Table of Contents

Ymmärtäminen kasvojentunnistustekniikka ja sen rooli modernissa turvallisuudessa

Kasvojentunnistusteknologia on noussut yhdeksi maailmanlaajuisen terrorismin torjunnan mullistavimmista välineistä. Tämä tehokas teknologia mahdollistaa ihmisten ja apuvälineiden nopean ja tarkan tunnistamisen terroristitoiminnan ehkäisemiseksi ja julkisten tilojen turvallisuuden parantamiseksi. Kun turvallisuusuhat kehittyvät jatkuvasti monimutkaisesti ja laajassa mittakaavassa, hallitukset ja lainvalvontaviranomaiset kaikkialla maailmassa ovat yhä enemmän siirtymässä kehittyneisiin biometrisiin järjestelmiin kansalaistensa ja infrastruktuurinsa suojelemiseksi.

Markkinatutkimuksen mukaan kasvojentunnistusmarkkinat ovat 8,5 miljardia dollaria vuonna 2025, mikä on yli kaksinkertaistunut 3,8 miljardista dollarista vuonna 2020. Räjähtävä kasvu heijastaa teknologian kasvavia valmiuksia ja myös sen ratkaisevaa merkitystä kansallisissa turvallisuuskehyksissä. Lentokentiltä ja rajanylityksiltä kaupunkien valvontaverkkoihin ja tutkimusprosesseihin on tullut välttämätön osa nykyaikaisia terrorismin vastaisia strategioita.

Sen ydin, kasvojentunnistustekniikka edustaa kehittynyt avioliitto tietokoneen visio, tekoäly, ja biometrinen analyysi. Teknologia digitalisoi ihmisen kasvon ominaisuuksia matemaattisia edustustoja, että tietokoneet voivat käsitellä ja vertailla, analysoimalla avain kasvon ominaisuuksia, kuten etäisyys henkilön silmien, nenä siltojen leveys, leukalinjan ääriviivat, ja poskiluun rakenne, ja sitten luoda ainutlaatuinen biometrinen malleja tarkistaa identiteettien kautta tietokannoissa, jotka sisältävät miljoonia kasvoja. Tämä kyky käsitellä ja sovittaa kasvot ennennäkemättömällä nopeudella ja mittakaavassa on perusteellisesti muuttunut miten turvallisuus virastot lähestyvät uhkan havaitseminen ja ennaltaehkäisy.

Kasvojentunnistusteknologian kehitys

Varhaisista alkuvaiheista tekoälyyn perustuviin järjestelmiin

Teknologia ulottuu 1960-luvulle, kun Woodrow Wilson Bledsoe -niminen kaveri keksi ensimmäisen kerran järjestelmän, jonka avulla kuvat kasvoista lajiteltiin erityisellä tabletilla. Nämä varhaiset järjestelmät olivat alkeisluontoisia nykypäivän standardien mukaan, jotka vaativat manuaalista panostusta ja toimintaa hyvin valvotuissa olosuhteissa. 70-luvulla jotkut fiksut ihmiset käyttivät 21 erityistä merkkiainetta, kuten hiustenväriä ja huulen paksuutta, automatisoidakseen kasvojentunnistuksen, ja 80-90-luvulla näkivät uuden lähestymistavan nimeltä Eigenface, josta tuli perusta nykyaikaisille järjestelmille.

Todellinen pelinmuuttaja tuli 2000-luvulla sosiaalisen median kanssa, koska yhtäkkiä oli miljoonia tagged kuvia verkossa, jolloin nämä järjestelmät massiivinen tietokanta oppia. Tämä runsaasti koulutusdataa, yhdistettynä edistyneitä koneoppimisen algoritmeja, mahdollistaa kasvojentunnistusjärjestelmien saavuttaa tarkkuutta, jotka olivat aiemmin käsittämättömiä. Tänään, kun tekoäly ja syvä oppiminen, kasvontunnistusjärjestelmät yrityksille ovat tulleet uskomattoman tarkkoja ja nopeita.

Miten nykyaikaiset kasvojentunnistusjärjestelmät toimivat

Nykyaikainen kasvojentunnistusjärjestelmä toimii monivaiheisen prosessin kautta, joka tapahtuu millisekunnissa. Ensimmäisessä vaiheessa on kasvojentunnistus, jossa järjestelmä tunnistaa ja paikantaa kasvot kuvan tai videon runkoon. Tämän jälkeen kasvojen linjaus, jossa järjestelmä normalisoi kasvojen sijainti, koko ja suunta varmistaa johdonmukainen analyysi riippumatta kulma tai etäisyys kamerasta.

Seuraavaksi tulee ominaisuus uutto, jossa järjestelmä tunnistaa ja mittaa erottuva kasvon ominaisuudet. Nämä mittaukset muunnetaan matemaattisen esitys kutsutaan kasvomalli tai biometrinen allekirjoitus. Lopuksi, järjestelmä suorittaa vastaavuutta vertaamalla tätä mallia tallennettuihin malleihin tietokannassa, joka tuottaa samankaltaisuus pisteytys, joka osoittaa todennäköisyys vastaavuutta.

Nykyaikaiset kasvojentunnistusjärjestelmät kaappaavat ja analysoivat kuvia ihmisistä vaikeimmissa näkö- ja liikeolosuhteissa. Tämä kyky on ratkaisevan tärkeä terrorisminvastaisten sovellusten kannalta, joissa epäillyt voidaan vangita valvontakamerakuvaa vastaan vähemmän kuin ideallisissa olosuhteissa, kuten huonossa valaistuksessa, osittaisessa tukkeutumassa tai vinossa kulmassa.

Terrorismin torjuntaa koskevat strategiset sovellukset

Reaaliaikainen valvonta ja uhkan havaitseminen

Kasvojentunnistusteknologia on kehittynyt muuntavaksi välineeksi terrorismin torjunnassa, joka tarjoaa kehittyneitä valmiuksia tunnistaa, seurata ja pidättää henkilöitä, jotka ovat kiinnostuneita, ja keskittyy kolmeen erityiseen sovellukseen: reaaliaikaiseen valvontaan, rajavalvontaan ja tutkintaprosesseihin. Täysimääräisissä julkisissa tiloissa, liikennekeskuksissa ja suurten tapahtumien aikana kasvojentunnistusjärjestelmät voivat jatkuvasti skannata väkijoukkoja ja hälyttää välittömästi turvahenkilöstöä, kun henkilö on kiinnostunut.

Tekoäly mahdollistaa suurten ihmisryhmien automaattisen hälytys- ja tunnistustarkastuksen mittakaavassa ja tahdissa, mikä ei ole mahdollista aiemmin. Tämä kyky on erityisen arvokas korkean profiilin tapahtumissa, joissa kerääntyy suuria joukkoja, kuten poliittisia kokoontumisia, urheilutapahtumia tai kulttuurifestivaaleja. Turvavirastot voivat ottaa käyttöön kasvojentunnistusjärjestelmiä seuratakseen sisääntulopisteitä ja väkijoukon liikkeitä, tunnistaakseen mahdollisia uhkia ennen kuin ne voivat toteuttaa hyökkäyksiä.

Parannettu turvallisuus tarjoaa jatkuvaa seurantaa suurliikennealueilla, tunnistaa henkilöitä, ja paikantaa kadonneita henkilöitä ennennäkemättömän tehokkaasti. Teknologia kyky toimia jatkuvasti ilman väsymystä tekee siitä korvaamattoman täydentää ihmisten turvallisuushenkilöstöä, joka voi sitten keskittyä tutkimaan hälytyksiä ja vastaamaan mahdollisiin uhkiin.

Rajaturvallisuus ja maahanmuuttovalvonta

Rajanylitykset ja lentoasemat ovat terrorismin vastaisissa toimissa kriittisiä iskukohtia. Jos henkilö (mukaan lukien terroristi) on tulossa Yhdysvaltoihin ulkomailta, hän todennäköisesti kulkee maahantulon tarkastuspisteen kautta maahantulosatamassa, ja terrorismin torjunnan näkökulmasta tämä tarkastuspiste on kuristuspiste, jossa terroristien riski on kaikkein haavoittuvin. Kasvojentunnistusteknologiasta on tullut keskeinen väline näissä kriittisissä tilanteissa.

Rajavalvonnan piiriin kuuluva henkilö on henkilö, joka on kuvattu henkilöllisyystodistuksessa (esim. passissa), ja Interpol on ottanut käyttöön hankkeen ENSIMMÄISjärjestelmän, jonka avulla valtion viranomaiset voivat tunnistaa ulkomaiset terroristit. Nämä järjestelmät voivat käsitellä matkailijoita nopeasti samalla kun ne tarkistavat heidän henkilöllisyytensä tunnettujen tai epäiltyjen terroristien tarkkailulistoja vastaan ja parantavat merkittävästi turvallisuutta aiheuttamatta suuria pullonkauloja matkustajavirrassa.

Biometriikka voi estää henkilö- ja maahanmuuttopetokset matkustusasiakirjojen käytössä, sillä biometrinen malli sormenjäljen olisi liitettävä asiakirjaan, kuten passi tai viisumi, viivakoodi, siru tai magneettinauha, mikä tekisi jonkun vaikeaksi olettaa toisen henkilöllisyyttä. Kun tämä monikerroksinen biometrinen lähestymistapa yhdistää kasvontunnistuksen, luodaan vankka puolustus terroristeja vastaan yrittää tulla maihin vilpillisiä asiakirjoja tai varastettuja henkilöllisyyksiä.

Tutkivat ja rikostekniset sovellukset

Biometriset järjestelmät voisivat tunnistaa tunnettuja tai epäiltyjä terroristeja biometrisen kasvojentunnistuksen tai FaceCheck-menetelmän avulla, kun on saatavilla valokuva epäillystä terroristista, ja tätä etsitään terroristien mallien seurantalistaa tai tietokantaa vastaan. Tämä kyky on osoittautunut korvaamattomaksi onnettomuuksien jälkitutkimuksissa, joissa turvallisuusvirastot analysoivat valvontavideota tunnistaakseen tekijät ja heidän kumppaninsa.

Lainvalvonnan tehokkuus nopeuttaa epäiltyjen tunnistamista ja tapausten ratkaisemista automatisoidulla täsmäämisellä olemassa oleviin tietoihin. Sen sijaan, että tutkisimme käsin kuvaa ja vertailisimme kasvoja silmin, tutkijat voivat käyttää kasvojentunnistusta etsiäkseen nopeasti laajasta valvontavideoarkistosta, tunnistaakseen epäillyt ja seuratakseen heidän liikkeitään eri paikoissa ja eri aikakausilla.

Yhdysvaltain armeija on myös tunnustanut kasvojentunnistuksen strategisen arvon terrorismin torjunnassa. Yhdysvaltain erityisoperaatioiden komentokeskus (USSOCOM) on luomassa pohjaa sen identiteettiä koskevien tietojen ja hyödyntämisvalmiuksien merkittävälle laajentamiselle, hahmottelemalla laajan ja teknisesti kunnianhimoisen vision siitä, miten erikoisoperaatiot keräävät, analysoivat ja hyödyntävät identiteettiin liittyvää tietoa operaatioiden aikana, etsien tietoa viidestä ensisijaisesta teknologia-alueesta: kasvojentunnistus, puhujien tunnistaminen ja äänen yhteensovittaminen, täysin integroitu SOF-sivuston hyödyntämissovellusekosysteemi, nopea DNA-analyysi sekä tekoäly- ja koneoppimisen analysointi.

Terrorismin ehkäisyn operatiiviset edut

Nopeus ja tunnistusasteikko

Yksi merkittävimmistä eduista kasvojentunnistusteknologian terrorismin torjunnassa on sen kyky käsitellä ja analysoida kasvoja huomattavasti yli ihmisten valmiuksien. Uusi teknologia on antanut valtiolle uuden vallan automatisoida aiemmin tunnettujen terroristien tunnistaminen, jotka järjestävät hyökkäyksiä kansalaisia vastaan, joita valtion on tarkoitus suojella, ja valta tehdä tämä, jos se toimii tehokkaasti, auttaisi terrorismin torjunnassa, sillä kasvojentunnistusteknologiat lupaavat antaa valtiolle juuri tämän vallan.

Perinteiset menetelmät epäiltyjen tunnistamiseksi perustuivat voimakkaasti ihmisen muistiin ja käsivalintaan valokuvista, prosessien, jotka olivat aikaa vieviä ja jotka olivat alttiita virheille. Turvamies, joka valvoo ruuhkaista lentokenttää, pystyi vain aktiivisesti seuraamaan rajoitettua määrää ihmisiä kerralla, ja jopa kokenein henkilö voi kaivata epäiltyä kasvojen meressä. Kasvojentunnistusjärjestelmät sen sijaan voivat samanaikaisesti seurata satoja tai tuhansia kasvoja, vertailemalla kutakin laajaan tietopankkiin reaaliajassa.

Tämä kyky on erityisen tärkeä aikaherkissä tilanteissa, joissa jokaisella sekunnilla on merkitystä. Kun tiedustelupalvelu saa tietoa välittömästä uhasta, kasvojentunnistusjärjestelmiä voidaan nopeasti käyttää valvontaverkostojen skannaamiseen kokonaisissa kaupungeissa, ja epäiltyjä voidaan mahdollisesti löytää muutamassa minuutissa eikä tuntien tai päivien kuluessa.

Valvontavalmiuksien parantaminen

Biometrisen tunnistuksen, syväoppimisen algoritmin ja big datan analytiikan avulla tiedustelutyön tarkkuutta ja tehokkuutta parannetaan ja perinteisestä seurantatyöstä tulee tulevaisuuteen suuntautunut ja puolustava taistelu. Kasvontunnistus muuttaa valvonnan ensisijaisesti jälkitutkinnassa käytetystä reaktiivisesta työkalusta ennakoivaksi järjestelmäksi, joka pystyy estämään iskut ennen niiden syntymistä.

Tekniikan avulla turvallisuusvirastot voivat luoda kattavia valvontakameroiden verkostoja, jotka toimivat integroituna järjestelmänä sen sijaan, että ne olisivat erillisiä havaintopisteitä. Kun henkilö, jota asia koskee, havaitaan yhdessä paikassa, järjestelmä voi seurata heidän liikkeitään verkon läpi ja tarjota turvallisuushenkilöstölle reaaliaikaista tietoa toiminnastaan ja järjestöistään. Tämä kyky on korvaamaton terroristiverkostojen ymmärtämiseen ja äärijärjestöjen aiemmin tuntemattomien jäsenten tunnistamiseen.

Lisäksi kasvojentunnistusjärjestelmät voivat toimia jatkuvasti ilman ihmisten huomion ja väsymyksen rajoituksia. Vaikka ihmisoperaattorit saattavatkin jäädä paitsi kriittisistä yksityiskohdista pitkien vuorojen tai alhaisen aktiviteetin jaksojen aikana, automaattiset järjestelmät pitävät yllä jatkuvaa valppautta ja varmistavat, että mitään mahdollista uhkaa ei jää huomaamatta.

Deterrence- vaikutus

Kasvojentunnistusjärjestelmien läsnäolo voi toimia tehokkaana pelotteena terroritoiminnalle. Kun mahdolliset hyökkääjät tietävät, että heidän kasvonsa saadaan kiinni ja analysoidaan kehittyneillä biometrisillä järjestelmillä, he kohtaavat huomattavasti suuremmat tunnistamis- ja kiinniottoriskit. Tämä tietoisuus voi häiritä suunnitteluprosesseja, pakottaa terroristit ottamaan vähemmän tehokkaita taktiikoita tai estää hyökkäykset kokonaan.

Ehkäisevä vaikutus ulottuu välittömän tunnistamisuhan ulkopuolelle. Kasvojentunnistusjärjestelmät luovat pysyvän digitaalisen ennätyksen, joka voidaan analysoida kauan tapahtuman jälkeen. Tämä tarkoittaa, että vaikka terroristit onnistuvat välttämään välittömän havaitsemisen, he jättävät jälkeensä todisteita, joita voidaan käyttää niiden tunnistamiseen myöhemmin, seurata niiden liikkeitä ja paljastaa niiden verkostot. Tämä pitkäaikainen vastuu lisää toisen tason riskejä, jotka terroristien on otettava huomioon operaatioiden suunnittelussa.

Resurssien optimointi

Kasvojentunnistustekniikka mahdollistaa turvavirastojen optimoivan rajalliset resurssinsa automatisoimalla rutiininomaisia tunnistustehtäviä ja keskittämällä inhimillistä asiantuntemusta sinne, missä sitä eniten tarvitaan. Sen sijaan, että henkilökuntaa olisi määrä ohjata valvomaan valvontasyötteitä tai tarkastamaan asiakirjoja rajanylityspaikoilla, virastot voivat ottaa käyttöön kasvojentunnistusjärjestelmiä näiden tehtävien hoitamiseksi, kun taas ihmisten toimijat keskittyvät tutkimaan hälytyksiä, tekemään haastatteluja ja tekemään kriittisiä päätöksiä.

Tämä optimointi on erityisen tärkeää, kun otetaan huomioon nykyaikainen turvallisuushaasteita. Kun miljoonat matkustajat kulkevat lentokenttien päivittäin ja lukemattomia tunteja valvonta videon syntyy eri kaupunkialueilla, olisi mahdotonta manuaalisesti tarkistaa kaikki nämä tiedot. Kasvojentunnistusjärjestelmät voivat käsitellä tätä valtava määrä tietoa automaattisesti, liputtamalla vain pieni osa, joka vaatii ihmisten huomiota.

Kriittiset haasteet ja tekniset rajoitukset

Tarkkuus ja väärät positiiviset tiedot

Vaikka kasvojentunnistusteknologia on edistynyt merkittävästi, tarkkuus on edelleen kriittinen huolenaihe erityisesti terrorismin vastaisissa sovelluksissa, joissa virheiden seuraukset voivat olla vakavia. Kasvontunnistusmenetelmä on tunnistettu teknisillä puutteilla ja heikkouksilla, mutta sitä voidaan käyttää operationaalisesti sen heikkouksien minimoimiseksi. Näiden rajoitusten ymmärtäminen on olennaista teknologian vastuullisen ja tehokkaan käytön kannalta.

Vaikka ihmiset yleensä pystyvätkin suorittamaan kasvojentunnistusprosesseja melko hyvin, nämä toiminnot ovat edelleen erittäin haastavia teknologisille järjestelmille, sillä ellei valokuvaa oteta hyvin valvotuissa olosuhteissa, järjestelmä voi olla vaikea tunnistaa tai jopa havaita kasvojaan valokuvassa, ja järjestelmä toimii parhaiten silloin, kun ympäristötekijöitä, kuten kamerakulmaa, valaistusta, kasvojen ilmentymistä ja muita, hallitaan mahdollisimman paljon.

Väärät positiiviset tapaukset, joissa järjestelmä havaitsee väärin jonkun kiinnostavaksi henkilöksi, joissa on erityisiä haasteita terrorismin torjunnassa. Ne, joiden kohdalla teknologia ei toimi, eivät voi olla todennettavissa FRT:illä, jotka aiheuttavat epäilyjä ja tunkeilevaa valvontaa, ja lisäksi ne tunnistetaan useammin väärin, mikä voi aiheuttaa epäilyksen terroristiksi tai muuksi vakavaksi rikolliseksi. Tällaiset väärät tunnistamiset voivat johtaa siihen, että viattomia ihmisiä pidätetään, kuulustellaan tai alistetaan invasiivisiin turvatoimiin, joilla on merkittäviä henkilökohtaisia ja sosiaalisia seurauksia.

NIST teki hiljattain laajan testin, jossa keskityttiin FRT:n harhan tunnistamiseen ja jossa korostettiin erityisesti väärää positiivista nopeutta eli sitä, kuinka usein algoritmi tunnistaa toisen henkilön kuvan väärin, ja tulokset osoittivat, että "välttämättömät positiiviset luvut vaihtelevat usein 10-100-kertaisesti" riippuen siitä, mitkä algoritmit ovat käytössä. Nämä eri järjestelmien virheprosentit korostavat, että on tärkeää tehdä tiukkaa testausta ja validointia ennen kuin otetaan käyttöön kasvotunnistustekniikka suurissa turvasovelluksissa.

Väestönkasvu ja algoritminen oikeudenmukaisuus

Yksi vakavimmista haasteista kasvojentunnistusteknologian on demografinen harha.Tavoitteena on, että järjestelmät suoriutuvat vähemmän tarkasti tietyissä väestöryhmissä. Kolme kaupallisesti julkaistua kasvo-analyysiohjelmaa suurilta teknologiayrityksiltä osoittavat sekä iho- että sukupuoli-harhat, ja tutkijoiden kokeissa, kolmen ohjelman virheprosentit määritettäessä sukupuolen vaaleaihoisten miesten olivat koskaan pahempia kuin 0,8 prosenttia, mutta tummempi-ihoisten naisten virheluvut kuitenkin ilmapallottelivat yli 20 prosenttia yhdessä tapauksessa ja yli 34 prosenttia kahdessa muussa.

Valon nylkemien miesten virheprosentti on 0,8%, kun se on 34,7 prosenttia tummemmilla naisilla, mukaan Joy Buolamwinin ja Timmit Gebrun julkaiseman vuoden 2018 tutkimuksen "Gender Shades" mukaan, jonka mukaan tarkkuusasteiden dramaattinen ero herättää vakavaa huolta oikeudenmukaisuudesta ja yhdenvertaisesta kohtelusta lain mukaan, kun kasvontunnistus käytetään turvallisuus- ja lainvalvontayhteyksissä.

Iho sävy vaikuttaa merkittävästi todentamisen tarkkuutta, vaaleampi ihon sävyt johdonmukaisesti outproversing keski-tumma sävyjä. Tutkimus on myös todennut, että mies koehenkilöt yleensä saavutettu parempi tunnistus tarkkuus kuin naisen koehenkilöt, jotka johtuvat tekijöistä, kuten okclusion aiheuttama pidempi hiukset ja muutokset kasvojen ulkonäkö johtuu meikki.

Elokuussa 2023 musta nainen haastoi Detroitin poliisilaitoksen pidätettyään poliisin huonosti kalibroiduilla kasvojentunnistusohjelmistoilla, ja tämä ongelma on yleistynyt kasvojentunnistusohjelmistoissa, jotka yleensä tuottavat enemmän vääriä positiivisia aineita ei-valkoisille ihmisille. Tällaiset tapahtumat osoittavat algoritmisen harhan todelliset seuraukset ja korostavat tarvetta saada pikaisesti tasapuolisempia kasvontunnistusjärjestelmiä.

NIST-tutkimus löysi myös puolueellisia tuloksia, kun se tuli Itä-Aasian, Native American, Amerikan Intia, Alaskan Intiassa ja Pacific Islanders kasvot. Näiden harhaluulojen laajalle monissa väestöryhmissä viittaa siihen, että ongelma on järjestelmällinen eikä eristynyt tiettyihin populaatioihin tai algoritmeihin.

Bias-juurisyyt

Kasvojentunnistusteknologia on edistynyt huomattavasti, koska kehittyneet tekoälymallit (AI) ovat saaneet koulutuksen valtavista kasvokuvaaineistoista, mutta näissä aineistoissa ei useinkaan ole rotuun, etniseen alkuperään, sukupuoleen ja muihin väestöryhmiin liittyvää monimuotoisuutta, mikä on johtanut siihen, että kasvojentunnistusjärjestelmät toimivat huonommin aliedustetuissa väestöryhmissä kuin koulutusaineistoissa olevissa ryhmissä.

Harhausongelma johtuu useista lähteistä. Kasvojentunnistusalgoritmien kouluttamiseen käytetyt historialliset aineistot ovat pääasiassa näyttäneet valkoisten miesten kasvoja, jotka heijastavat tutkijoiden ja niiden luoneiden laitosten demografisia hahmoja. Kun algoritmit oppivat tunnistamaan kasvot pääasiassa tästä rajallisesta aineistosta, ne luonnollisesti suoriutuvat paremmin samanlaisilla kasvoilla ja kamppailulla niiden kanssa, jotka eroavat merkittävästi koulutustiedoista.

Monet pitävät suurinta osaa näistä asioista epätasapainoisina tietokokonaisuuksina. Ongelma ulottuu kuitenkin yksinkertaisen edustuksen ulkopuolelle. Vaikka tietoaineistoihin kuuluu erilaisia kasvoja, muut tekijät, kuten valaistusolosuhteet, kameran laatu ja kuvanresoluutio voivat vaikuttaa suhteettomasti tummempia ihoääniä omaavien ihmisten kuvien laatuun ja pahentaa tarkkuutta.

Bias-ohjelman muuttaminen

Tutkijat ja teknologiayritykset ovat tunnistaneet ennakkoluuloongelman vakavuuden ja työstävät aktiivisesti ratkaisuja. Vuonna 2018 Microsoft ilmoitti, että niiden kaupallisesti saatavilla olevat FRT-tuotteet olivat käyneet läpi päivityksiä parantaakseen suorituskykyä rotu- ja sukupuoliluokissa laajentamalla koneoppimisalgoritmien kouluttamiseen käytettäviä dataaineistoja ja parantamalla kasvojen luokittelun tarkkuutta, ja nämä parannukset johtivat yrityksen mukaan 20 kertaa matalampiin virhelukuihin tummemmissa ihoäänissä ja 9 kertaa pienempiin virhelukuihin naisilla.

Tutkijat ovat esikouluttaneet kolme kasvojentunnistusmallia . ArcFace, AdaFace ja ElasticFace ...

FairFace-aineistossa tarkkuus parani 92,58 prosentista 96,47 prosenttiin, kun taas Bias-aste (DoB) pieneni 3,86 prosentista 1,16 prosenttiin, mikä merkitsee noin 70 prosentin vähennystä, ja erityisesti aliedustettujen ryhmien osalta havaittiin merkittäviä tuloshyötyjä, kuten mustaihoisten naisten tarkkuuden parantuminen 80,2 prosentista 90,86 prosenttiin, ja jo hyvin edustettuina olevien ryhmien suorituskyky pysyi vahvana.

Debiasing vastakkaisverkko (DebFace) käyttää kuvan ja kuvan koodaajan, neljän ominaisuuden luokittelun, jakelun luokittelun ja ominaisuus aggregaatin verkon, sekä neljä luokittelijaa. Sukupuoli, ikä, rotu ja identiteetti.Kääntykää, jotta voidaan parantaa suorituskykyä aliedustettujen ryhmien välillä. Nämä arkkitehtoniset innovaatiot osoittavat, että ennakkoluulojen lieventäminen on teknisesti mahdollista, vaikkakin merkittävällä työllä näiden ratkaisujen toteuttamiseksi kaikissa käytössä olevissa järjestelmissä.

Yksityisyyttä koskevat kysymykset ja kansalaisvapaudet

Massavalvonta ja yksityisyyden suoja

Suurimmalla osalla kaikesta voimakkaasta on pimeä puoli, eikä FRT ole poikkeus, sillä se herättää vakavia kysymyksiä ja huolenaiheita yksityisyyden, etiikan ja yleisen yhteiskunnallisen vaikutuksen suhteen. Kasvojentunnistustekniikan käyttöönotto terrorismin torjuntaan on herättänyt kiivasta keskustelua turvallisuuden ja yksityisyyden välisestä tasapainosta, ja arvostelijat ovat väittäneet, että laaja-alainen valvonta uhkaa kansalaisvapauksia.

Joukkovalvonnan oikeudellisia, eettisiä ja yksityisyyden suojaa koskevia haasteita ovat esimerkiksi tietokantojen virheellisyys, petokset ja puolueellisuus. Kyky seurata henkilöiden liikkumista julkisissa tiloissa tietämättään tai suostumatta herättää syvällisiä kysymyksiä yksityisyyden luonteesta nyky-yhteiskunnassa ja valtion valvontavaltuuksien asianmukaisista rajoista.

Kritiikit viittaavat merkittäviin yksityisyysriskeihin ja kansalaisvapauksien mahdollisiin rikkomuksiin, nostavat huolta luvattomasta tiedonkeruusta, suostumuksen puutteesta ja toiminnon mahdollisuudesta, jonka kautta yhteen tarkoitukseen kerättyjä tietoja käytetään muuhun tarkoitukseen ilman yksilön tietoa tai suostumusta. Pelkona on, että alun perin terrorismin vastaiseen toimintaan käytetyt järjestelmät voisivat vähitellen laajentua valvomaan laillisiin toimiin osallistuvia tavallisia kansalaisia, luomalla valvontavaltio, joka jäähdyttää vapaata ilmaisua ja yhdistymistä.

Tällaisen kiellon syynä on se, että FRT:t kärsivät laaja-alaisesta harhasta, joka johtaa siihen, että hyödyt ja haitat jakautuvat epätasaisesti ryhmien kesken, valtio käyttää väistämättä näitä teknologioita laittomiin tarkoituksiin ja että FRT:ien olemassaolo heikentää käyttäytymistämme (eli saa ihmiset sensuroimaan itseään valvonnan pelossa).

Sääntelyyn liittyvät toimet ja kiellot

Vuonna 2019 San Franciscosta tuli ensimmäinen Yhdysvaltain kaupunki, joka kielsi kasvojentunnistustekniikan (FRT), erityisesti sen käytön poliisin ja muiden virastojen toimesta, ja sen jälkeen useat muut amerikkalaiset kaupungit ovat panneet täytäntöön omat vastaavat FRT-kiellot, ja Bostonin kaupunginvaltuutetut ovat nimenomaisesti korostaneet yhtä erityistä asiaa: teknologian puolueellisuutta. Nämä kiellot heijastavat kasvavaa yleisön huolta teknologian mahdollisista väärinkäytöksistä ja sen esille tuomista täsmällisyydestä ja oikeudenmukaisuudesta.

Yli tusina suurta kaupunkia on kieltänyt teknologian, kuten Minneapolis, Boston ja San Francisco. Nämä paikalliset kiellot eivät kuitenkaan ole estäneet liittovaltion virastoja ja monia muita lainkäyttöalueita jatkamasta kasvojentunnistuksen käyttöä turvallisuustarkoituksiin, luoden hajanaisen sääntelyn, joka vaihtelee huomattavasti sijainnin mukaan.

Euroopan unioni on omaksunut kokonaisvaltaisemman lähestymistavan, jossa kasvontunnistustekniikkaa käytetään rauhanomaisessa mielenosoituksessa, jossa on kyse joukkovalvontakäytäntöjen riskin ja ihmisoikeuksien suojelun vaikutusten lisäämisestä.

Turvallisuuden ja vapauden tasapainottaminen

On ensiarvoisen tärkeää, että jos valtio voi käyttää tätä teknologiaa lisätäkseen valtaansa terrorismin torjunnassa, tämä valta on rajoitettu siten, että väärinkäytöksiä ja jäähdytettyä käyttäytymistä ei esiinny, ja valtion on luotava institutionaalisia rajoituksia, jotka mahdollistavat ainoastaan FRT:ien käytön paikoissa, joissa ihmisillä ei (ja joilla heillä ei pitäisi olla) kohtuulliset yksityisyyden saannin odotukset (esim.

FRT-laitteilla varustetut kamerat on merkittävä, jotta voidaan varmistaa, ettei niitä valvota paikoissa, joissa niillä pitäisi olla kohtuulliset odotukset yksityisyydestä, ja että FRT-laitteet olisi rajoitettava vakavien rikollisten (esim. terroristien) etsimiseen.

FRT on terrorisminvastaisen aseistuksen tehokas väline, joka mahdollistaa aiemmin saavuttamattomat turvatoimet, mutta tämä teknologia edellyttää erittäin järkevää tasapainoa sen selkeiden etujen ja sen yhteydessä olevien tärkeiden eettisten näkökohtien välillä. Tällä hetkellä saattaa olla niin, että tasapaino on liian suuri FRT:n selkeiden etujen ja sen toiminnan ohjaamisen kannalta.

Oikeudelliset ja eettiset puitteet

Perustuslakia ja ihmisoikeuksia koskevat näkökohdat

Rikosepäiltyjen tunnistamiseen käytetyt FRT-ohjelmat ovat huomattavasti virhealttiampia kasvokuville, jotka kuvaavat tummempia ihon sävyjä ja naaraita verrattuna kasvokuviin, joissa kuvataan valkoihoisia miehiä, ja tämä harha voi johtaa siihen, että rodullisen ja sukupuolisuuntautuneen poliisin tekemä väärä tutkimus voi johtaa siihen, että poliisin puolueellinen FRT:n käyttö on ristiriidassa klassisen liberaalin vaatimuksen kanssa, jonka mukaan hallitus kohtelee kaikkia kansalaisia yhdenvertaisesti lain edessä.

Monien perustuslakien yhdenvertainen suojalauseke edellyttää, että hallituksen toimet eivät syrji rodun, sukupuolen tai muiden suojattujen ominaisuuksien perusteella. Kun kasvojentunnistusjärjestelmät osoittavat järjestelmällistä ennakkoluuloa tiettyjä väestöryhmiä kohtaan, niiden käyttö valtion virastoissa voi rikkoa näitä perustuslaillisia suojatoimia. Tämä luo oikeudellisen ongelman: vaikka teknologia voi parantaa turvallisuutta, sen puolueellinen toiminta voi tehdä sen käytöstä perustuslain vastaista tai ihmisoikeuslainsäädännön vastaista.

Tietokonetutkijat ovat ilmaisseet huolensa FRT:n käyttämisestä lainvalvontaviranomaisten käyttöön rikoksesta epäiltyjen tunnistamisessa, ja huomauttaen, että on hyvin todennäköistä, että tällaisia ohjelmistoja käytetään epäiltyjen tunnistamiseen, ja näin ollen virhe muiden tehtävien syöttämiseen käytettävän kasvontunnistusalgoritmin tuotoksessa voi olla vakavia seurauksia, sillä jotakuta voidaan virheellisesti syyttää rikoksesta, joka perustuu virheelliseen mutta luottavaiseen syyllisen tunnistamiseen turvavideoanalyysistä.

Avoimuus ja vastuuvelvollisuus

Se suosittelee vahvaa sääntelyä, kansainvälistä yhteistyötä ja avointa hallintoa, jotta voidaan varmistaa tekoälyn kasvojentunnistustekniikan käyttö ihmisoikeuksien ja perusvapauksien mukaisesti.

Laaditaan selkeät ja kattavat lait, jotka liittyvät kasvojentunnistustekniikan käyttöön, yhdenmukaistetaan maailmanlaajuiset standardit kansallisten puitteiden kanssa johdonmukaisuuden varmistamiseksi ja annetaan tehtäväksi FRT-järjestelmien säännölliset tarkastukset eettisten ohjeiden noudattamisen varmistamiseksi. Säännöllinen tarkastus voi auttaa tunnistamaan virheet, jotka ovat tarkkoja tai harhaisia ennen kuin niistä aiheutuu vakavia haittoja, ja selkeät oikeudelliset puitteet antavat turvallisuusvirastoille ohjeita teknologian asianmukaisesta käytöstä.

Riskit eivät saisi johtaa tekoälyn käytön keskeyttämiseen tai tiettyjen alustojen kieltämiseen, vaan niiden pitäisi pikemminkin edellyttää toimia, jotta hallitukset vaativat tekoälyn/ML-välineiden parempaa suunnittelua, mikä tarkoittaa parempien tietojen hankkimista ja raskaiden testausjärjestelmien luomista, jotka rajoittavat riskejä ja paljastavat puutteita mahdollisimman paljon.

Tietosuoja ja säilytys

Valtio ei saisi käyttää kolmannen osapuolen yrityksiä, jotka rikkovat kolmea ensimmäistä ehtoa palvelun luomisen tai käytön aikana, ja kolmannen osapuolen yritysten ei pitäisi pystyä käyttämään tai lukea valtion keräämiä arkaluonteisia tietoja. Kasvojentunnistusjärjestelmien keräämät biometriset tiedot ovat erittäin herkkiä ja henkilökohtaisia, mikä edellyttää vankkaa suojaa luvatonta pääsyä, väärinkäyttöä tai tietoturvaloukkauksia vastaan.

Kysymyksiä tietojen säilyttämisestä ovat erityisen tärkeitä. Kuinka kauan kasvojentunnistustietoja säilytetään? Kenellä pitäisi olla pääsy niihin? Missä olosuhteissa niitä voidaan jakaa muiden virastojen tai maiden kanssa? Näistä kysymyksistä ei ole monilla lainkäyttöalueilla selkeitä vastauksia, mikä luo epävarmuutta kasvojentunnistuksen käyttöönoton pitkäaikaisvaikutuksista.

Tietomurtojen riski on myös merkittävä. Miljoonan ihmisen kasvontunnistustietoja sisältävä tietokanta olisi houkutteleva kohde hakkereille, ulkomaalaisille tiedustelupalveluille tai rikollisjärjestöille. Jos tällainen tieto vaarantuisi, sitä voitaisiin käyttää identiteettivarkauksiin, vaanimiseen tai muihin ilkeisiin tarkoituksiin, ja sillä voisi olla seurauksia vuosille tai vuosikymmenille.

Kansainväliset näkymät ja käyttöönotto

Maailmanlaajuiset adoptiomallit

Lainvalvonta: Tällä hetkellä tunnustuksena on yleisin tekoälyn valvontateknologia maailmanlaajuisesti, ja sen käyttöönottoaste on 64 prosenttia, mikä ylittää sekä älykkäät kaupunkialustat että älykkään poliisitoiminnan aloitteet.

Maat kohtaavat erilaisia turvallisuusuhkia ja suhtautuvat eri kulttuurisesti yksityisyyteen ja valvontaan, mikä johtaa merkittäviin vaihteluihin kasvojentunnistuksen käytössä. Jotkut valtiot ovat omaksuneet teknologian innokkaasti ja käyttäneet sitä laajasti julkisissa tiloissa, joissa on minimaalisia rajoituksia.

Furl et al. (2002) totesi, että Länsi-maissa kehitetty ja käytetty FRT oli tarkempi valkoihoisten kasvokuvien suhteen, kun taas Itä-Aasian maissa FRT-algoritmit olivat tarkempia Itä-Aasian kasvokuvien osalta. Tämä havainto korostaa sitä, miten tärkeää on kehittää kasvojentunnistusjärjestelmiä, jotka on koulutettu erilaisiin aineistoihin, jotka edustavat väestöjä, joissa niitä käytetään.

Kansainvälinen yhteistyö ja standardit

Terrorismi on kansainvälinen uhka, joka edellyttää kansainvälistä yhteistyötä tehokkaan torjunnan varmistamiseksi. Kasvojentunnistusteknologia voi helpottaa tätä yhteistyötä antamalla maille mahdollisuuden jakaa tietoa tunnetuista tai epäillyistä terroristeista ja koordinoida niiden valvontatoimia.

Eri maissa on erilaiset oikeudelliset normit yksityisyyden suojasta, tietojen säilyttämisestä ja asianmukaisesta käsittelystä. Kun kasvojentunnistustietoja jaetaan rajojen yli, ne saattavat olla vähemmän tiukkoja kuin siinä maassa, jossa ne on kerätty. Tämä aiheuttaa riskejä, että ulkomaiset hallitukset voivat käyttää väärin tietoja, jotka on kerätty tiukan yksityisyyden suojan nojalla ja joilla on heikompi suoja.

Interpol on kehittänyt järjestelmiä, joilla helpotetaan kasvojentunnistuksen käyttöä rajojen yli terrorismin torjunnassa. Näiden järjestelmien on nivottava monimutkaiset oikeudelliset ja poliittiset alueet ja tasapainotettava tiedonjaon turvallisuushyödyt yksityisyyttä, ihmisoikeuksia ja kansallista itsemääräämisoikeutta koskeviin huolenaiheisiin nähden.

Yleinen käsitys ja luottamus

Julkisen hyväksynnän muuttuminen

FRT:n julkisasiamiehet korostavat mahdollisuuksiaan yleisen turvallisuuden, rikollisuuden ehkäisemisen ja terrorismin torjunnan alalla, ja toteavat, että FRT:n avulla lainvalvontaviranomaiset ja -järjestöt voivat tunnistaa epäillyt ja estää luvattoman pääsyn suojelualueille ja -alueille, joissa on arvokkaita voimavaroja tai haavoittuvia väestöryhmiä. Kasvojentunnistuksen julkinen tuki riippuu usein siitä, missä erityisympäristössä sitä käytetään, ja että turvallisuussovelluksia on helpompi hyväksyä riskialttiissa olosuhteissa, kuten lentoasemilla.

Luottamus instituutioihin, joissa kasvojentunnistus on tärkeä tekijä yleisön hyväksynnässä. Kun ihmiset luottavat siihen, että turvallisuusvirastot käyttävät teknologiaa vastuullisesti ja asianmukaisesti, he ovat todennäköisemmin hyväksyneet sen käyttöönoton. Toisaalta, kun luottamus on alhainen aiempien väärinkäytösten, avoimuuden puutteen tai ennakkoluulojen vuoksi.

FRT:n onnistunut ja laaja-alainen käyttöönotto riippuu paitsi sen nopeudesta ja tarkkuudesta myös siitä, että yleisö luottaa algoritmiin, joka käyttää kasvojentunnistuslaitteita, ja että luottamusta on vaikea rakentaa, kun taas esimerkkejä rodusta harhasta ja vääristä positiivisista tuloksista varjostaa edelleen ohjelmiston kokonaistarkkuuden ja toimivuuden vuosi vuodelta tehtäviä parannuksia.

Kansalaisten luottamuksen lisääminen

Edistetään yleisön sitoutumista ongelmien ratkaisemiseen ja luottamuksen rakentamiseen. Merkityksellinen julkinen sitoutuminen edellyttää muutakin kuin pelkkää tiedottamista kasvontunnistuksen käyttöönotosta; se merkitsee mahdollisuuksia todelliseen vuoropuheluun teknologian hyödyistä, riskeistä ja asianmukaisista rajoista.

Järjestelmän toiminnan avoimuus on olennaisen tärkeää luottamuksen rakentamiseksi. Turvallisuusvirastojen olisi julkisesti ilmoitettava tarkkuusasteet, mukaan lukien väestöryhmittäin eritellyt erittelyt, väärät positiiviset luvut sekä tiedot siitä, miten teknologiaa käytetään ja valvotaan.Tämä avoimuus antaa yleisölle mahdollisuuden tehdä tietoon perustuvia arvioita siitä, oikeuttavatko turvallisuusedut yksityisyyden kuluihin ja käytetäänkö teknologiaa oikeudenmukaisesti.

Vastuullisuuden osoittaminen ongelmien sattuessa on myös ratkaisevan tärkeää. Kun kasvojentunnistusjärjestelmät johtavat vääriin pidätysten tai muiden haittojen aiheuttamiin seurauksiin, virastojen on tunnustettava nämä puutteet, korvattava uhreille ja toteutettava konkreettisia toimia estääkseen niiden toistumisen. Ongelmien kieltäminen tai vastuun kiertäminen heikentää yleistä luottamusta ja ruokkii teknologian vastustusta.

Tulevaisuuden kehitys ja kehittyvät teknologiat

Tarkkuuden ja kapasiteetin kehitys

Viime vuosina edistyneiden arkkitehtuurien ja kerrosten ja parametrien määrän lisääntyessä FR-mallit ovat parantaneet merkittävästi valmiuksiaan oppia monimutkaisia kasvokuvaesityksiä, ja nämä syvemmät arkkitehtuurit, joihin kuuluu usein yli sata kerrosta miljoonia parametreja, ovat parantaneet merkittävästi FR-järjestelmien kykyä yleistyä haastavissa skenaarioissa, mikä on johtanut yleisen tunnustamisen suorituskyvyn paranemiseen (ja vähentänyt ennakkoluuloja), ja lisäksi suurempien, monipuolisempien tietokokonaisuuksien saatavuus on osaltaan parantanut oppimistuloksia, sillä nämä tietokokonaisuudet, joihin sisältyy merkittäviä demografisia muutoksia ja monivariatiiveja, kuten esim.

Tulevaisuuden kasvojentunnistusjärjestelmiin sisältyy todennäköisesti useita biometrisiä menetelmiä, joissa yhdistyvät kasvojentunnistus sekä irisskannaus, kävelyanalyysi, äänentunnistus ja muut tekniikat. Tämä multimodaalinen lähestymistapa voi parantaa tarkkuutta viittaamalla ristikkäisiin biometrisiin allekirjoituksiin ja vähentämällä virheiden vaikutusta missä tahansa järjestelmässä. Se voi myös vaikeuttaa terroristien havaitsemista peittämällä tai muuttamalla niiden ulkonäköä.

Tekoälyn kehitys, erityisesti syväoppimisessa ja hermoverkoissa, jatkaa kasvojentunnistusjärjestelmien rajojen venyttämistä. Nämä järjestelmät ovat muuttumassa entistä paremmin tunnistamaan kasvoja haastavissa olosuhteissa, kuten huonossa valaistuksessa, osittaisessa tukkeutumassa tai äärimmäisissä kulmissa. Ne ovat myös muuttumassa nopeammiksi, mikä mahdollistaa reaaliaikaisen analyysin korkean resoluution videovirroista useista kameroista samanaikaisesti.

Integrointi muihin tiedustelujärjestelmiin

Kasvojentunnistuksen tulevaisuus terrorismin torjunnassa ei ole pelkästään teknologian parantamisessa vaan sen integroimisessa muihin tiedustelu- ja turvajärjestelmiin. Kun kasvontunnistus yhdistetään käyttäytymisanalyysiin, sosiaaliseen verkkoon, viestinnän seurantaan ja muihin tiedustelulähteisiin, siitä tulee osa kattavaa uhkantunnistusjärjestelmää, joka on suurempi kuin osiensa summa.

Kasvontunnistus voisi esimerkiksi tunnistaa lentoaseman kannalta kiinnostavan henkilön, joka käynnistää lisävalvonnan matkustustavoistaan, rahoitustapahtumistaan, viestinnästään ja tunnetuista kumppaneistaan. Tämän yhdennetyn lähestymistavan avulla turvallisuusvirastot voivat rakentaa kattavamman kuvan mahdollisista uhista ja tehdä tietoon perustuvia päätöksiä siitä, miten niihin vastataan.

Tämä integrointi kuitenkin lisää myös yksityisyyden suojaa koskevia huolenaiheita. Järjestelmä, jossa yhdistetään kasvojentunnistus ja laajat tiedot muista lähteistä, luo ennennäkemättömiä valvontavalmiuksia, joita voitaisiin käyttää lähes kaikkien ihmisten elämän osa-alueiden seurantaan. Varmistetaan, että tällaisia tehokkaita järjestelmiä käytetään vain laillisiin turvallisuustarkoituksiin ja asianmukaiseen valvontaan, on kriittinen haaste poliittisille päättäjille.

Kehittyvät vastatoimet ja asekilpailu

Kasvojentunnistusteknologian yleistyessä terrorismin torjunnassa vastavoimat kehittävät vastatoimia, jotta ne välttyisivät havaitsemiselta. Nämä vaihtelevat yksinkertaisista tekniikoista, kuten naamioiden tai aurinkolasien käytöstä kehittyneempiin lähestymistapoihin, kuten kontrasariaalisiin meikkimalleihin, jotka on suunniteltu sekoittamaan kasvontunnistusalgoritmit tai syväfeikkiteknologian käyttö väärien henkilöllisyyksien luomiseen.

Tämä luo jatkuvaa teknologista kilpavarustelua, jossa turvallisuusvirastot työskentelevät parantaakseen kasvojentunnistusjärjestelmiä, kun taas terroristit ja muut vastustajat kehittävät uusia tapoja voittaa ne. Kasvojentunnistuksen tehokkuus terrorismin torjunnassa riippuu paitsi teknologian luontaisista valmiuksista myös siitä, miten hyvin se voi sopeutua kehittyviin petoksen tekniikoihin.

Jotkut tutkijat tutkivat keinoja, joilla kasvojentunnistusjärjestelmiä voidaan tehostaa vastatoimia vastaan, kuten infrapunakuvan käyttöä kasvojen havaitsemiseen silloinkin, kun kasvot on osittain peitetty, tai analysoimalla kävelyä ja kehon kieltä kasvojen ominaisuuksien lisäksi. Toiset kehittävät elävän elämäntunnistusjärjestelmiä, jotka erottavat todelliset kasvot ja valokuvat, naamiot tai videonäytöt, jolloin estetään iskujen parofiointi.

Parhaat käytännöt ja suositukset

Tekniset standardit ja testaus

NIST:n käynnissä olevat Face Recognition Vendor Tests (FRVT) -testit ovat arvioineet yli 400 kasvojentunnistusalgoritmia vuodesta 2017 lähtien. Ne antavat tietoa kaikkien mukana olevien kehittäjien tarkkuuden kokonaisluokituksista. Kasvojentunnistusjärjestelmien rivo ja riippumaton testaus ennen käyttöönottoa on olennaista, jotta ne täyttävät tarkkuuden ja oikeudenmukaisuuden vähimmäisvaatimukset.

Testauksessa olisi otettava huomioon eri väestöryhmien väliset arvioinnit, jotta voidaan tunnistaa ja mitata järjestelmän suorituskyvyn mahdolliset harhat. Järjestelmiä, jotka osoittavat kohtuuttoman suurta puolueettomuutta, ei tulisi käyttää ennen kuin nämä ongelmat on korjattu. Testin olisi myös arvioitava suorituskykyä realistisissa toimintaolosuhteissa, ei vain valvotuissa laboratorioympäristöissä.

Järjestelmän toiminta voi huonontua ajan mittaan algoritmien iän tai väestön muuttuessa. Säännöllisissä tarkastuksissa voidaan tunnistaa esiin nousevat ongelmat ja varmistaa, että järjestelmät täyttävät suoritusvaatimukset koko niiden toiminta-ajan.

Toimintaohjeet

Kasvojentunnistusjärjestelmän käyttöönotossa terrorismin torjuntaan olisi otettava selkeät toimintaohjeet, joissa määritellään, milloin ja miten teknologiaa voidaan käyttää. Ohjeissa olisi käsiteltävä esimerkiksi seuraavia kysymyksiä: Minkä tasoisen luottamuksen tarvitaan ennen toiminnan aloittamista? Mitä lisätarkastuksia tarvitaan ennen kuin joku voidaan pidättää kasvojentunnistusottelun perusteella? Miten järjestelmää pitäisi käyttää yhdessä ihmisen arviointikyvyn kanssa?

Ihmisiä tai algoritmeja ei voi erehtyä, ja ihmisen arvostelukyvyn vastaavat heikkoudet voivat vaikuttaa kasvojentunnistustekniikoiden käyttöön, sillä yksilöt saattavat luottaa algoritmin tuloksiin ajatellen, että sen on oltava "objektiivinen" .Enemmän kuin heidän oman arvionsa siitä, vastaavatko kaksi kuvaa, vaikka taustalla on harhaumia tai epätarkkuuksia teknologiassa. Kasvojentunnistusjärjestelmiä käyttävän henkilöstön koulutus on väline ihmisen päätöksenteon avustamiseksi, ei korvaa ihmisen harkintaa.

Operaattoreita olisi koulutettava ymmärtämään järjestelmän rajoituksia, mukaan lukien sen harhat ja väärät positiiviset vaikutukset. Heitä olisi kannustettava käyttämään riippumatonta harkintaa eikä luottamaan pelkästään algoritmisiin tuloksiin, erityisesti kun virheiden seuraukset ovat vakavia. Selkeissä protokolliassa olisi täsmennettävä, mitä lisätutkimuksia tai todentamista tarvitaan ennen kuin ryhdytään toimiin kasvojentunnistusottelun perusteella.

Valvonta- ja vastuuvelvollisuusmekanismit

Vahvat valvontamekanismit ovat välttämättömiä sen varmistamiseksi, että kasvontunnistustekniikkaa käytetään asianmukaisesti ja että väärinkäytökset tunnistetaan ja korjataan. Valvonnassa olisi otettava huomioon sekä sisäiset mekanismit turvallisuusvirastoissa että riippumattomien elinten, kuten tietosuojakomissaarien, lainsäädäntökomiteoiden tai oikeudellisen valvonnan, ulkoinen valvonta.

Virastojen olisi pidettävä yksityiskohtaisia lokitietoja siitä, miten kasvojentunnistusjärjestelmiä käytetään, mukaan lukien mitä hakuja tehdään, kuka niitä tekee, ja mitä toimia niiden tuloksena on.

Ulkoisilla valvontaelimillä tulisi olla valtuudet ja resurssit tehdä mielekäs kasvojentunnistusohjelmien tarkistus. Tähän kuuluu pääsy teknisiin tietoihin siitä, miten järjestelmät toimivat, suorituskykytiedot ja toimintalokit. Valvontaelimillä tulisi myös olla valtuudet pakottaa muuttamaan ohjelmia, jotka rikkovat oikeudellisia tai eettisiä standardeja.

Tapaustutkimukset ja reaalimaailman sovellukset

Lentokentät ja rajaturvallisuus

Lentokentät ja rajanylitykset ovat olleet ensimmäisiä ja laajimpia kasvojentunnistusteknologian käyttöönottajia terrorismin torjuntaan. Nämä valvotut ympäristöt tarjoavat useita etuja kasvojentunnistuksen käyttöönotolle: matkustajien on käytävä nimettyjen tarkastuspisteiden läpi, valaistus ja kamerakulmat voidaan optimoida ja henkilöllisyyden todentamiselle on selkeät turvallisuusperusteet.

Monet maat ovat ottaneet käyttöön kasvojentunnistuksen maahanmuuttotarkastuspisteissä varmistaakseen, että matkustajat vastaavat heidän passikuviaan ja tarkistaakseen heidät tunnettujen tai epäiltyjen terroristien katselmuslistojen kanssa. Nämä järjestelmät ovat käsitelleet miljoonia matkailijoita, ja joidenkin lentoasemien mukaan kasvojentunnistus on auttanut heitä tunnistamaan henkilöitä, jotka yrittävät matkustaa väärennetyillä asiakirjoilla tai varastetulla henkilöllisyydellä.

Teknologia on myös otettu käyttöön nopeuttaa käsittelyä luotettavien matkailijoiden kautta ohjelmia, joiden avulla esiseulotut henkilöt voivat käyttää automatisoituja portteja, jotka vahvistavat heidän henkilöllisyytensä kasvojentunnistuksen kautta.Tämä kaksoiskäyttöon parantanut sekä turvallisuutta että mukavuutta.

Kaupunkien valvontaverkot

Jotkut kaupungit ovat ottaneet käyttöön laajoja kameroita, joilla on kasvontunnistusvalmiudet turvallisuusuhkien varalta.

Kaupunkien valvontaverkostot ovat kuitenkin aiheuttaneet myös merkittäviä kiistoja, koska ne voivat valvoa tavallisten kansalaisten joukkoja. Kritiikit väittävät, että nämä järjestelmät aiheuttavat jähmeät vaikutukset sananvapauteen ja yhdistymiseen, koska ihmiset voivat välttää tiettyjä paikkoja tai toimintoja, jos he tietävät, että niitä seurataan.

Jotkut lainkäyttöalueet ovat pyrkineet ratkaisemaan näitä huolenaiheita rajoittamalla kasvojentunnistuksen käyttöä julkisissa tiloissa erityisolosuhteisiin, kuten vakavien rikosten tutkintaan tai välittömiin uhkiin vastaamiseen. Toiset ovat vaatineet, että kamerat on merkittävä selvästi ja että yleisölle on tiedotettava siitä, missä kasvontunnistus on käytössä.

Tapahtuman turvallisuus ja joukkoseuranta

Suuret julkiset tapahtumat .kuten poliittiset yleissopimukset, kansainväliset huippukokoukset tai suuret urheilutapahtumat.Nämä ovat houkuttelevia kohteita terroristeille ja vaativat intensiivisiä turvatoimia.

Nämä tilapäiset operaatiot tarjoavat joitakin etuja pysyviin valvontaverkkoihin verrattuna, ja ne ovat ajallisesti ja laajuudessaan rajoitettuja, ja niissä keskitytään tiettyihin riskialttiisiin tapahtumiin julkisten tilojen jatkuvan seurannan sijaan.Niitä voidaan perustella suurten yleisöä ja korkean profiilin tavoitteita houkuttelevien suurten tapahtumien aiheuttamalla suuren turvallisuusuhalla.

Tapahtumien turvallisuussovellukset herättävät kuitenkin myös huolta erityisesti silloin, kun kasvontunnistusta käytetään poliittisten mielenosoitusten tai mielenosoitusten seurantaan. Teknologiaa voitaisiin käyttää poliittisten aktivistien tunnistamiseen ja jäljittämiseen, mikä saattaisi jähmettää legitiimin poliittisen ilmaisun. Selkeät ohjeet siitä, milloin ja miten kasvojentunnistusta voidaan käyttää julkisissa tapahtumissa ovat välttämättömiä väärinkäytösten estämiseksi.

Edessä oleva polku: Turvallisuuden ja oikeuksien tasapainottaminen

Vastuullisen käytön puitteiden kehittäminen

Kasvojentunnistuksen tulevaisuus terrorismin torjunnassa riippuu siitä, miten kehitetään puitteet, joiden avulla teknologiaa voidaan käyttää tehokkaasti laillisiin turvallisuustarkoituksiin ja samalla suojella kansalaisvapauksia ja taata oikeudenmukaisuus. Tämä edellyttää jatkuvaa vuoropuhelua turvallisuusalan ammattilaisten, teknologien, poliittisten päättäjien, kansalaisvapauksien puolustajien ja kansalaisten välillä.

Tällaisten puitteiden olisi perustuttava selkeisiin periaatteisiin: kasvojentunnistus olisi käytettävä vain silloin, kun se on tarpeen ja oikeassa suhteessa turvallisuusuhkaan; sitä olisi käytettävä asianmukaisin suojatoimin väärinkäytöksiä vastaan; sitä olisi valvottava ja vastuuvelvollisuuteen; ja sitä olisi jatkuvasti arvioitava ja parannettava, jotta voidaan puuttua ongelmiin, jotka ovat tarkkoja ja puolueellisia.

Erilaiset olosuhteet voivat edellyttää erilaisia lähestymistapoja. Kasvojentunnistuksen käyttö rajanylityspaikoilla, joissa on selkeät turvallisuusperusteet ja rajalliset odotukset yksityisyydestä, voi olla hyväksyttävämpää kuin sen käyttö julkisten tilojen jatkuvaan valvontaan. Kontekstikohtaiset puitteet voivat tarjota vivahteikkaampia ohjeita kuin yhden koon säännöt.

Tutkimus- ja kehitysinvestoinnit

Jatkuva panostus kasvojentunnistusteknologian parantamiseen liittyvään tutkimukseen on olennaisen tärkeää. Tähän sisältyy paitsi tarkkuuden ja nopeuden parantaminen myös erityisesti puolueellisuuden ja oikeudenmukaisuuden ongelmien ratkaiseminen. Laaja-alaiset ja standardoidut tutkimukset, kuten NIST:n apu yhteisten puutteiden paljastamiseen FRT:ssä, ja koska sekä tutkijat että työntekijät, FRT:ää kehittävät insinöörit, ovat vastuussa ohjelmiston tulosten parantamisesta tunnistamalla kuvia, joissa on tummemmat ihoäänet .

Tutkimuksessa tulisi myös tutkia vaihtoehtoisia lähestymistapoja, jotka voivat tarjota paremman yksityisyyden suojan säilyttäen samalla tietoturvaedut. Esimerkiksi järjestelmät, jotka analysoivat käyttäytymismalleja tai havaitsevat poikkeavuuksia tunnistamatta tiettyjä yksilöitä, saattavat tarjota hyödyllisiä tietoturvatietoja vähemmän yksityisyyden kuin perinteinen kasvojentunnistus.

Monitieteinen tutkimus, jossa on mukana tietokonetieteilijöitä, yhteiskuntatieteilijöitä, etiikkoja ja lakitieteilijöitä, voi auttaa tunnistamaan ja vastaamaan kasvojentunnistusteknologian monimutkaisiin haasteisiin.

Kansainvälinen yhteistyö ja standardit

Terrorismin valtioiden rajat ylittävän luonteen vuoksi kansainvälinen yhteistyö kasvojentunnistusstandardien ja -käytäntöjen alalla on tärkeää.

Kansainvälisissä sopimuksissa voitaisiin vahvistaa vähimmäisvaatimukset terrorismin torjunnassa käytettäville kasvojentunnistusjärjestelmille ja varmistaa, että rajat ylittävät tiedot täyttävät tarkkuutta ja luotettavuutta koskevat perusvaatimukset.

Kansainvälisen yhteistyön on kuitenkin oltava tasapainossa sen kanssa, että autoritaariset hallinnot voivat käyttää kasvojentunnistusta poliittisessa tukahduttamisessa. Demokraattisten maiden olisi oltava varovaisia kasvontunnistustekniikan tai -tietojen jakamisessa sellaisten hallitusten kanssa, joilla ei ole vahvaa ihmisoikeuksien suojaa ja oikeusvaltioperiaatetta.

Päätelmä: Navigointi Complex Maisema

Kasvojentunnistusteknologia on tehokas väline terrorismin torjunnassa, joka tarjoaa valmiuksia tunnistamiseen, valvontaan ja tutkimuksiin, joita ei ollut mahdollista kuvitellakaan muutama vuosikymmen sitten. Uusi teknologia on antanut valtiolle uuden vallan automatisoida aiemmin tunnettujen terroristien tunnistaminen, jotka järjestävät hyökkäyksiä kansalaisia vastaan, joita valtion on tarkoitus suojella, ja valta tehdä tämä, jos se toimii tehokkaasti, auttaisi terrorismin torjunnassa.

Tämä ongelma on vallalla kasvojentunnistusohjelmistossa, joka tuottaa enemmän vääriä positiivisia aineita ei-valkoisille ihmisille, ja toisin kuin jonkun pidättämiseen käytettävä kasvojentunnistusohjelmisto, väärästi koulutettu CT-algoritmi voi tappaa siviilejä, mikä ei voi olla peruuttamatonta. Terrorismin torjuntasovelluksissa panokset ovat erityisen suuria, joissa virheet voivat johtaa siihen, että viattomia ihmisiä pidätetään väärin perustein tai päinvastoin vaaralliset henkilöt välttyvät havaitsemasta.

Edessä oleva tie edellyttää näiden kilpailevien näkökohtien tasapainottamista huolellisen politiikan kehittämisen, vankan valvonnan, jatkuvan teknisen parantamisen ja jatkuvan julkisen vuoropuhelun avulla. Ei ole olemassa vastuullista lähestymistapaa, joka estäisi kasvontunnistuksen käytön turvallisuustarkoituksiin eikä rajoittamattomasta käyttöönotosta ilman suojatoimia. Sen sijaan kontekstikohtaiset puitteet, jotka mahdollistavat hyödylliset käyttötavat ja estävät väärinkäytökset, tarjoavat parhaan toivon kasvontunnistuksen turvallisuusetujen toteutumiseen ja samalla suojaan perusoikeuksien suojeluun.

Kun teknologia kehittyy ja muuttuu yhä kyvykkäämmäksi, huomaavaisen hallinnon tarve muuttuu yhä kiireellisemmäksi. Nykyisin tehtävät päätökset kasvojentunnistuksen kehittämisestä, käyttöönotosta ja sääntelystä muokkaavat turvallisuuden ja vapauden välistä tasapainoa tulevina vuosina. Sen varmistaminen, että päätökset annetaan tietoon eettisten periaatteiden mukaisesti ja demokraattisen vastuun alaisena, ovat välttämättömiä turvallisuuden ja vapauden säilyttämiseksi yhä monimutkaisemmassa uhkaympäristössä.

Lisätietoja biometrisen turvallisuuden tekniikoista saa National Institute of Standards and Technology's Face Engineering Vendor Test Program. Lisätietoja valvontateknologian tietosuojanäkökohdista saa Electronic Frontier Foundation [] -säätiön resursseista. Kansainvälisiä näkökulmia kasvojentunnistuksen sääntelyyn on Euroopan parlamentin työstä tekoälyn sääntelyn parissa[.