использовать биометрические данные (включая отпечатки лица), и налагает требования на хранение этих данных.

Список возможностей слежки почти бесконечен

Согласие может быть непростой задачей. Одно дело, когда магазин спрашивает, хотите ли вы пропустить показ своего удостоверения личности при входе, и другое, когда магазин использует эту технологию для отслеживания магазинных воров во всех точках франшизы. В качестве примера Дженнифер Линч из EFF указывает на недавний случай с деловым районом в Лондоне, где компания разместила камеры в частной зоне, через которую проходили люди, работавшие поблизости: «Вы могли видеть, что деловой район может сказать: «О, «Ну, мы ставим знаки», — говорит Линч. «И поэтому люди знают, что, когда они ходят в этом районе или их лицо записывается и захватывается, но я действительно не верю, что люди действительно могут дать осмысленное согласие в этой ситуации. Если вы работаете в этой области, у вас может не быть выбора работать где-то еще».

Когда дело доходит до использования правительством системы распознавания лиц, предлагаемые политические подходы расходятся. Леонг говорит, что, хотя основное внимание форума Future of Privacy Forum уделяется коммерческому использованию распознавания лиц, группа также хотела бы увидеть регулирование использования государством. «Нам бы очень хотелось увидеть открытое, преднамеренное руководство регулирующих органов относительно того, как правительство может и должно использовать распознавание лиц, — говорит она, — даже если это просто такие вещи, как действительно четкое определение того, какие уровни ордера или вероятной причины требуются для агентств. чтобы получить к нему доступ».

Другие группы, в том числе EFF, считают, что регулирование правоохранительных органов недостаточно далеко.

Запрет

Линч вместе с EFF утверждает, что регулирования недостаточно. «Мы настаиваем на запрете или, по крайней мере, моратории на федеральном уровне, уровне штата и местном уровне на использование правительством системы распознавания лиц», — говорит Линч. «Это действительно революционная технология, и я думаю, что мы находимся в ключевом моменте в истории, когда мы можем предотвратить широкое использование правительством распознавания лиц».

Несмотря на то, что распознавание лиц решает проблему разнообразия, все еще остается слишком много потенциальных проблем, связанных с тем, как оно используется. «Индустрия безопасности и полиции основана на идее, что чернокожие опасны», — говорит Мутале Нконде. «И поэтому, когда мы думаем об инструментах для охраны правопорядка или инструментах безопасности, это будет непропорциональное развертывание против чернокожих». Вот почему Нконде поддерживает прямой запрет на использование программного обеспечения: «Я бы хотел, чтобы запрет был связан с людьми, просто потому, что я думаю, что компромиссы в отношении конфиденциальности слишком велики».

Советы по обеспечению конфиденциальности при использовании повседневных вещей с функцией распознавания лиц

Хотя изменения в политике, будь то в форме регулирования или запрета, предлагают наиболее четкий путь вперед в национальном масштабе, принятие таких изменений требует времени. Между тем, есть более мелкие, но немаловажные способы ежедневного взаимодействия людей с распознаванием лиц, над которыми стоит глубоко задуматься.

«Я думаю, что проблема и место, где различия как бы размываются, заключается в том, что чем больше мы используем распознавание лиц, тем меньше мы начинаем думать об этом, тем меньше мы думаем об этом как о рискованном в мире, мы привыкните к этому», — говорит Линч. «Я думаю, что это скользкий путь от использования распознавания лиц на вашем телефоне до того, как правительство использует распознавание лиц, чтобы отслеживать нас, куда бы мы ни пошли».

• Как насчет распознавания лиц в Google Photos или Apple Photos? Организация фотографий впервые увидела распознавание лиц в действии. Apple устроила большое шоу, описав, как ее данные распознавания лиц в фотографиях работают на устройстве (PDF). Эта технология более конфиденциальна, чем облачный сервер, но менее точна, чем облачное программное обеспечение. Группировка лиц в Google Фото может быть очень точной, но широкий спектр сервисов и устройств Google означает, что компания склонна щедро делиться данными между сервисами, которые она предоставляет. В 2016 году в Иллинойсе против Google подали в суд за использование технологии распознавания лиц, но позже этот иск был отклонен. В 2020 году в новом коллективном иске говорится о аналогичном правонарушении. Хотя возможность упорядочивать фотографии по лицам с помощью функции распознавания лиц в приложении для фотографий предлагает измеримые преимущества, необходимо учитывать компромисс в отношении конфиденциальности. Трудно точно знать, как компания может злоупотреблять вашими данными; так было в случае с компанией Ever, занимающейся хранением фотографий, клиенты которой обучали алгоритм Ever AI, не осознавая этого. Вы можете отключить группировку лиц в Google Фото. Вы не можете отключить соответствующую функцию в приложении «Фотографии» от Apple, но если вы не войдете и не свяжете фотографию с именем, данные распознавания никогда не покинут ваше устройство.
• Как насчет Facebook? Facebook, вероятно, обладает самым большим набором данных о лицах, когда-либо собранных, и если Facebook что-то и доказал за эти годы, так это то, что люди не должны доверять компании в правильном поведении с данными, которые она собирает. Facebook недавно согласился заплатить 550 миллионов долларов, чтобы урегулировать судебный процесс в Иллинойсе по поводу его системы пометки фотографий. Вот как отказаться.
• Как насчет разблокировки телефона или компьютера? Поскольку функции работают сейчас, разблокировка лица обычно происходит только на самом устройстве, и эти данные никогда не загружаются на сервер и не добавляются в базу данных.
• Как насчет распознавания лиц в домашних камерах видеонаблюдения? Системам, стоящим за камерами видеонаблюдения, не хватает четкого согласия, поскольку они автоматически регистрируют и регистрируют людей, часто вопреки местным законам о конфиденциальности — этической проблеме, которую многие люди не учитывают. Прямо сейчас лишь несколько камер домашней безопасности включают распознавание лиц, в том числе умный дверной звонок Wirecutter, Nest Hello от Google. Однако распознавание лиц на камерах Nest по умолчанию отключено. Более тревожным для защитников конфиденциальности является потенциальное включение распознавания лиц в камеры Ring — систему, которая передает данные полиции через приложение Neighbours.
• Вам нужно беспокоиться об этих глупых приложениях для лица, которые появляются раз в год или около того? Последним прорывом в этой сфере стало приложение FaceApp, которое завоевало популярность, позволяя людям стареть. Хотя компания заявляет, что не использует приложение для обучения программного обеспечения для распознавания лиц, трудно понять, что может произойти с данными, которые собирает приложение, если компания будет продана. То же самое касается любой следующей версии FaceApp. Лучше всего опасаться этого типа программного обеспечения.
• Может ли система распознавания лиц идентифицировать вас, если вы носите маску? Сейчас это маловероятно, но может быть в будущем. Одна компания в Китае смогла заставить распознавание лиц работать на 95% носителей масок, но это конкретное программное обеспечение было разработано для небольших баз данных, насчитывающих около 50 000 сотрудников. Компании пытаются решить эту проблему.

Куда движется общество, обещает быть смесью политики и поправок к личным привычкам людей, но разговор о технологии, скорее всего, никуда не денется еще долго. Как и любая технология, распознавание лиц само по себе является просто программным обеспечением, но, как отмечает Мутале Нконде, важно то, как общество его использует: является агностиком».

Дополнительная литература

• 16 практических советов по конфиденциальности для вашего iPhone

  Торин Клосовски

  С помощью нескольких простых изменений в настройках конфиденциальности и безопасности вы можете контролировать объем информации, которую ваш iPhone и ваши приложения собирают и используют. . 11 практических советов по конфиденциальности для вашего телефона Android .