استفاده از تکنولوژی تشخیص چهره در شناسایی مظنونان ترور

درک تکنولوژی تشخیص چهره و نقش آن در امنیت مدرن

فناوری تشخیص چهره به عنوان یکی از ابزارهای تحول پذیر در مبارزه جهانی علیه تروریسم ظهور کرده است، این تکنولوژی قدرتمند اجازه می دهد تا شناسایی سریع و دقیق افراد و کمک ها در جلوگیری از فعالیت های تروریستی و امن تر شدن فضاهای عمومی را داشته باشد، زیرا تهدیدات امنیتی همچنان در پیچیدگی و مقیاس تکامل می یابند، دولت ها و سازمان های اجرای قانون در سراسر جهان به طور فزاینده ای به سیستم های پیشرفته بیومتریک برای محافظت از شهروندان و زیرساخت های خود تبدیل می شوند.

بر اساس تحقیقات بازار و بازارها، بازار تشخیص چهره برای رسیدن به 8.5 میلیارد دلار در 2025 آماده است، بیش از 23.6 میلیارد دلار در سال 2020، این رشد انفجاری نه تنها نشان دهنده قابلیت های در حال گسترش تکنولوژی است بلکه اهمیت حیاتی آن در چارچوب های امنیت ملی نیز دارد.

در هسته آن، تکنولوژی تشخیص چهره نشان دهنده یک ازدواج پیچیده از بینایی کامپیوتر، هوش مصنوعی و تجزیه و تحلیل بیومتریک است.تکنولوژی ویژگی های چهره انسان را به نمایندگی های ریاضی دیجیتالی می کند که کامپیوترها می توانند پردازش و مقایسه کنند، تجزیه و تحلیل ویژگی های چهره کلیدی مانند فاصله بین چشم فرد، پل بینی، خطوط فک، و ساختار گونه، و سپس ایجاد قالب های بیومتریک منحصر به فرد برای بررسی هویت های پیشگیری از پایگاه داده ها اساساً تغییر می کند و تفاوت در این روند شناسایی و سیستم های امنیتی.

تکامل تکنولوژی تشخیص چهره

از آغاز اولیه به سیستم های قدرتمند AI

این تکنولوژی به دهه 1960 برمی گردد که مردی به نام وودرو ویلسون برسرشیو برای اولین بار با سیستمی برای مرتب کردن عکس های چهره با استفاده از یک تبلت خاص، این سیستم های اولیه با استانداردهای امروز، نیاز به ورودی دستی و عملیاتی تحت شرایط بسیار کنترل شده، برخی از افراد باهوش از 21 نشانگر خاص، مانند رنگ و لب استفاده می کردند، که به طور خودکار، شناسایی چهره جدید و سیستم های E90 را مشاهده می کردند.

تغییر واقعی بازی در دهه ۲۰۰۰ با رسانه های اجتماعی اتفاق افتاد، به طور ناگهانی میلیون ها عکس برچسب خورده به صورت آنلاین وجود داشت، و این سیستم ها یک پایگاه داده عظیم برای یادگیری از این فراوانی از داده های آموزشی، همراه با پیشرفت در الگوریتم های یادگیری ماشین، سیستم های تشخیص چهره را قادر کرد تا به دقتی برسند که قبلا غیر قابل تصور بودند، با هوش مصنوعی و یادگیری عمیق، سیستم های شناخت برای کسب و کار به طرز شگفت انگیزی دقیق شده اند.

سیستم های تشخیص چهره مدرن چگونه کار می کنند

سیستم های تشخیص چهره مدرن از طریق یک فرآیند چند مرحله ای که در میلی ثانیه اتفاق می افتد، عمل می کنند. مرحله اول شامل تشخیص چهره است، جایی که سیستم یک چهره را در یک تصویر یا فریم ویدیو مشخص و مشخص می کند، این با هم تراز صورت دنبال می شود، جایی که سیستم موقعیت، اندازه و جهت گیری را برای اطمینان از تجزیه و تحلیل مداوم بدون توجه به زاویه یا فاصله دوربین عادی می کند.

بعدی استخراج ویژگی می آید، جایی که سیستم ویژگی های چهره متمایز را شناسایی و اندازه گیری می کند، این اندازه گیری ها به یک نمایندگی ریاضی به نام یک قالب چهره یا امضای بیومتریک تبدیل می شوند، در نهایت، سیستم با مقایسه این قالب در برابر قالب های ذخیره شده در یک پایگاه داده، ایجاد یک نمره مشابه که نشان دهنده احتمال یک بازی است.

سیستم های تشخیص چهره مدرن تصاویری از افراد را در سخت ترین شرایط بینایی و حرکت بررسی می کنند، این قابلیت برای برنامه های ضدتروریستی بسیار مهم است، جایی که مظنونان ممکن است در فیلم های نظارتی تحت شرایط کمتر از حد مطلوب، از جمله نور ضعیف، انحصار جزئی یا در زوایای مبهم اسیر شوند.

برنامه های استراتژیک در عملیات ضد تروریسم

نظارت بر زمان واقعی و تشخیص تهدید

فناوری تشخیص چهره به عنوان یک ابزار تحول در مبارزه با تروریسم ظهور کرده است، ارائه توانایی های پیشرفته برای شناسایی، نظارت و دستگیری افراد مورد علاقه، با تمرکز بر سه برنامه خاص: نظارت بر زمان واقعی، کنترل مرزی و فرآیندهای تحقیقاتی.در فضاهای عمومی شلوغ، قطب های حمل و نقل و در طول رویدادهای عمده، سیستم های تشخیص چهره می توانند به طور مداوم جمعیت را اسکن و هشدار فوری کارکنان امنیتی هنگامی که یک فرد مورد توجه تشخیص داده می شود.

AI امکان هشدار خودکار و بررسی هویت گروه های گسترده ای از مردم را در مقیاس و سرعت ممکن نمی سازد، این قابلیت به ویژه در طول رویدادهای با مشخصات بالا که جمعیت بزرگ جمع آوری، مانند تظاهرات سیاسی، رویدادهای ورزشی یا جشنواره های فرهنگی می تواند سیستم های تشخیص چهره را برای نظارت بر نقاط ورود و جنبش های جمعیت، شناسایی تهدیدات بالقوه قبل از اینکه آنها بتوانند حملات مادی را به آن تبدیل کنند، ارزشمند است.

امنیت پیشرفته نظارت مداوم در مناطق با ترافیک بالا را فراهم می کند، افراد مورد علاقه را شناسایی می کند و افراد گمشده را با کارایی بی سابقه ای پیدا می کند.توانایی تکنولوژی برای کار مداوم بدون خستگی آن را به یک مکمل ارزشمند برای پرسنل امنیتی انسانی تبدیل می کند که می تواند توجه خود را در مورد هشدار ها و پاسخ به تهدیدات بالقوه متمرکز کند.

امنیت مرزی و کنترل مهاجرت

عبور مرزی و فرودگاه ها نشان دهنده نقاط ضعف بحرانی در تلاش های ضدتروریسم است، اگر یک فرد (از جمله یک تروریست) از خارج به ایالات متحده بیاید، او یا احتمالا از طریق یک سیستم بازرسی مهاجرت در بندر ورود به کشور و از منظر مبارزه با بازرسی، این ایست بازرسی نقطه ای است که در آن فن آوری تشخیص چهره آسیب پذیر است.

FRT ها برای تأیید اینکه فردی که از طریق کنترل مرزی عبور می کند، در واقع فردی است که در یک سند شناسایی (به عنوان مثال گذرنامه) تصویر شده است و Interpol سیستم اول پروژه خود را برای کمک به مقامات دولتی برای شناسایی مبارزان تروریستی خارجی (FTFs) مستقر کرده است، این سیستم ها می توانند به سرعت مسافران را پردازش کنند در حالی که به طور همزمان هویت خود را در برابر چک لیستی از تروریست های شناخته شده یا مظنون بررسی می کنند، به طور قابل توجهی افزایش امنیت بدون ایجاد جریان اصلی مسافر.

بیومتریک می تواند از سرقت هویت و تقلب در مهاجرت در استفاده از اسناد مسافرتی جلوگیری کند، به عنوان یک قالب بیومتریک اثر انگشت فرد به سند متصل می شود، مانند گذرنامه یا ویزا، در یک کد بار، تراشه یا نوار مغناطیسی، که باعث می شود فرد هویت دیگری را در هنگام ترکیب با تشخیص چهره، این رویکرد چند لایه بیومتریک ایجاد یک روش قوی در برابر استفاده از تروریست های سرقت شده یا اسناد جعلی.

برنامه های سرمایه گذاری و قانونی

سیستم های بیومتریک می توانند تروریست های شناخته شده یا مظنون را با استفاده از تشخیص چهره بیومتریک یا روش Facecheck شناسایی کنند، زمانی که یک عکس از تروریست مظنون در دسترس است و این در مقابل یک لیست یا پایگاه داده از قالب های مشکوک تروریست ها جستجو می شود، این قابلیت در تحقیقات پس از شناسایی ارزشمند است، جایی که آژانس های امنیتی فیلم های نظارتی را برای شناسایی عاملان و همکاران خود تجزیه و تحلیل می کنند.

بهره وری اجرای قانون سرعت شناسایی مظنون و حل پرونده را از طریق تطبیق خودکار در برابر سوابق موجود، به جای بررسی دستی ساعت فیلم و مقایسه چهره توسط چشم، محققان می توانند از تشخیص چهره به سرعت جستجو از طریق آرشیو گسترده ای از ویدئو نظارت، شناسایی مظنونان و ردیابی حرکات خود در چندین مکان و دوره های زمانی استفاده کنند.

ارتش آمریکا همچنین ارزش استراتژیک تشخیص چهره در عملیات ضدتروریسم را به رسمیت می شناسد. فرماندهی عملیات ویژه ایالات متحده (USSOCOM) زمینه ای را برای گسترش قابل توجه هوش هویت و قابلیت های بهره برداری از آن، ترسیم یک دیدگاه گسترده و از نظر فنی بلند پروازانه برای چگونگی جمع آوری نیروهای عملیات ویژه، تجزیه و تحلیل و بهره برداری از داده های مرتبط با هویت در طول ماموریت ها، به دنبال درک دقیق از فناوری های شناسایی و تجزیه و تحلیل سریع است:

مزایای عملیاتی در پیشگیری از تروریسم

سرعت و مقیاس شناسایی

یکی از مهم ترین مزایای فناوری تشخیص چهره در مبارزه با تروریسم توانایی پردازش و تجزیه و تحلیل چهره ها با سرعت های بسیار بالاتر از توانایی های انسانی است، تکنولوژی جدید قدرت جدیدی را به دولت داده است تا شناسایی تروریست های شناخته شده قبلی را که قصد دارند حملات را به شهروندانی که دولت باید از آن محافظت کند، و قدرت انجام این کار، اگر به طور موثر کار کند، به رسمیت شناختن تروریسم کمک کند، به عنوان فن آوری های تشخیص چهره به طور دقیق وعده می دهد که قدرت دولت را می دهد.

روش های سنتی شناسایی مظنونان به شدت بر حافظه انسانی و مقایسه دستی عکس ها، فرآیندهایی که زمان بر و مستعد خطا بودند، متکی بود.یک افسر امنیتی که یک فرودگاه شلوغ را رصد می کرد، تنها می تواند تعداد محدودی از افراد را در یک زمان مشاهده کند و حتی باتجربه ترین پرسنل می توانند مظنون را در یک دریای از سیستم های تشخیص چهره از دست بدهند.

این قابلیت به ویژه در موقعیت های حساس به زمان بسیار مهم است که در آن هر ثانیه به عنوان یک سازمان اطلاعاتی در مورد یک تهدید قریب الوقوع دریافت می شود، سیستم های تشخیص چهره می توانند به سرعت برای اسکن شبکه های نظارت در سراسر شهرها، به طور بالقوه شناسایی مظنونان در عرض چند دقیقه به جای ساعت یا روز، مورد استفاده قرار گیرند.

قابلیت های نظارت پیشرفته

از طریق شناخت بیومتریک، الگوریتم یادگیری عمیق و تجزیه و تحلیل داده های بزرگ، دقت و کارایی کار هوش بهبود می یابد و کار نظارت سنتی تبدیل به یک مبارزه به جلو و تدافعی می شود. تشخیص چهره نظارت از یک ابزار واکنشی است که عمدتا برای تحقیقات پس از شناسایی در مورد یک سیستم فعال که قادر به جلوگیری از حملات قبل از وقوع آن است.

این تکنولوژی به سازمان های امنیتی اجازه می دهد تا شبکه های جامع دوربین های نظارت را ایجاد کنند که به جای نقاط مشاهده ای که جدا شده باشند، به عنوان یک سیستم یکپارچه عمل می کنند.هنگامی که شخصی از علاقه در یک مکان شناسایی می شود، سیستم می تواند حرکات خود را در سراسر شبکه ردیابی کند و پرسنل امنیتی را با هوش زمان واقعی در مورد فعالیت ها و انجمن های خود فراهم کند.

علاوه بر این، سیستم های تشخیص چهره می توانند بدون محدودیت های توجه و خستگی انسان به طور مداوم عمل کنند، در حالی که اپراتورهای انسانی ممکن است در طول تغییرات طولانی یا دوره های فعالیت کم، سیستم های خودکار هوشیاری مداوم را حفظ کنند و اطمینان حاصل کنند که هیچ تهدید بالقوه ای به آن بی اهمیت نمی شود.

اثر Deterrence

حضور سیستم های تشخیص چهره می تواند به عنوان یک بازدارنده قدرتمند برای فعالیت های تروریستی عمل کند، زمانی که مهاجمان بالقوه می دانند که چهره های آنها توسط سیستم های پیچیده بیومتریک ضبط و تجزیه و تحلیل می شود، آنها با خطرات بسیار بالاتری از شناسایی و سوء تفاهم مواجه می شوند.این آگاهی می تواند فرایند های برنامه ریزی را مختل کند، تروریست ها را مجبور به اتخاذ تاکتیک های کمتر موثر کند یا حملات را به طور کامل دلسرد کند.

اثر بازدارندگی فراتر از تهدید فوری شناسایی است.سیستم های تشخیص چهره یک رکورد دیجیتال دائمی ایجاد می کنند که می تواند مدت ها پس از وقوع یک حادثه تجزیه و تحلیل شود، این بدان معنی است که حتی اگر تروریست ها بتوانند از تشخیص فوری جلوگیری کنند، شواهد را پشت سر می گذارند که می توانند بعدا آنها را شناسایی کنند، حرکات آنها را ردیابی کنند و شبکه های خود را کشف کنند.

بهینه سازی منابع

فناوری تشخیص چهره به سازمان های امنیتی اجازه می دهد تا منابع محدود خود را با خودکارسازی وظایف شناسایی روتین و تمرکز بر تخصص انسانی که در آن بیشتر مورد نیاز است، به جای اختصاص پرسنل به نظارت دستی یا بررسی اسناد در گذرگاه های مرزی، آژانس ها می توانند سیستم های تشخیص چهره را برای رسیدگی به این وظایف در حالی که اپراتورهای انسانی بر تحقیق، انجام مصاحبه ها و تصمیم گیری های انتقادی تمرکز می کنند، بهینه سازی کنند.

این بهینه سازی به ویژه با توجه به مقیاس چالش های امنیتی مدرن بسیار مهم است، با میلیون ها مسافر که روزانه از فرودگاه ها عبور می کنند و ساعت های بی شماری از فیلم های نظارتی تولید شده در مناطق شهری، غیرممکن است که به صورت دستی تمام این اطلاعات را بررسی کنند.

چالش های بحرانی و محدودیت های فنی

دقت و مثبت کاذب

علی رغم پیشرفت های قابل توجه در فناوری تشخیص چهره، دقت همچنان یک نگرانی مهم است، به ویژه در برنامه های ضدتروریسم که در آن عواقب خطا می تواند شدید باشد. روش تشخیص چهره با نقص های تکنولوژیکی و ضعف شناسایی شده است، اما می تواند به طور عملیاتی برای به حداقل رساندن ضعف های آن استفاده شود.

اگرچه انسان ها به طور کلی می توانند فرآیندهای تشخیص چهره را به خوبی انجام دهند، اما این فعالیت ها هنوز برای سیستم های تکنولوژیکی بسیار چالش برانگیز هستند، اما اگر عکس تحت شرایط بسیار کنترل شده گرفته شود، سیستم ممکن است در شناسایی فرد یا حتی تشخیص چهره خود در عکس مشکل داشته باشد و سیستم زمانی که عوامل محیطی مانند زاویه دوربین، نورپردازی، بیان صورت و دیگران حداکثر حد ممکن کنترل می شوند، بهتر عمل می کند.

مثبت کاذب – که سیستم به طور نادرست کسی را به عنوان فردی از منافع شناسایی می کند – چالش های خاصی را در زمینه های ضدتروریسم ایجاد می کند – کسانی که فناوری به خوبی کار نمی کند، نمی توانند توسط FRT ها تأیید شوند – سوء ظن و نظارت غیر قابل توجه و موارد دیگر، آنها اغلب به اشتباه شناسایی می شوند، که ممکن است آنها را به عنوان یک روش های امنیتی جدی یا سوء استفاده از افراد متهم کنند.

NIST اخیرا یک آزمون بزرگ را با تمرکز بر شناسایی سوگیری در FRT انجام داد، با تاکید خاص بر نرخ مثبت کاذب - یعنی فرکانسی که یک الگوریتم تصویر یک فرد را به اشتباه شناسایی می کند و نتایج نشان داد که "یک جمعیت شناسی متقاطع، نرخ های مثبت کاذب اغلب با عوامل 10 تا 100 برابر متفاوت است"، بسته به اینکه الگوریتم ها در این تغییرات مهم در سیستم های تشخیص داده شده و دقیق استفاده می کنند.

دموگرافی Bias و Fairness الگوریتمی

یکی از جدی ترین چالش های تکنولوژی تشخیص چهره سوگیری جمعیتی است - تمایل به سیستم ها برای انجام کمتر دقیق در گروه های جمعیتی خاص. سه برنامه به صورت تجاری منتشر شده از شرکت های بزرگ تکنولوژی نشان می دهد هر دو نوع پوست و تعصبات جنسیتی، و در آزمایش های محققان، نرخ خطای سه برنامه در تعیین جنسیت مردان روشن پوست هرگز بدتر از 0.8 درصد، اما تیره تر از دو درصد در موارد دیگر است.

نرخ خطا برای مردان با نور برابر 0.8٪ است، در مقایسه با 34.7% برای زنان تیره تر، با توجه به مطالعه 2018 با عنوان "Gender Shadow" توسط Joy Buolamwini و Timnit Gebru، منتشر شده توسط آزمایشگاه رسانه MIT، این اختلاف چشمگیر در دقت نگرانی های جدی در مورد عدالت و درمان برابر تحت قانون زمانی که تشخیص چهره در زمینه های امنیتی و اجرای قانون استفاده می شود.

تن پوست به طور قابل توجهی بر دقت تأیید تأثیر می گذارد، با تن های پوستی سبک تر به طور مداوم از طریق خطوط میانی-سیاه اطلاع رسانی می کند.تحقیقات همچنین نشان داده است که افراد مرد به طور کلی دقت تشخیص بهتری نسبت به موضوعات زن به دست آورده اند، که به عواملی مانند انحصار ناشی از موهای طولانی تر و تغییرات در ظاهر صورت به دلیل آرایش، نسبت داده شده است.

در آگوست 2023، یک زن سیاه پوست پس از دستگیری افسران پلیس با استفاده از نرم افزار تشخیص چهره ضعیف، از اداره پلیس دیترویت شکایت کرد و این مشکل در نرم افزار تشخیص چهره شایع است که تمایل به تولید نرخ بالاتر از مثبت کاذب برای افراد غیر سفید دارد.

مطالعه NIST همچنین نتایج سوگیری آمیزی را در زمانی که به شرق آسیا، بومی آمریکایی، هندی، آلاسکا و جزایر اقیانوس آرام می آید، نشان می دهد که این مشکل به جای جدا شدن از جمعیت یا الگوریتم های خاص، سیستمیک است.

ریشه علل Bias

فناوری تشخیص چهره گام های بزرگی را با دقت به لطف مدل های پیشرفته هوش مصنوعی (AI) آموزش داده شده در مجموعه داده های عظیم تصاویر صورت، اما این مجموعه داده ها اغلب از نظر نژاد، قومیت، جنسیت و سایر دسته های جمعیتی، باعث می شود سیستم های تشخیص چهره در گروه های جمعیتی کمتر نشان داده شده در مقایسه با گروه های در دسترس در داده های آموزشی بدتر شوند.

مشکل سوگیری ناشی از چندین منبع است. مجموعه داده های تاریخی مورد استفاده برای آموزش الگوریتم های تشخیص چهره عمدتا چهره های مردان سفید برجسته، منعکس کننده جمعیت شناسی محققان و موسسات که آنها را ایجاد کرده اند، هنگامی که الگوریتم ها یاد می گیرند چهره ها را عمدتا از این مجموعه داده های محدود تشخیص دهند، آنها به طور طبیعی در صورت های مشابه عملکرد بهتری دارند و با چهره هایی که به طور قابل توجهی از داده های آموزش آنها متفاوت است، مبارزه می کنند.

بسیاری از این مسائل را به مجموعه داده های نامتعادل نسبت می دهند، اما این مشکل فراتر از نمایندگی ساده گسترش می یابد، حتی زمانی که مجموعه داده ها شامل چهره های متنوع، عوامل دیگر مانند شرایط نورپردازی، کیفیت دوربین و وضوح تصویر می تواند به طور نامتناسبی بر کیفیت تصاویر برای افراد با پوست تیره تر، مشکلات دقت ترکیب بیشتر تاثیر بگذارد.

تلاش برای Mitigate Bias

محققان و شرکت های فناوری شدت مشکل سوگیری را به رسمیت شناخته اند و به طور فعال بر روی راه حل ها کار می کنند.در سال 2018، مایکروسافت اعلام کرد که FRT تجاری آنها به روز رسانی شده است تا عملکرد را در سراسر نژاد و دسته های جنسیتی با گسترش داده های مورد استفاده برای آموزش الگوریتم های یادگیری ماشین و با بهبود طبقه بندی چهره برای دقت بیشتر، و این بهبود منجر به بهبود عملکرد، با توجه به شرکت، 20 بار کاهش خطا برای 9 برابر کاهش نرخ پوست و کاهش نرخ خطا برای زنان شد.

محققان پیش آموزش دیده سه مدل تشخیص چهره - ArcFace، AdaFace و ElasticFace - در یک مجموعه داده های مصنوعی بزرگ و متعادل که تولید کرده اند، و نتیجه نه تنها افزایش دقت کلی در مقایسه با مدل های آموزش دیده در مورد مجموعه داده های عدم تعادل موجود، بلکه همچنین به طور قابل توجهی کاهش سوگیری جمعیت، با مدل های آموزش دیده شده نشان می دهد دقت عادلانه تر در تمام گروه های نژادی در مقایسه با مدل های موجود عملکرد ضعیف در اقلیت های نشان می دهد.

در مجموعه داده های FairFace، دقت از 92.5٪ به 96.47٪ بهبود یافت، در حالی که درجه Bias (DoB) از 3.86 به 1.16 کاهش یافت، که نشان دهنده کاهش تقریبا 70٪ بود و به ویژه، دستاوردهای قابل توجه عملکرد برای گروه های کم نشان دیده شد، مانند بهبود دقت برای زنان سیاه پوست از 80٪ به 90.8٪، در حالی که حفظ عملکرد قوی برای گروه های به خوبی نشان داده شده است.

شبکه ی همبستگی (DebFace) از یک کد کننده تصویر به-کارگر، چهار طبقه ی صفت، یک طبقه بندی توزیع و یک شبکه تجمع ویژگی، و چهار طبقه بندی کننده ی کلاسی استفاده می کند که از نظر فنی، سن، نژاد و هویت، سوگیری های بالقوه را به ویژگی های آگاهانه تبدیل می کنند، بنابراین بهبود عملکرد در سراسر این سیستم های کاهش یافته، هر چند که از نظر فنی قابل توجه هستند، هر چند که این سیستم های کاهش قابل توجه است، اما برای اجرای آن ها، همه ی سیستم های فنی قابل توجه است.

نگرانی های حریم خصوصی و آزادی های مدنی

نظارت جمعی و حقوق حریم خصوصی

بیشتر همه چیز قدرتمند دارای یک طرف تاریک است و FRT استثنا نیست، زیرا مسائل جدی و نگرانی های مربوط به حریم خصوصی، اخلاق و تاثیر کلی اجتماعی را افزایش می دهد. استقرار فناوری تشخیص چهره برای اهداف مبارزه با تروریسم باعث بحث شدید در مورد تعادل بین امنیت و حریم خصوصی شده است، با منتقدان استدلال می کنند که نظارت گسترده آزادی های مدنی را تهدید می کند.

چالش های قانونی، اخلاقی و حریم خصوصی در اطراف نظارت جمعی شامل نگرانی در مورد هویت غلط، تقلب و تعصب در پایگاه داده است.توانایی پیگیری حرکات افراد در سراسر فضاهای عمومی بدون دانش و یا رضایت آنها سوالات عمیق در مورد ماهیت حریم خصوصی در جامعه مدرن و محدودیت های مناسب از قدرت نظارت دولت.

منتقدان به خطرات حریم خصوصی قابل توجه و نقض بالقوه آزادی های مدنی اشاره می کنند، نگرانی های مربوط به جمع آوری اطلاعات غیر مجاز، عدم رضایت و پتانسیل برای عملکرد خزنده - که از طریق آن داده های جمع آوری شده برای یک هدف غیر مرتبط بدون دانش و یا رضایت از فرد استفاده می شود، ترس این است که سیستم ها در ابتدا برای مبارزه با تروریسم به تدریج گسترش به نظارت شهروندان عادی در فعالیت های قانونی، ایجاد یک بیان که به صورت آزاد و ارتباط آزاد است.

دلایل مطرح شده برای چنین ممنوعیتی این است که FRT ها از سوگیری فراگیر رنج می برند و به مزایای و آسیب هایی که به طور نابرابر در میان گروه ها توزیع می شود، دولت به ناچار از این تکنولوژی ها برای مقاصد غیرقانونی استفاده می کند و وجود FRT ها رفتار ما را خنک می کند (به عنوان مثال، مردم را به خاطر ترس از نظارت سانسور می کند).

پاسخ های نظارتی و بان ها

در سال 2019، سان فرانسیسکو اولین شهر ایالات متحده برای ممنوعیت فناوری تشخیص چهره (FRT) شد، به ویژه استفاده از پلیس و دیگر سازمان ها را و از آن زمان، چندین شهر دیگر آمریکایی نیز ممنوعیت های مشابه FRT خود را با شوراهای شهر بوستون به صراحت یک مسئله خاص را برجسته کردند: این ممنوعیت ها منعکس کننده نگرانی عمومی در مورد تکنولوژی بالقوه برای سوء استفاده و صحت آن است.

بیش از دوازده شهر بزرگ این تکنولوژی را ممنوع کرده اند، از جمله مینیاپولیس، بوستون و سان فرانسیسکو، این ممنوعیت های محلی مانع از سازمان های فدرال و بسیاری از حوزه های قضایی دیگر نشده اند تا به منظور اهداف امنیتی، شناسایی صورت را گسترش دهند و یک تکه از مقررات را ایجاد کنند که به طور قابل توجهی با مکان متفاوت است.

اتحادیه اروپا رویکردی جامع تر اتخاذ کرده است، با استفاده از فن آوری های تشخیص چهره در زمینه اعتراض صلح آمیز، خطر اقدامات نظارت جمعی را افزایش داده و پیامدهای حفاظت از حقوق بشر را تنظیم کنندگان اروپایی محدودیت های جدی در مورد استفاده از تشخیص چهره در فضاهای عمومی را پیشنهاد کرده اند، و برخی از آنها از آنها برای ممنوعیت کامل حمایت می کنند، به جز در شرایط محدود تعریف شده شامل جرایم جدی یا تهدیدات قریب الوقوع.

تعادل امنیت و آزادی

این مهم است که اگر دولت بتواند از این تکنولوژی برای افزایش قدرت خود برای مقابله با تروریسم استفاده کند، این قدرت محدود به گونه ای است که سوء استفاده ها و رفتار سرد رخ نمی دهد و دولت باید محدودیت های نهادی ایجاد کند که تنها اجازه می دهد تا FRT ها در مکان هایی که مردم (و نباید) از انتظار معقول حریم خصوصی (مانند فرودگاه ها، عبور از مرز) استفاده کنند، استفاده شود.

دوربین های مجهز به FRT باید مشخص شوند تا به عموم مردم اطمینان دهند که آنها در مکان هایی که باید انتظار معقولی از حریم خصوصی داشته باشند، عقب نشینی نمی کنند و FRT ها باید محدود به پیدا کردن جنایتکاران جدی (به عنوان مثال، تروریست ها) شوند.این محدودیت ها نشان دهنده تلاش برای حفظ مزایای امنیتی تشخیص چهره در حالی که محدود کردن بالقوه آن برای سوء استفاده و محافظت از آزادی های مدنی است.

FRT یک ابزار قدرتمند در زرادخانه ضد تروریسم است که اقدامات امنیتی را که قبلاً غیرقابل تحمل بودند، اما این یک تکنولوژی است که خواستار تعادل بسیار جدی بین مزایای روشن آن و ملاحظات اخلاقی مهم با آن است که مرتبط است و در حال حاضر ممکن است این باشد که تعادل به نفع منافع روشن FRT و یکپارچگی اخلاقی آن به اندازه کافی روشن است و نباید هدایت اخلاقی آن را هدایت کند.

چارچوب های حقوقی و اخلاقی

ملاحظات قانون اساسی و حقوق بشر

برنامه های FRT که توسط اجرای قانون در شناسایی مظنونین جرم مورد استفاده قرار می گیرند، به طور قابل ملاحظه ای در تصاویر صورت که نشان دهنده پوست تیره تر و ماده هستند، نسبت به تصاویر صورت که نشان دهنده مردان قفقازی هستند، و این سوگیری می تواند منجر به شهروندانی شود که به طور اشتباه توسط پلیس در امتداد خطوط نژادی و جنسیتی مورد بررسی قرار می گیرند، با استفاده از قانون از FRT ناسازگار با نیاز لیبرال کلاسیک است که همه شهروندان را به همان اندازه رفتار می کنند.

بند حفاظت برابر بسیاری از قانون اساسی ها مستلزم آن است که اقدامات دولت بر اساس نژاد، جنسیت یا سایر ویژگی های محافظت شده تبعیض قائل نیستند، هنگامی که سیستم های تشخیص چهره نسبت به گروه های جمعیتی خاص، سوگیری سیستماتیک خود را نشان می دهند، استفاده از آنها توسط سازمان های دولتی ممکن است این حفاظت قانونی را نقض کند: در حالی که تکنولوژی ممکن است امنیت را افزایش دهد، عملکرد سوگیری آن می تواند از قانون اساسی یا نقض حقوق بشر استفاده کند.

دانشمندان کامپیوتر نگرانی خود را در مورد استفاده از قانون از FRT برای شناسایی مظنونین جرم ابراز کرده اند و اشاره می کنند که این نرم افزار برای شناسایی مظنونان استفاده می شود و در نتیجه، خطایی در خروجی الگوریتم تشخیص چهره که به عنوان ورودی برای سایر وظایف استفاده می شود می تواند عواقب جدی داشته باشد، زیرا کسی می تواند به اشتباه متهم به جرم بر اساس اشتباه باشد، اما اطمینان از تجزیه و تحلیل امنیتی از تجزیه و تحلیل ویدئویی.

شفافیت و پاسخگویی

این توصیه می کند که مقررات قوی، همکاری بین المللی و حکومت شفاف برای اطمینان از استفاده از فناوری تشخیص چهره AI با حقوق بشر و آزادی های بنیادی سازگار است. شفافیت در مورد چگونگی عملکرد سیستم های تشخیص چهره، نرخ دقت آنها و محدودیت های آنها برای اعتماد عمومی و پاسخگویی دموکراتیک ضروری است.

قوانینی را ایجاد کنید که به طور واضح و جامع مربوط به استفاده از فناوری تشخیص چهره باشد، استانداردهای جهانی را با چارچوب های ملی هماهنگ کنید تا اطمینان حاصل شود که سازگاری و نظارت منظم سیستم های FRT برای اطمینان از انطباق با دستورالعمل های اخلاقی است. حسابرسی منظم می تواند به شناسایی مشکلات با دقت یا تعصب قبل از اینکه آنها به آسیب های جدی منجر شوند، در حالی که چارچوب های قانونی روشن راهنمایی برای آژانس های امنیتی در مورد استفاده مناسب از تکنولوژی ارائه می دهد.

ریسک ها نباید منجر به استفاده از AI یا ممنوعیت سیستم عامل های خاص شود، بلکه باید از دولت ها بخواهند که برای استفاده از ابزارهای AI /ML خود، که به معنی دستیابی به داده های بهتر و ایجاد رژیم های تست شدید است که خطر را محدود می کنند و نقص ها را تا حد ممکن افشا می کنند، و راهی برای کمک به این است با اجرای استانداردهای هوش مصنوعی و شفافیت توضیح داده شده برای هر سیستم منطقی.

حفاظت از داده ها و Retention

دولت نباید از شرکت های شخص ثالث که سه شرایط اول را در طول ایجاد یا استفاده از خدمات آن نقض می کنند استفاده کند و شرکت های شخص ثالث نباید قادر به دسترسی یا خواندن داده های حساس جمع آوری شده توسط دولت باشند.اطلاعات بیومتریک جمع آوری شده توسط سیستم های تشخیص چهره بسیار حساس و شخصی است و نیاز به حفاظت قوی در برابر دسترسی، سوء استفاده، یا نقض داده ها دارند.

پرسش ها در مورد حفظ اطلاعات به ویژه مهم است، چه مدت باید داده های تشخیص چهره ذخیره شود؟ چه کسی باید به آن دسترسی داشته باشد؟ در چه شرایطی می تواند با سایر سازمان ها یا کشورها به اشتراک گذاشته شود؟ این سوالات فاقد پاسخ های روشن در بسیاری از حوزه های قضایی هستند و عدم اطمینان در مورد پیامدهای طولانی مدت تشخیص چهره ایجاد می کنند.

خطر نقض داده ها نیز مهم است. پایگاه داده ای که حاوی داده های تشخیص چهره برای میلیون ها نفر است، هدف جذاب هکرها، خدمات اطلاعاتی خارجی یا سازمان های جنایی خواهد بود.اگر چنین داده هایی به خطر افتاده باشد، می تواند برای سرقت هویت، سرقت و یا سایر اهداف مخرب استفاده شود، با عواقبی که می تواند برای سال ها یا دهه ها ادامه یابد.

دیدگاه های بین المللی و استقرار

الگوی جهانی پذیرش

اجرای قانون: تشخیص چهره در حال حاضر به عنوان گسترده ترین فن آوری نظارت بر هوش مصنوعی در سطح جهان با نرخ پذیرش 64٪، فراتر از هر دو سیستم عامل شهر هوشمند و ابتکارات هوشمند پلیسی رتبه بندی شده است.این پذیرش گسترده نشان دهنده ارزش درک شده تکنولوژی برای امنیت و رویکردهای مختلف تنظیم کننده گرفته شده توسط کشورهای مختلف است.

کشورها با تهدیدات امنیتی مختلف مواجه هستند و نگرش های فرهنگی متفاوتی نسبت به حریم خصوصی و نظارت دارند که منجر به تغییرات قابل توجهی در چگونگی استقرار تشخیص چهره می شود. برخی کشورها با اشتیاق تکنولوژی را پذیرفته اند و آن را به طور گسترده در فضاهای عمومی با محدودیت های حداقلی به کار گرفته اند.

Furl et al. (2002) دریافت که FRT توسعه یافته و در کشورهای غربی استفاده شده است دقیق تر برای تصاویر چهره Caucasian، در حالی که در کشورهای شرق آسیا، الگوریتم های FRT برای تصاویر چهره شرق آسیا دقیق تر بودند، این یافته نشان دهنده اهمیت توسعه سیستم های تشخیص چهره است که در مجموعه های مختلف از جمعیت که در آن مستقر می شوند آموزش داده شده است.

همکاری بین المللی و استانداردها

تروریسم یک تهدید فراملی است که نیاز به همکاری بین المللی برای مبارزه موثر با فناوری تشخیص چهره دارد می تواند این همکاری را با کشورهای فعال برای به اشتراک گذاری اطلاعات در مورد تروریست های شناخته شده یا مظنون و هماهنگ کردن تلاش های نظارت خود تسهیل کند.

کشورهای مختلف استانداردهای قانونی مختلفی برای حفاظت از حریم خصوصی، حفظ داده ها و فرآیند های مربوط به تشخیص چهره در سراسر مرزها دارند، ممکن است در کشور دریافت کننده نسبت به کشوری که جمع آوری شده است، حفاظت های کمتری داشته باشند.

سازمان های بین المللی مانند Interpol سیستم هایی را برای تسهیل استفاده از تشخیص چهره برای مقابله با تروریسم توسعه داده اند.این سیستم ها باید به زمینه های قانونی و سیاسی پیچیده حرکت کنند و مزایای امنیتی به اشتراک گذاری اطلاعات در برابر نگرانی های مربوط به حریم خصوصی، حقوق بشر و حاکمیت ملی را متعادل کنند. توسعه استانداردهای بین المللی و موافقت نامه های مربوط به استفاده مسئولانه از تشخیص چهره در مبارزه با تروریسم همچنان یک چالش مداوم است.

ادراک عمومی و اعتماد

عوامل موثر در کاهش پذیرش عمومی

مدافعان FRT بر پتانسیل خود در ایمنی عمومی، پیشگیری از جرم و مبارزه با تروریسم تأکید می کنند و اشاره می کنند که FRT سازمان ها و سازمان های اجرای قانون را قادر می سازد تا مظنونین را شناسایی کرده و از دسترسی غیرمجاز به مناطق حفاظت شده و فضاهایی که دارایی های ارزشمند یا جمعیت آسیب پذیر در آن حضور دارند جلوگیری کنند.

اعتماد به موسساتی که به رسمیت شناختن چهره می پیوندند یک عامل حیاتی در پذیرش عمومی است.هنگامی که مردم اعتماد می کنند که سازمان های امنیتی از تکنولوژی مسئولانه و با نظارت مناسب استفاده می کنند، احتمال بیشتری دارد که استقرار آن را بپذیرند، در مقابل، هنگامی که اعتماد کم است - به دلیل سوء استفاده های گذشته، عدم شفافیت یا نگرانی در مورد تعصب - مخالفت عمومی تمایل به قوی تر شدن دارد.

پذیرش موفق و گسترده FRT نه تنها به سرعت و دقت آن بستگی دارد، بلکه بر اعتماد عمومی الگوریتم هایی که دستگاه های تشخیص چهره را قدرت می دهند، و اعتماد به نفس سخت خواهد بود، در حالی که نمونه هایی از سوگیری نژادی و نتایج مثبت کاذب همچنان بر بهبود سال به سال در دقت و عملکرد کلی نرم افزار غلبه می کنند.

ایجاد اعتماد عمومی

تعامل عمومی فاستر برای مقابله با نگرانی ها و ایجاد اعتماد به نفس عمومی معنی دار نیاز به بیش از اطلاع رسانی به مردم در مورد استقرار چهره؛ این به معنی ایجاد فرصت برای گفتگوی واقعی در مورد مزایای فن آوری، خطرات و محدودیت های مناسب است.

شفافیت در مورد عملکرد سیستم برای ایجاد اعتماد ضروری است. آژانس های امنیتی باید به طور عمومی نرخ دقت را گزارش دهند، از جمله تجزیه و تحلیل گروه جمعیت شناسی، نرخ های مثبت کاذب و اطلاعات در مورد چگونگی استفاده و نظارت بر این فناوری، این شفافیت به عموم اجازه می دهد تا قضاوت های آگاهانه در مورد اینکه آیا مزایای امنیتی هزینه های حریم خصوصی را توجیه می کند و اینکه آیا فناوری به طور منصفانه استفاده می شود.

نشان دادن پاسخگویی زمانی که مشکلات رخ می دهد نیز بسیار مهم است.هنگامی که سیستم های تشخیص چهره منجر به بازداشت های اشتباه یا سایر آسیب ها می شوند، سازمان ها باید این شکست ها را بپذیرند، قربانیان را جبران کنند و گام های مشخصی برای جلوگیری از بازگشت به این مسئله بردارند. الگوی انکار یا کاهش مسئولیت، اعتماد عمومی و مخالفت با تکنولوژی را از بین می برد.

توسعه های آینده و تکنولوژی های نوظهور

پیشرفت در دقت و توانایی

در سال های اخیر، با معماری پیشرفته و افزایش تعداد لایه ها و پارامترهای، مدل های FR بهبود قابل توجهی در ظرفیت خود برای یادگیری نمایش چهره پیچیده، و این معماری عمیق تر، اغلب شامل بیش از صد لایه با میلیون ها پارامتر عدالت، به طور قابل توجهی افزایش توانایی سیستم های FR در سراسر سناریوهای چالش برانگیز، منجر به تشخیص عملکرد کلی بالاتر (و همچنین کاهش سوگیری، همچنین افزایش دقت بیشتر داده ها، و همچنین بهبود یافته است.

سیستم های تشخیص چهره آینده احتمالاً شامل چندین روش بیومتریک، ترکیب تشخیص چهره با اسکن آیریس، تجزیه و تحلیل، تشخیص صدا و سایر تکنیک ها خواهد بود.این رویکرد چند منظوره می تواند دقت را با حذف چندین امضا بیومتریک، کاهش تاثیر خطا در هر سیستم واحد بهبود بخشد.همچنین می تواند آن را برای تروریست ها دشوار کند تا از تشخیص با تجزیه و تحلیل یا تغییر ظاهر خود جلوگیری کنند.

پیشرفت در هوش مصنوعی، به ویژه در یادگیری عمیق و شبکه های عصبی، همچنان مرزهایی را که سیستم های تشخیص چهره می توانند به آن دست یابند، تقویت می کند.این سیستم ها در تشخیص چهره های تحت شرایط چالش برانگیز، مانند نور ضعیف، انحصار جزئی یا زوایای شدید، بهتر می شوند و همچنین تجزیه و تحلیل زمان واقعی از جریان های ویدئویی با وضوح بالا را از دوربین های متعدد به طور همزمان امکان پذیر می کنند.

ادغام با سایر سیستم های اطلاعاتی

آینده تشخیص چهره در مبارزه با تروریسم نه تنها در بهبود خود تکنولوژی بلکه در ادغام آن با دیگر سیستم های اطلاعاتی و امنیتی است، هنگامی که تشخیص چهره با تجزیه و تحلیل رفتاری، نقشه برداری شبکه اجتماعی، نظارت بر ارتباطات و سایر منابع اطلاعاتی ترکیب می شود، بخشی از یک سیستم تشخیص تهدید جامع است که بیشتر از مجموع قطعات آن است.

به عنوان مثال، تشخیص چهره می تواند فرد مورد علاقه در یک فرودگاه را شناسایی کند، که باعث بررسی بیشتر الگوهای سفر، معاملات مالی، ارتباطات و همکاران شناخته شده می شود.این رویکرد یکپارچه به آژانس های امنیتی اجازه می دهد تا تصویری کامل تر از تهدیدات بالقوه ایجاد کنند و تصمیمات آگاهانه تری در مورد چگونگی پاسخ دادن به آنها بگیرند.

با این حال، این ادغام همچنین نگرانی های حریم خصوصی را تقویت می کند.یک سیستم که تشخیص چهره را با داده های گسترده از منابع دیگر ترکیب می کند، قابلیت های نظارت بی سابقه ای را ایجاد می کند که می تواند برای نظارت تقریباً هر جنبه ای از زندگی افراد مورد استفاده قرار گیرد.

اقدامات ضد نظامی و Arms Race

از آنجایی که تکنولوژی تشخیص چهره در مبارزه با تروریسم شایع تر می شود، دشمنان در حال توسعه اقدامات متقابل برای جلوگیری از تشخیص هستند، این طیف از تکنیک های ساده مانند پوشیدن ماسک یا عینک آفتابی به رویکردهای پیچیده تر مانند الگوهای آرایش مجاور طراحی شده برای گیج کردن الگوریتم های تشخیص چهره یا استفاده از تکنولوژی عمیق برای ایجاد هویت های کاذب است.

این یک مسابقه تسلیحاتی مداوم را ایجاد می کند، با آژانس های امنیتی که برای بهبود سیستم های تشخیص چهره کار می کنند، در حالی که تروریست ها و دیگر دشمنان راه های جدیدی برای شکست دادن آنها ایجاد می کنند. اثربخشی تشخیص چهره در مبارزه با تروریسم نه تنها به توانایی های ذاتی تکنولوژی بستگی دارد، بلکه بر این بستگی دارد که چگونه می تواند با تکنیک های در حال تکامل سازگار شود.

برخی از محققان در حال بررسی راه هایی برای ایجاد سیستم های تشخیص چهره قوی تر در برابر اقدامات متقابل هستند، مانند استفاده از تصویربرداری مادون قرمز برای تشخیص چهره ها حتی زمانی که آنها تا حدودی تحت پوشش قرار می گیرند، یا تجزیه و تحلیل زبان و بدن علاوه بر ویژگی های چهره، دیگران در حال توسعه سیستم های تشخیص زنده هستند که می توانند بین چهره های واقعی و عکس ها، ماسک ها، یا نمایش های ویدئویی، جلوگیری از حملات پراکنده، تمایز قائل شوند.

بهترین تمرین ها و توصیه ها

استانداردهای فنی و تست

تست های مداوم تشخیص چهره NIST (FRVTs) از سال 2017 بیش از 400 الگوریتم تشخیص چهره را ارزیابی کرده اند و به طور کلی به رتبه بندی دقیق کلی تمام توسعه دهندگان شرکت کننده می پردازد.

آزمایش باید شامل ارزیابی در گروه های مختلف جمعیت شناسی برای شناسایی و تعیین هر گونه سوگیری در عملکرد سیستم باشد که نشان می دهد سطح غیر قابل قبول سوگیری نباید تا زمانی که این مشکلات اصلاح شود، اعمال تحت شرایط عملیاتی واقع بینانه، نه فقط در محیط های آزمایشگاهی کنترل شده، مورد استفاده قرار گیرد.

نظارت و ارزیابی مداوم پس از استقرار به همان اندازه مهم است، عملکرد سیستم می تواند در طول زمان به عنوان الگوریتم های سن و یا به عنوان جمعیت تحت نظارت تغییرات، ممیزی منظم می تواند مشکلات نوظهور را شناسایی کند و اطمینان حاصل کند که سیستم ها همچنان به استانداردهای عملکرد در طول زندگی عملیاتی خود ادامه می دهند.

دستورالعمل های عملیاتی

آژانس های امنیتی که به منظور مبارزه با تروریسم به رسمیت شناختن چهره نیاز دارند، باید دستورالعمل های عملیاتی روشن را مشخص کنند که چه زمانی و چگونه تکنولوژی می تواند مورد استفاده قرار گیرد، این دستورالعمل ها باید به پرسش هایی مانند: چه سطح اعتماد به نفس بازی قبل از انجام عمل مورد نیاز است؟ چه تایید اضافی قبل از بازداشت کسی بر اساس یک بازی تشخیص چهره مورد نیاز است؟ چگونه سیستم باید در ارتباط با قضاوت انسانی مورد استفاده قرار گیرد؟

نه انسان ها و نه الگوریتم ها بی عیب و نقص نیستند و ضعف های مشابه قضاوت انسان می تواند بر استفاده از فناوری های تشخیص چهره تأثیر بگذارد، زیرا افراد ممکن است به خروجی الگوریتم اعتماد کنند – فکر می کنند که باید "هدف" باشد – بیش از قضاوت خود در مورد اینکه آیا دو تصویر با وجود سوگیری های اساسی یا عدم انطباق در تکنولوژی، به پرسنلی که سیستم های تشخیص چهره استفاده می کنند، باید تاکید کنند که ابزار جایگزینی انسان برای تصمیم گیری انسان نیست.

اپراتورهای باید آموزش ببینند تا محدودیت های سیستم را درک کنند، از جمله پتانسیل آن برای سوگیری و مثبت کاذب، باید تشویق شوند تا قضاوت مستقل انجام دهند و تنها به خروجی های الگوریتمی تکیه نکنند، به ویژه هنگامی که عواقب خطا شدید است. پروتکل های پاک باید مشخص کنند که چه تحقیقات اضافی یا تأییدیه مورد نیاز است قبل از انجام عمل بر اساس یک بازی تشخیص چهره.

Oversights و Accountability

مکانیسم های نظارت قوی برای اطمینان از اینکه فناوری تشخیص چهره به درستی مورد استفاده قرار می گیرد و این نظارت باید شامل هر دو مکانیسم داخلی در آژانس های امنیتی و نظارت خارجی توسط نهادهای مستقل مانند کمیسیون های حریم خصوصی، کمیته های قانونی یا بررسی قضایی باشد.

سازمان ها باید به طور دقیق از چگونگی استفاده از سیستم های تشخیص چهره، از جمله آنچه جستجو انجام می شود، که آنها را انجام می دهد، و چه اقداماتی باید به حسابرسی منظم برای اطمینان از انطباق با سیاست ها و شناسایی هرگونه الگوهای سوء استفاده در هنگام شناسایی مشکلات، مکانیسم های پاسخگویی واضح وجود دارد تا اطمینان حاصل شود که طرف های مسئول با عواقب مناسب مواجه هستند.

نهادهای نظارت خارجی باید اختیارات و منابع لازم برای انجام بررسی معنادار برنامه های تشخیص چهره را داشته باشند، این شامل دسترسی به اطلاعات فنی در مورد چگونگی عملکرد سیستم ها، داده های عملکردی و log های عملیاتی نیز باید قدرت را به مجبور کردن تغییرات در برنامه هایی که نقض استانداردهای قانونی یا اخلاقی هستند.

مطالعات موردی و برنامه های کاربردی واقعی جهانی

فرودگاه و پیاده سازی های امنیتی مرزی

فرودگاه ها و گذرگاه های مرزی در میان اولین و گسترده ترین اتخاذ کنندگان فناوری تشخیص چهره برای اهداف ضدتروریسم بوده اند، این محیط های کنترل شده مزایای مختلفی برای استقرار تشخیص چهره دارند: مسافران باید از طریق بازرسی های مشخص شده عبور کنند، نور و زاویه دوربین می توانند بهینه سازی شوند و توجیه امنیتی واضحی برای تأیید هویت وجود دارد.

بسیاری از کشورها تشخیص چهره در بازرسی های مهاجرت را اجرا کرده اند تا اطمینان حاصل کنند که مسافران عکس های پاسپورت خود را مطابقت می دهند و آنها را در برابر چک لیست های تروریست های شناخته شده یا مشکوک بررسی می کنند.این سیستم ها میلیون ها مسافر را پردازش کرده اند و برخی از فرودگاه ها گزارش می دهند که تشخیص چهره آنها را قادر کرده است تا افرادی را که در حال سفر به اسناد جعلی یا استفاده از هویت های سرقت شده هستند شناسایی کنند.

این تکنولوژی همچنین برای تسریع پردازش برای مسافران قابل اعتماد از طریق برنامه هایی که اجازه می دهد افراد از پیش نمایش برای استفاده از دروازه های خودکار که هویت خود را از طریق تشخیص چهره تأیید می کنند، به سرعت پردازش می شود - هم امنیت و هم راحتی - به پذیرش عمومی تکنولوژی در زمینه های فرودگاه کمک کرده است.

شبکه های نظارت شهری

برخی از شهرها شبکه های گسترده ای از دوربین های مجهز به قابلیت های تشخیص چهره را برای نظارت بر فضاهای عمومی برای تهدیدات امنیتی مستقر کرده اند.این سیستم ها می توانند حرکات افراد را در سراسر شهر ردیابی کنند و به طور بالقوه شناسایی تروریست ها برای نظارت بر اهداف بالقوه یا ملاقات با توطئه گران.

با این حال، شبکه های نظارت شهری نیز به دلیل پتانسیل آنها برای نظارت جمعی شهروندان عادی، جنجال های قابل توجهی را ایجاد کرده اند.مذام می گویند که این سیستم ها تاثیر منفی بر بیان آزاد و ارتباط ایجاد می کنند، زیرا مردم ممکن است از مکان ها یا فعالیت های خاصی اجتناب کنند اگر بدانند که آنها ردیابی می شوند.

برخی از حوزه های قضایی تلاش کرده اند تا با محدود کردن استفاده از تشخیص چهره در فضاهای عمومی به شرایط خاص، مانند تحقیق در مورد جرایم جدی یا پاسخ به تهدیدات قریب الوقوع، به این نگرانی ها رسیدگی کنند و عموم مردم در مورد اینکه تشخیص چهره در کجا قرار دارد مطلع شوند.این روش ها تلاش می کنند تا برخی از مزایای امنیتی را در حالی که محدود کننده ترین جنبه های نظارت جمعی هستند، حفظ کنند.

امنیت رویداد و نظارت بر جمعیت

رویدادهای عمومی عمده - مانند کنوانسیون های سیاسی، اجلاس های بین المللی یا رویدادهای ورزشی بزرگ - اهداف جذاب برای تروریست ها را نشان می دهند و نیاز به اقدامات امنیتی فشرده دارند.

این استقرار موقت برخی از مزایای را در شبکه های نظارت دائمی ارائه می دهد، آنها در زمان و دامنه محدود هستند، متمرکز بر رویدادهای پرخطر خاص به جای نظارت مداوم از فضاهای عمومی می توانند توسط تهدید امنیتی بالا مرتبط با رویدادهای بزرگ که جذب جمعیت بزرگ و اهداف با مشخصات بالا توجیه شوند.

با این حال، برنامه های امنیتی رویداد نیز نگرانی ها را افزایش می دهند، به ویژه هنگامی که تشخیص چهره برای نظارت بر اعتراضات سیاسی یا تظاهرات مورد استفاده قرار می گیرد، این تکنولوژی می تواند برای شناسایی و پیگیری فعالان سیاسی، به طور بالقوه دستورالعمل های قانونی سیاسی در مورد اینکه چگونه و چگونه تشخیص چهره می تواند در رویدادهای عمومی مورد استفاده قرار گیرد، ضروری است تا از سوء استفاده جلوگیری شود.

مسیر پیش رو: امنیت و حقوق

توسعه چارچوب های استفاده مسئولانه

آینده تشخیص چهره در مبارزه با تروریسم بستگی به چارچوب های در حال توسعه دارد که اجازه می دهد تا تکنولوژی به طور موثر برای اهداف امنیتی مشروع استفاده شود در حالی که از آزادی های مدنی محافظت می کند و اطمینان از عدالت را می دهد، این نیاز به گفتگوی مداوم در میان متخصصان امنیتی، تکنسین ها، سیاست گذاران، حامیان آزادی های مدنی و عموم مردم دارد.

چنین چارچوب هایی باید بر اساس اصول روشن باشد: تشخیص چهره باید تنها در صورت لزوم و متناسب با تهدید امنیتی مورد استفاده قرار گیرد؛ باید با حفاظت مناسب در برابر سوء استفاده مستقر شود؛ باید تحت نظارت و پاسخگویی معنی دار قرار گیرد؛ و باید به طور مداوم ارزیابی و بهبود یابد تا مشکلات مربوط به دقت و تعصب را حل کند.

زمینه های مختلف ممکن است نیاز به رویکردهای مختلف داشته باشد.استفاده از تشخیص چهره در گذرگاه های مرزی، که در آن توجیه امنیتی روشن و انتظار محدود حریم خصوصی وجود دارد، ممکن است قابل قبول تر از استفاده از آن برای نظارت مداوم فضاهای عمومی باشد.

سرمایه گذاری در تحقیق و توسعه

ادامه سرمایه گذاری در تحقیق برای بهبود فناوری تشخیص چهره ضروری است.این شامل نه تنها بهبود دقت و سرعت، بلکه به طور خاص پرداختن به مشکلات با تعصب و عدالت است. مطالعات گسترده و استاندارد مانند NIST کمک به کشف نقص های رایج در FRT، و همچنین دانشمندان و کارکنان، مهندسان که FRT را توسعه می دهند با بهبود نتایج نرم افزار به رسمیت شناختن تصاویر تاریک تر و تجزیه و تحلیل دقیق تر، در نتیجه شکاف جنسیتی و تحلیل دقیق و تحلیل دقیق و همچنین تجزیه و تحلیل دقیق در نتیجه تفاوت های جنسیتی کار می کنند.

تحقیقات همچنین باید رویکردهای جایگزین را بررسی کنند که ممکن است در هنگام حفظ مزایای امنیتی، سیستم هایی که الگوهای رفتاری را تجزیه و تحلیل می کنند یا ناهنجاری هایی را بدون شناسایی افراد خاص ارائه دهند، اطلاعات امنیتی مفیدی را با نفوذ حریم خصوصی کمتر از تشخیص چهره سنتی ارائه دهند.

تحقیقات بین رشته ای که دانشمندان کامپیوتر، دانشمندان اجتماعی، اخلاق دانان و دانشمندان حقوقی را گرد هم می آورد می تواند به شناسایی و حل چالش های پیچیده ای که توسط فناوری تشخیص چهره مطرح شده است، کمک کند، نه تنها توانایی های فنی بلکه پیامدهای اجتماعی، اخلاقی و حقوقی برای توسعه و استقرار مسئول ضروری است.

همکاری بین المللی و استانداردها

با توجه به ماهیت فراملی تروریسم، همکاری بین المللی در مورد استانداردهای تشخیص چهره و شیوه های مهم است. کشورها باید با هم کار کنند تا استانداردهای مشترک را برای دقت، عدالت و حفاظت از حریم خصوصی، در حالی که احترام به سنت های مختلف قانونی و ارزش های فرهنگی.

توافق های بین المللی می تواند حداقل استانداردهای سیستم های تشخیص چهره مورد استفاده در مبارزه با تروریسم را ایجاد کند و اطمینان حاصل کند که داده های به اشتراک گذاشته شده در سراسر مرزها مطابق با الزامات اساسی برای دقت و قابلیت اطمینان هستند.آنها همچنین می توانند پروتکل هایی برای به اشتراک گذاری داده هایی ایجاد کنند که از حریم خصوصی و حقوق بشر محافظت می کنند و در عین حال همکاری موثر در برابر تهدیدات تروریستی را فراهم می کنند.

با این حال، همکاری بین المللی باید در برابر نگرانی های مربوط به فعال کردن رژیم های اقتدارگرا برای استفاده از تشخیص چهره برای سرکوب سیاسی متعادل باشد.کشورهای دموکراتیک باید در مورد به اشتراک گذاری فناوری تشخیص چهره یا داده ها با دولت هایی که فاقد حمایت های قوی از حقوق بشر و حاکمیت استانداردهای بین المللی قانون هستند، محتاط باشند تا از استفاده از تکنولوژی برای مقاصد غیرقانونی جلوگیری کنند.

نتیجه گیری: حرکت در مسیر پیچیده

فناوری تشخیص چهره نشان دهنده یک ابزار قدرتمند در مبارزه با تروریسم است، ارائه قابلیت های شناسایی، نظارت و تحقیقات که تنها چند دهه پیش غیر قابل تصور بود، فناوری جدید قدرت جدیدی را به دولت داده است تا شناسایی تروریست های شناخته شده قبلی را که قصد دارند حملاتی را به شهروندانی که دولت باید از آن محافظت کند، و قدرت انجام این کار، اگر به طور موثر کار کند، به مبارزه با تروریسم کمک خواهد کرد.

با این حال، این تکنولوژی همچنین چالش های قابل توجهی را در ارتباط با دقت، سوگیری، حریم خصوصی و آزادی های مدنی ایجاد می کند.این مشکل در نرم افزار تشخیص چهره شایع است، که تمایل به تولید نرخ بالاتر از مثبت کاذب برای افراد غیر سفید دارد و بر خلاف نرم افزار تشخیص چهره مورد استفاده برای دستگیری کسی، یک الگوریتم آموزش دیده به اشتباه می تواند غیرنظامیان را بکشد، عملی که نمی تواند به طور خاص افراد مبتلا به تشخیص نادرست باشد، و یا افراد بی گناه را به طور غیر قابل تشخیص افراد مبتلا کند.

مسیر رو به جلو نیاز به متعادل کردن این ملاحظات رقابتی از طریق توسعه سیاست دقیق، نظارت قوی، ادامه بهبود فنی و گفتگوی عمومی مداوم دارد، نه ممنوعیت پتو که مانع از استفاده از تشخیص چهره برای اهداف امنیتی و یا استقرار بدون نظارت بدون حفاظت از حقوق اساسی می شود.

از آنجایی که تکنولوژی همچنان در حال تکامل و توانمندتر شدن است، نیاز به حکومتداری متفکرانه، فوری تر می شود. تصمیمات امروز درباره چگونگی توسعه تشخیص چهره، استقرار و تنظیم تعادل بین امنیت و آزادی برای سال ها به وجود می آید. اطمینان از اینکه این تصمیمات توسط شواهد، هدایت شده توسط اصول اخلاقی و موضوع پاسخگویی دموکراتیک ضروری است برای حفظ امنیت و آزادی در محیط تهدید به طور فزاینده ای پیچیده.

برای اطلاعات بیشتر در مورد فن آوری های امنیتی بیومتریک، از موسسه ملی استانداردها و برنامه تشخیص چهره تکنولوژی بازدید کنید تا در مورد ملاحظات حریم خصوصی در فن آوری نظارت یاد بگیرید، منابع را از بنیاد مرزی الکترونیکی بررسی کنید. برای دیدگاه های بین المللی در مورد مقررات تشخیص چهره، ببینید [F4]