L'uso della tecnologia di riconoscimento facciale nell'identificazione dei sospetti terroristi

Comprendere la tecnologia di riconoscimento facciale e il suo ruolo nella sicurezza moderna

La tecnologia di riconoscimento facciale è emersa come uno degli strumenti più trasformativi nella lotta globale contro il terrorismo, che consente di identificare rapidamente e con precisione le persone e gli aiuti nella prevenzione delle attività terroristiche e rendere gli spazi pubblici più sicuri.

Secondo la ricerca di Markets and Markets, il mercato del riconoscimento facciale è in grado di raggiungere 8,5 miliardi di dollari nel 2025, più che raddoppiare da 3,8 miliardi di dollari nel 2020. Questa crescita esplosiva riflette non solo le capacità di espansione della tecnologia, ma anche la sua importanza critica nei quadri di sicurezza nazionali.

La tecnologia digitalizza le caratteristiche del viso umano in rappresentazioni matematiche che i computer possono elaborare e confrontare, analizzando le caratteristiche del viso chiave come la distanza tra gli occhi della persona, la larghezza del ponte del naso, i contorni della mandibola e la struttura della cheekbone, e poi crea modelli biometrici unici per controllare le identità attraverso database contenenti milioni di volti.

L'evoluzione della tecnologia di riconoscimento facciale

Da inizio iniziale a sistemi alimentati con intelligenza artificiale

La tecnologia risale agli anni '60 quando un ragazzo di nome Woodrow Wilson Bledsoe ha creato un sistema per ordinare foto di volti utilizzando una speciale tavoletta. Questi primi sistemi erano rudimentali secondo gli standard di oggi, che richiedono l'ingresso manuale e il funzionamento in condizioni altamente controllate. Negli anni '70, alcune persone intelligenti hanno usato 21 marcatori specifici, come il colore dei capelli e lo spessore delle labbra, per automatizzare il riconoscimento facciale, e la fondazione 80s/90s ha visto un nuovo approccio moderno Eigen.

Il vero cambiagiochi è arrivato negli anni 2000 con i social media, come improvvisamente c'erano milioni di foto contrassegnate online, dando a questi sistemi un database enorme da imparare. Questa abbondanza di dati di formazione, combinato con progressi negli algoritmi di apprendimento automatico, ha permesso sistemi di riconoscimento facciale per raggiungere tassi di precisione che erano precedentemente inimmaginabili.

Come funzionano i moderni sistemi di riconoscimento facciale

I moderni sistemi di riconoscimento facciale operano attraverso un processo multistadio che avviene in millisecondi. La prima fase comporta il rilevamento del viso, dove il sistema identifica e individua un volto all'interno di un'immagine o di un frame video. Questo è seguito dall'allineamento del viso, dove il sistema normalizza la posizione, la dimensione e l'orientamento del viso per garantire un'analisi coerente indipendentemente dall'angolo o dalla distanza dalla fotocamera.

Successivamente viene estrazione caratteristica, dove il sistema identifica e misura caratteristiche facciali distintive. Queste misurazioni vengono convertite in una rappresentazione matematica chiamata modello facciale o firma biometrica. Infine, il sistema esegue l'abbinamento confrontando questo modello contro i modelli memorizzati in un database, generando un punteggio di somiglianza che indica la probabilità di una partita.

I moderni sistemi di riconoscimento facciale catturano e analizzano le immagini delle persone nelle condizioni più difficili di visione e movimento. Questa capacità è fondamentale per le applicazioni controterrorismo, dove i sospetti possono essere catturati su filmati di sorveglianza in condizioni meno ideali, tra cui scarsa illuminazione, parziale occlusione, o ad angoli obliqui.

Applicazioni strategiche nelle operazioni controterrorismo

Sorveglianza in tempo reale e rilevamento delle minacce

La tecnologia di riconoscimento facciale è emersa come strumento trasformativo nel contro-terrorismo, offrendo capacità avanzate per identificare, monitorare e apprezzare gli individui di interesse, con focus su tre applicazioni specifiche: sorveglianza in tempo reale, controllo dei confini e processi investigativi.

L'AI consente di verificare automaticamente i controlli di allarme e identità di gruppi di persone di vasta portata e di ritmo non possibili prima. Questa capacità à ̈ particolarmente preziosa durante eventi di alto profilo in cui grandi folle si riuniscono, come raduni politici, eventi sportivi o festival culturali.

La sicurezza migliorata fornisce un monitoraggio continuo in aree ad alto traffico, identifica le persone di interesse e individua le persone scomparse con efficienza senza precedenti. La capacità della tecnologia di operare continuamente senza fatica lo rende un prezioso complemento al personale di sicurezza umana, che può quindi concentrare la loro attenzione sull'indagine degli avvisi e sulla risposta alle potenziali minacce.

Controllo sicurezza e immigrazione

Se una persona (inclusa un terrorista) viene negli Stati Uniti d'oltremare, lui o lei probabilmente passa attraverso un checkpoint di immigrazione al porto di ingresso, e dalla prospettiva di controterrorismo, questo checkpoint è un punto di riferimento in cui il terrorista sarebbe più vulnerabile.

I FRT sono schierati per verificare che una persona che attraversa il controllo dei confini sia effettivamente la persona rappresentata da un documento di identificazione (ad esempio un passaporto), e Interpol ha implementato il suo sistema FIRST di progetto per aiutare le autorità statali a identificare i combattenti terroristi stranieri (FTF), che possono elaborare rapidamente i viaggiatori controllando contemporaneamente le loro identità contro le liste di terroristi noti o sospetti, migliorando significativamente la sicurezza senza creare grandi colli di bottiglia nel flusso dei passeggeri.

La biometria può impedire il furto di identità e la frode all'immigrazione nell'uso dei documenti di viaggio, come modello biometrico dell'impronta digitale del proprio documento, come un passaporto o un visto, su un codice a barre, un chip o una striscia magnetica, che renderebbe difficile per qualcuno assumere l'identità di un altro.

Applicazioni investigative e forensi

I sistemi biometrici potrebbero identificare terroristi noti o sospetti utilizzando il riconoscimento facciale biometrico o il metodo FaceCheck quando una fotografia è disponibile del terrorista sospettato, e questo viene cercato contro una lista di orologi o un database di modelli di terroristi sospetti.

L'efficienza dell'applicazione della legge accelera l'identificazione e la risoluzione dei casi sospetti attraverso l'accoppiamento automatizzato contro i record esistenti. Invece di rivedere manualmente le ore di riprese e confrontare le facce da occhio, gli investigatori possono utilizzare il riconoscimento facciale per cercare rapidamente attraverso vasti archivi di video di sorveglianza, identificare i sospetti e tracciare i loro movimenti attraverso più posizioni e periodi di tempo.

L'esercito statunitense ha riconosciuto anche il valore strategico del riconoscimento facciale nelle operazioni di controterrorismo. Il Comando Operativo Speciale (USSOCOM) sta ponendo le basi per una significativa espansione delle sue capacità di intelligenza e sfruttamento dell'identità, delineando una visione ampia e tecnicamente ambiziosa per come le Forze Operative Speciali raccolgono, analizzano e sfruttano i dati relativi all'identità durante le missioni, cercando informazioni in cinque aree di analisi del sito: riconoscimento facciale, riconoscimento vocale completo, identificazione e identificazione e identificazione e identificazione del sistema di analisi del DNA

Vantaggi operativi nella prevenzione del terrorismo

Velocità e scala di identificazione

Uno dei vantaggi più significativi della tecnologia di riconoscimento facciale nel controterrorismo è la sua capacità di elaborare e analizzare i volti a velocità molto superiori alle capacità umane. La nuova tecnologia ha dato nuovo potere allo stato di automatizzare l'identificazione di terroristi precedentemente noti che stanno organizzando attacchi ai cittadini che lo stato dovrebbe proteggere, e il potere di farlo, se funziona efficacemente, aiuterà a contrastare il terrorismo, come le tecnologie di riconoscimento facciale promettono di dare allo stato proprio quel potere.

I metodi tradizionali di identificazione dei sospetti si affidavano fortemente alla memoria umana e al confronto manuale delle fotografie, processi che richiedevano tempo e inclini all'errore. Un ufficiale di sicurezza che controllava un aeroporto affollato poteva solo guardare attivamente un numero limitato di persone contemporaneamente, e anche il personale più esperto poteva mancare un sospettato in un mare di facce.

Questa capacità è particolarmente cruciale in situazioni sensibili al tempo in cui ogni secondo conta. Quando le agenzie di intelligence ricevono informazioni su una minaccia imminente, i sistemi di riconoscimento facciale possono essere rapidamente implementati per la scansione delle reti di sorveglianza in tutte le città, potenzialmente individuando i sospetti in pochi minuti, piuttosto che in ore o giorni.

Capacità di sorveglianza migliorate

Attraverso il riconoscimento biometrico, l'algoritmo di deep learning e le analisi dei dati, l'accuratezza e l'efficienza del lavoro di intelligenza sono migliorate e il tradizionale lavoro di monitoraggio diventa una lotta di tipo avanzato e difensivo.

La tecnologia consente alle agenzie di sicurezza di creare reti complete di telecamere di sorveglianza che funzionano come un sistema integrato piuttosto che punti di osservazione isolati.Quando una persona di interesse viene rilevata in un luogo, il sistema può monitorare i propri movimenti attraverso la rete, fornendo al personale di sicurezza informazioni in tempo reale sulle loro attività e associazioni.

Inoltre, i sistemi di riconoscimento facciale possono operare continuamente senza limitazioni di attenzione e fatica umana. Mentre gli operatori umani possono perdere dettagli critici durante lunghi spostamenti o periodi di bassa attività, i sistemi automatizzati mantengono una vigilanza costante, assicurando che nessuna potenziale minaccia vada inosservata.

Effetto di deterrenza

Quando i potenziali attaccanti sanno che i loro volti saranno catturati e analizzati da sofisticati sistemi biometrici, affrontano rischi significativamente più elevati di identificazione e ammissione. Questa consapevolezza può interrompere i processi di pianificazione, costringere i terroristi ad adottare tattiche meno efficaci, o scoraggiare completamente gli attacchi.

L'effetto di deterrenza si estende oltre la minaccia immediata di identificazione. I sistemi di riconoscimento facciale creano un record digitale permanente che può essere analizzato a lungo dopo un incidente. Ciò significa che anche se i terroristi riescono a evadere il rilevamento immediato, lasciano dietro le prove che possono essere utilizzate per identificarli in seguito, tracciare i loro movimenti e scoprire le loro reti.

Ottimizzazione delle risorse

La tecnologia di riconoscimento facciale consente alle agenzie di sicurezza di ottimizzare le proprie risorse limitate automatizzando i compiti di identificazione di routine e concentrando le competenze umane dove è più necessario. Invece di assegnare il personale per monitorare manualmente i feed di sorveglianza o controllare i documenti alle frontiere, le agenzie possono implementare sistemi di riconoscimento facciale per gestire queste attività mentre gli operatori umani si concentrano su avvisi di indagine, colloqui di conduzione e prendere decisioni critiche.

Questa ottimizzazione è particolarmente importante in considerazione delle sfide della sicurezza moderna: con milioni di viaggiatori che passano attraverso gli aeroporti giornalieri e innumerevoli ore di riprese di sorveglianza generate in aree urbane, sarebbe impossibile rivedere manualmente tutte queste informazioni.

Sfide critiche e limitazioni tecniche

Accuratezza e falsi positivi

Nonostante i progressi significativi nella tecnologia del riconoscimento facciale, l'accuratezza rimane una preoccupazione critica, in particolare nelle applicazioni controterrorismo in cui le conseguenze degli errori possono essere gravi. Il metodo di riconoscimento facciale è stato identificato con imperfezioni tecnologiche e debolezze, ma può essere utilizzato in modo operativo per minimizzare le sue debolezze.

Sebbene gli esseri umani possano generalmente svolgere correttamente i processi di riconoscimento facciale, queste attività sono ancora molto impegnative per i sistemi tecnologici, come se la fotografia non fosse catturata in condizioni molto controllate, il sistema potrebbe avere difficoltà a identificare l'individuo o addirittura a rilevare il suo volto nella fotografia, e il sistema funziona meglio quando fattori ambientali come l'angolo della fotocamera, l'illuminazione, l'espressione facciale e altri, sono controllati nella misura massima possibile.

I falsi positivi, in base ai quali il sistema identifica in modo errato qualcuno come persona di interesse, pongono particolari sfide nei contesti antiterrorismo. Coloro che non lavorano e non possono essere verificati dai FRT, che possono causare sospetti e ulteriori intrusive conseguenze, e inoltre, saranno più mistificati di frequente, che possono causare loro sospetti come terroristi o altri gravi criminali.

Recentemente, NIST ha condotto un test su larga scala focalizzato sull'identificazione di pregiudizi in FRT, con una particolare enfasi sul tasso positivo falso – cioè la frequenza con cui un algoritmo misidenta l'immagine di una persona, e i risultati hanno dimostrato che "attraverso i demografi, i tassi positivi falsi spesso variano da fattori di 10 a oltre 100 volte", a seconda dei quali sono in uso algoritmi.

Bias demografica e la Fiera Algoritmica

Una delle sfide più gravi che la tecnologia di riconoscimento facciale è il pregiudizio demografico — la tendenza per i sistemi a eseguire meno accuratamente su alcuni gruppi demografici. Tre programmi di analisi facciale rilasciati commercialmente da grandi aziende tecnologiche dimostrano sia la pelle-tipo e biasi di genere, e negli esperimenti dei ricercatori, i tassi di errore di tre programmi per determinare il genere di uomini di pelle leggera non erano mai peggiori dello 0,8%, ma per le donne più scure-skined, tuttavia, il tasso di errore,

Il tasso di errore per gli uomini con pelle leggera è dello 0,8%, rispetto al 34,7% per le donne con pelle scura, secondo uno studio del 2018 intitolato "Gender Shades" di Joy Buolamwini e Timnit Gebru, pubblicato dal MIT Media Lab. Questa drammatica disparità nei tassi di accuratezza solleva gravi preoccupazioni circa l'equità e la parità di trattamento sotto la legge quando il riconoscimento facciale è utilizzato in contesti di sicurezza e di applicazione della legge.

La ricerca ha anche scoperto che i soggetti maschi hanno generalmente raggiunto una migliore precisione di riconoscimento rispetto a soggetti femminili, attribuito a fattori come l'occlusione causata da capelli più lunghi e alterazioni dell'aspetto facciale a causa del trucco.

Nell'agosto del 2023 una donna nera fece causa al Dipartimento di Polizia di Detroit dopo essere stata arrestata dagli agenti di polizia utilizzando software di riconoscimento facciale mal calibrato, e questo problema è prevalente nel software di riconoscimento facciale, che tende a generare un tasso più elevato di falsi-positivi per le persone non bianche.

Lo studio NIST ha inoltre trovato risultati biasimi quando si trattava di East Asiatici, nativi americani, indiani americani, indiani dell'Alaska e Pacific Islanders affronta. La pervasività di queste biasi in più gruppi demografici suggerisce che il problema è sistemico piuttosto che isolato a popolazioni specifiche o algoritmi.

Cause di radice di Bias

La tecnologia di riconoscimento facciale ha fatto grandi passi in accuratezza grazie ai modelli avanzati di intelligenza artificiale (AI) formati su enormi dataset di immagini facciali, ma questi dataset spesso mancano di diversità in termini di razza, etnia, genere e altre categorie demografiche, causando sistemi di riconoscimento facciale a peggiorare su gruppi demografici sottorappresentati rispetto ai gruppi onnipresentati nei dati di formazione.

I dataset storici utilizzati per formare algoritmi di riconoscimento facciale hanno prevalentemente caratterizzato i volti dei maschi bianchi, riflettendo la demografia dei ricercatori e delle istituzioni che li hanno creati.Quando gli algoritmi imparano a riconoscere i volti principalmente da questo dataset limitato, si esibiscono naturalmente meglio su volti simili e lotta con volti che differiscono significativamente dai loro dati di formazione.

Molti attribuiscono la maggior parte di questi problemi a dataset sbilanciati. Tuttavia, il problema si estende oltre la semplice rappresentazione. Anche quando i dataset includono volti diversi, altri fattori come le condizioni di illuminazione, la qualità della fotocamera e la risoluzione dell'immagine possono influenzare sproporzionatamente la qualità delle immagini per le persone con tonalità più scure della pelle, ulteriori problemi di precisione di compounding.

Sforzi per Mitigate Bias

Nel 2018, Microsoft ha annunciato che la FRT commerciale aveva subito aggiornamenti per migliorare le prestazioni tra le categorie di razza e di genere, espandendo i set di dati utilizzati per formare gli algoritmi di machine learning e migliorando il face classifier per una maggiore precisione, e questi miglioramenti hanno portato, secondo la società, a 20 volte più bassi tassi di errore per i toni più scuri della pelle e a 9 volte più bassi tassi di errore per le donne.

I ricercatori hanno pre-trainto tre modelli di riconoscimento facciale — ArcFace, AdaFace e ElasticFace — su un grande e equilibrato set di dati sintetici che hanno generato, e il risultato non solo ha aumentato la precisione complessiva rispetto ai modelli formati su datasets squilibri esistenti, ma anche significativamente ridotto pregiudizi demografici, con i modelli formati che mostrano una maggiore precisione in tutti i gruppi razziali rispetto ai modelli esistenti che mostrano scarsa performance sulle minoranze sottorappresentate.

Nel set di dati FairFace, l'accuratezza è migliorata dal 92,58% al 96.47%, mentre il Degree of Bias (DoB) è stato ridotto dal 3,86 al 1.16, rappresentando una riduzione di circa il 70%, e in particolare, sono stati osservati significativi guadagni di performance per gruppi sottorappresentati, come un miglioramento dell'accuratezza per le femmine nere dall'80,2% al 90,86%, mantenendo forti prestazioni per i gruppi già ben rappresentati.

La debiasing adversarial network (DebFace), utilizza un codificatore di immagine-a-funzione, quattro classificatori di attributo, un classificatore di distribuzione e una rete di aggregazione di funzionalità, e i quattro classificatori—gender, age, race e identity— trasformano le potenziali offerte in funzionalità informate, migliorando così le prestazioni in gruppi sottorappresentati.

Preoccupazioni e libertà civili

Sorveglianza di massa e diritti sulla privacy

La maggior parte dei potenti ha un lato oscuro, e FRT non fa eccezione, poiché solleva gravi problemi e preoccupazioni sulla privacy, l'etica e l'impatto sociale globale. L'implementazione della tecnologia di riconoscimento facciale per scopi di controterrorismo ha scatenato un intenso dibattito sull'equilibrio tra sicurezza e privacy, con i critici che sostengono che la sorveglianza diffusa minaccia fondamentali libertà civili.

Le sfide legali, etiche e di privacy in materia di sorveglianza di massa includono preoccupazioni sulla misidentificazione, la frode e la pregiudizievolezza nel database. La capacità di monitorare i movimenti degli individui attraverso gli spazi pubblici senza la loro conoscenza o il consenso solleva profonde domande sulla natura della privacy nella società moderna e sui limiti appropriati delle competenze di sorveglianza del governo.

I critici indicano significativi rischi di privacy e potenziali violazioni delle libertà civili, sollevando preoccupazioni sulla raccolta di dati non autorizzata, la mancanza di consenso e il potenziale di funzione strisciante, attraverso il quale i dati raccolti per uno scopo è utilizzato per uno scopo non correlato senza la conoscenza o il consenso dell'individuo. Il timore è che i sistemi inizialmente implementati per il controterrorismo potrebbero gradualmente espandersi per monitorare i cittadini ordinari impegnati in attività legali, creando uno stato di sorveglianza che chills free espressione e associazione.

I motivi che si presentano per un tale divieto sono che i FRT soffrono di pregiudizi pervasivi, con conseguente abbandono dei benefici e dei danni che vengono distribuiti in modo non uniforme tra i gruppi, lo stato inevitabilmente userà queste tecnologie per scopi illegittimi, e che l'esistenza di FRTs chill il nostro comportamento (cioè, fa sì che le persone si aggrappano per paura della sorveglianza).

Risposte e banche regolamentari

Nel 2019, San Francisco è diventata la prima città degli Stati Uniti a vietare la tecnologia del riconoscimento facciale (FRT), specificando il suo uso da parte della polizia e di altre agenzie, e da allora, diverse altre città americane hanno implementato i propri divieti FRT simili, con i consiglieri di Boston che evidenziano esplicitamente un problema particolare: il pregiudizio della tecnologia, che riflette la crescente preoccupazione pubblica circa il potenziale di abuso della tecnologia e i suoi problemi dimostrati con accuratezza e correttezza.

Oltre una dozzina di grandi città hanno vietato la tecnologia, tra cui Minneapolis, Boston e San Francisco. Tuttavia, questi divieti locali non hanno impedito alle agenzie federali e molte altre giurisdizioni di continuare a distribuire il riconoscimento facciale per scopi di sicurezza, creando un patchwork di regolamenti che variano significativamente per posizione.

L'Unione europea ha adottato un approccio più completo, con l'uso di tecnologie di riconoscimento facciale nel contesto di una protesta pacifica che solleva il rischio di pratiche di sorveglianza di massa e le implicazioni per la protezione dei diritti umani.

Bilanciamento della sicurezza e della libertà

È fondamentale che se lo stato può utilizzare questa tecnologia per aumentare il loro potere per contrastare il terrorismo, questo potere è limitato in modo che gli abusi e il comportamento refrigerato non avvengano, e lo stato deve creare vincoli istituzionali che consentano solo FRTs di essere utilizzati in luoghi dove le persone non (e non dovrebbero) godere di una ragionevole attesa di privacy (ad esempio, aeroporti, passaggi di confine).

Le telecamere dotate di FRT devono essere contrassegnate per assicurare al pubblico che non sono sorvegliate in luoghi che dovrebbero avere una ragionevole aspettativa di privacy, e le FRT dovrebbero essere limitate a trovare criminali gravi (ad esempio, terroristi).

FRT rappresenta un potente strumento nell'arsenale controterrorismo, consentendo misure di sicurezza che erano precedentemente inattaccabili, ma questa è una tecnologia che richiede un equilibrio estremamente succoso tra i suoi benefici chiari e le importanti considerazioni etiche con cui è associato, e al momento, potrebbe essere il caso che l'equilibrio sia troppo legato a favore dei benefici chiari di FRT e non abbastanza a favore della correttezza, della privacy e della sua integrità etica.

Quadri giuridici ed etici

Considerazioni costituzionali e sui diritti umani

I programmi FRT utilizzati dalle forze dell'ordine per identificare i sospetti di crimine sono sostanzialmente più inclini ad errori sulle immagini facciali che rappresentano toni e femmine più scuri rispetto alle immagini facciali raffiguranti maschi caucasici, e questo pregiudizio può portare ai cittadini ad essere indagati erroneamente dalla polizia lungo linee razziali e di genere, con l'uso di applicazione della legge di FRT biased essendo in contrasto con il requisito liberale classico che il governo trattare tutti i cittadini ugualmente prima della legge.

La clausola di parità di protezione di molte costituzioni richiede che le azioni governative non discriminano in base a razza, genere o altre caratteristiche protette.Quando i sistemi di riconoscimento facciale dimostrano un pregiudizio sistematico contro alcuni gruppi demografici, il loro uso da parte delle agenzie governative può violare queste protezioni costituzionali.

Gli scienziati informatici hanno espresso preoccupazione per l'uso dell'applicazione della legge di FRT per identificare i sospetti di crimine, notando che è molto probabile che tale software sia usato per identificare i sospetti, e quindi, un errore nella produzione di un algoritmo di riconoscimento facciale utilizzato come input per altri compiti può avere gravi conseguenze, come qualcuno potrebbe essere accusato ingiustamente di un crimine basato su errato ma sicuro errore di identificazione del responsabile da analisi video di sicurezza.

Trasparenza e responsabilità

Si raccomanda una regolamentazione forte, una cooperazione internazionale e una governance trasparente per garantire che l'uso della tecnologia di riconoscimento facciale AI sia compatibile con i diritti umani e le libertà fondamentali.

Stabilire leggi chiare e complete relative all'uso della tecnologia di riconoscimento facciale, allineare gli standard globali con i quadri nazionali per garantire la coerenza e inviare controlli regolari dei sistemi FRT per garantire il rispetto delle linee guida etiche.

I rischi non dovrebbero portare a moratorie sull'uso di AI o sul divieto su alcune piattaforme, ma piuttosto, dovrebbero essere chiamate ad azione per i governi per chiedere un migliore design per i loro strumenti AI/ML, il che significa acquisire dati migliori e creare regimi di test strenui che limitano il rischio e e e smascherano le carenze il più possibile, e un modo per aiutare questo è rafforzando gli standard di AI spiegabili e le politiche di trasparenza che danno ai governi insights per ogni azione prende un sistema.

Protezione dei dati e conservazione

Lo stato non deve utilizzare società terze che violano le prime tre condizioni durante la creazione o l'utilizzo del suo servizio, e le società terze non dovrebbero essere in grado di accedere o leggere i dati sensibili raccolti dallo stato. I dati biometrici raccolti dai sistemi di riconoscimento facciale sono altamente sensibili e personali, che richiedono una protezione robusta contro accessi non autorizzati, abusi o violazioni dei dati.

Le domande sulla conservazione dei dati sono particolarmente importanti: quanto tempo dovrebbero essere memorizzati i dati di riconoscimento facciale? Chi dovrebbe avere accesso ad esso? In quali circostanze può essere condiviso con altre agenzie o paesi? Queste domande non hanno risposte chiare in molte giurisdizioni, creando l'incertezza circa le implicazioni a lungo termine del riconoscimento facciale.

Un database contenente dati di riconoscimento facciale per milioni di persone sarebbe un obiettivo attraente per hacker, servizi di intelligence stranieri o organizzazioni criminali. Se tali dati fossero compromessi, potrebbe essere utilizzato per furto di identità, stalking o altri scopi dannosi, con conseguenze che potrebbero persistere per anni o decenni.

Prospettive e Diployment internazionali

Modelli globali di adozione

L'applicazione della legge: il riconoscimento facciale è attualmente la tecnologia di sorveglianza AI più ampiamente adottata a livello globale, con un tasso di adozione del 64%, superando sia le piattaforme smart city che le iniziative di smart policing, che l'adozione diffusa riflette sia il valore percepito della tecnologia per la sicurezza che i diversi approcci normativi adottati da diversi paesi.

I Paesi affrontano diverse minacce di sicurezza e hanno atteggiamenti culturali diversi verso la privacy e la sorveglianza, portando a variazioni significative nel modo in cui il riconoscimento facciale viene implementato. Alcune nazioni hanno abbracciato la tecnologia con entusiasmo, schierandola in spazi pubblici con restrizioni minime. Altri hanno adottato un approccio più prudente, limitando il suo utilizzo a specifici contesti di alta sicurezza o imponendo rigidi requisiti di supervisione.

Furl et al. (2002) ha rilevato che FRT sviluppato e utilizzato nei paesi occidentali erano più accurati per le immagini facciali caucasiche, mentre nei paesi dell'Asia orientale gli algoritmi FRT erano più precisi per le immagini facciali dell'Asia orientale.

Cooperazione internazionale e norme

Il terrorismo è una minaccia transnazionale che richiede una cooperazione internazionale per combattere efficacemente. La tecnologia di riconoscimento facciale può facilitare questa cooperazione consentendo ai paesi di condividere informazioni sui terroristi noti o sospetti e coordinare i loro sforzi di sorveglianza. Tuttavia, questa dimensione internazionale solleva anche questioni complesse sulla condivisione dei dati, sulla protezione della privacy e sui diritti umani.

I diversi paesi hanno standard legali diversi per la protezione della privacy, la conservazione dei dati e il processo dovuto.Quando i dati di riconoscimento facciale sono condivisi attraverso i confini, può essere soggetto a protezioni meno severe nel paese ricevente che nel paese in cui è stato raccolto.

Organizzazioni internazionali come Interpol hanno sviluppato sistemi per facilitare l'uso transfrontaliero del riconoscimento facciale per il controterrorismo. Questi sistemi devono navigare in un complesso terreno giuridico e politico, bilanciando i benefici di sicurezza della condivisione delle informazioni contro le preoccupazioni sulla privacy, i diritti umani e la sovranità nazionale.

Percezione pubblica e fiducia

Fattori che influenzano l'accettazione pubblica

Gli avvocati di FRT sottolineano il suo potenziale nella sicurezza pubblica, nella prevenzione della criminalità e nel controterrorismo, notando che FRT consente alle agenzie e organizzazioni di polizia di identificare i sospetti e prevenire l'accesso non autorizzato a aree e spazi protetti dove sono presenti beni preziosi o popolazioni vulnerabili.

Quando la gente si fida che le agenzie di sicurezza useranno la tecnologia in modo responsabile e con una corretta supervisione, è più probabile che accettino il suo dispiegamento. Al contrario, quando la fiducia è bassa, a causa di abusi passati, mancanza di trasparenza o preoccupazioni circa la pregiudizio, l'opposizione pubblica tende ad essere più forte.

L'adozione di FRT di successo e diffusa dipende non solo dalla sua velocità e precisione, ma anche dalla fiducia del pubblico degli algoritmi che alimentano i dispositivi di riconoscimento facciale, e che la fiducia sarà difficile da costruire, mentre esempi di pregiudizi razziali e falsi risultati positivi continuano a oscurare i miglioramenti anno per anno fatti nella precisione e funzionalità complessive del software.

Costruzione di una confidenza pubblica

L'impegno pubblico mira a contrastare le preoccupazioni e a costruire la fiducia. L'impegno pubblico significativo richiede più che semplicemente di informare le persone sull'implementazione del riconoscimento facciale; significa creare opportunità di dialogo autentico sui vantaggi, sui rischi e sui limiti appropriati della tecnologia.

Le agenzie di sicurezza dovrebbero segnalare pubblicamente i tassi di accuratezza, inclusi i guasti del gruppo demografico, i tassi falsi positivi e le informazioni su come viene utilizzata e supervisionata la tecnologia, permettendo al pubblico di prendere giudizi informati sul fatto che i benefici di sicurezza giustifichino i costi di privacy e se la tecnologia viene utilizzata correttamente.

Quando i sistemi di riconoscimento facciale portano a detenzioni errate o altri danni, le agenzie devono riconoscere questi fallimenti, compensare le vittime e prendere misure concrete per prevenire la ricorrenza. Un modello di negazione dei problemi o di deflettere la responsabilità erositerà la fiducia pubblica e l'opposizione al combustibile alla tecnologia.

Sviluppo futuro e tecnologie emergenti

Avanzamenti in Precisione e Capabilità

Negli ultimi anni, con architetture avanzate e aumento del numero di strati e parametri, i modelli FR hanno ottenuto un sostanziale miglioramento della loro capacità di apprendere rappresentazioni facciali complesse, e queste architetture più profonde, spesso comprendenti oltre un centinaio di strati con milioni di parametri, hanno notevolmente migliorato la capacità dei sistemi FR di generalizzare attraverso scenari di sfida, con conseguente maggiore rendimento di riconoscimento generale (come pure di riduzione dei pregiudizi), e inoltre, la disponibilità di maggiori e diversificati risultati di apprendimento ha contribuito a dati

I futuri sistemi di riconoscimento facciale incorporeranno probabilmente molteplici modalità biometriche, combinando il riconoscimento facciale con la scansione iride, l'analisi dei guasti, il riconoscimento vocale e altre tecniche. Questo approccio multimodale può migliorare l'accuratezza attraverso la riproduzione di più firme biometriche, riducendo l'impatto degli errori in qualsiasi singolo sistema.

I progressi nell'intelligenza artificiale, in particolare nelle reti di apprendimento profondo e neurale, continuano a spingere i confini di ciò che i sistemi di riconoscimento facciale possono raggiungere. Questi sistemi stanno diventando migliori nel riconoscere i volti in condizioni difficili, come la scarsa illuminazione, l'occlusione parziale o angoli estremi.

Integrazione con altri sistemi di intelligenza

Il futuro del riconoscimento facciale nel controterrorismo non è solo nel migliorare la tecnologia stessa, ma nell'integrarla con altri sistemi di intelligenza e sicurezza.Quando il riconoscimento facciale è combinato con analisi comportamentali, mappatura dei social network, monitoraggio delle comunicazioni e altre fonti di intelligenza, diventa parte di un sistema di rilevamento delle minacce completo che è maggiore della somma delle sue parti.

Ad esempio, il riconoscimento facciale potrebbe identificare una persona di interesse in un aeroporto, innescando un controllo aggiuntivo dei loro modelli di viaggio, transazioni finanziarie, comunicazioni e soci noti. Questo approccio integrato permette alle agenzie di sicurezza di costruire un quadro più completo delle potenziali minacce e prendere decisioni più informate su come rispondere.

Tuttavia, questa integrazione amplifica anche le preoccupazioni sulla privacy. Un sistema che combina il riconoscimento facciale con i dati estensivi provenienti da altre fonti crea capacità di sorveglianza senza precedenti che potrebbero essere utilizzate per monitorare virtualmente ogni aspetto della vita delle persone.

Emerging Countermeasures and Arms Race

Poiché la tecnologia di riconoscimento facciale diventa più diffusa nel controterrorismo, gli avversari stanno sviluppando contromisure per evadere il rilevamento. Queste vanno da tecniche semplici come indossare maschere o occhiali da sole a approcci più sofisticati come i modelli di trucco avversario progettati per confondere gli algoritmi di riconoscimento facciale o l'uso della tecnologia Deepfake per creare false identità.

Questo crea una continua corsa agli armamenti tecnologici, con le agenzie di sicurezza che lavorano per migliorare i sistemi di riconoscimento facciale, mentre i terroristi e altri avversari sviluppano nuovi modi per sconfiggerli. L'efficacia del riconoscimento facciale nel controterrorismo dipenderà non solo dalle capacità intrinseche della tecnologia, ma da quanto bene può adattarsi alle tecniche di evasione in evoluzione.

Alcuni ricercatori stanno esplorando modi per rendere i sistemi di riconoscimento facciale più robusti contro le contromisure, come l'utilizzo di immagini a infrarossi per rilevare le facce anche quando sono parzialmente coperti, o l'analisi di gait e linguaggio del corpo oltre alle caratteristiche del viso.

Migliori Pratiche e Raccomandazioni

Standard tecnici e test

I test di vendita del viso (FRVTs) di NIST hanno valutato oltre 400 algoritmi di riconoscimento facciale dal 2017, dando una panoramica delle valutazioni di precisione globali di tutti gli sviluppatori partecipanti.

I test dovrebbero includere la valutazione tra diversi gruppi demografici per identificare e quantificare eventuali pregiudizi nelle prestazioni del sistema. I sistemi che dimostrano livelli inaccettabili di pregiudizio non devono essere implementati fino a quando questi problemi non sono corretti.

Le prestazioni del sistema possono declassare nel tempo come invecchiamento degli algoritmi o come la popolazione viene monitorata, mentre i controlli regolari possono identificare i problemi emergenti e garantire che i sistemi continuino a soddisfare gli standard di prestazione durante la loro vita operativa.

Linee guida operative

Le agenzie di sicurezza che utilizzano il riconoscimento facciale per il controterrorismo dovrebbero stabilire chiare linee guida operative che specificano quando e come la tecnologia può essere utilizzata. Queste linee guida dovrebbero affrontare domande come: Qual è il livello di fiducia delle partite prima di agire? Quale ulteriore verifica è richiesta prima di detenere qualcuno basato su un riconoscimento facciale? Come dovrebbe il sistema essere utilizzato in combinazione con il giudizio umano?

Né gli esseri umani né gli algoritmi sono infallibili, e simili debolezze del giudizio umano possono influenzare l'uso delle tecnologie di riconoscimento facciale, come gli individui potrebbero fidarsi dell'output di un algoritmo, pensando che deve essere "oggettivo"—più del loro giudizio sul fatto che due immagini corrispondono, nonostante le biasi sottostanti o le imprecisioni nella tecnologia.

Gli operatori dovrebbero essere addestrati a comprendere i limiti del sistema, compreso il suo potenziale di pregiudizi e falsi positivi, e dovrebbero essere incoraggiati ad esercitare un giudizio indipendente e non a fare affidamento esclusivamente su uscite algoritmiche, in particolare quando le conseguenze degli errori sono gravi.

Meccanismi di supervisione e di responsabilitÃ

I meccanismi di supervisione sono essenziali per garantire che la tecnologia di riconoscimento facciale venga utilizzata in modo appropriato e che gli abusi siano identificati e corretti, che dovrebbero includere sia i meccanismi interni all'interno delle agenzie di sicurezza che la supervisione esterna da parte di organismi indipendenti come i commissari della privacy, i comitati legislativi o la revisione giudiziaria.

Le agenzie devono mantenere registri dettagliati di come vengono utilizzati i sistemi di riconoscimento facciale, compresi quelli che vengono condotti, che li conduce e quali azioni risultano. Questi registri devono essere soggetti a controlli regolari per garantire la conformità alle politiche e per identificare eventuali modelli di uso improprio.

Gli organismi esterni di supervisione dovrebbero avere l'autorità e le risorse per condurre una revisione significativa dei programmi di riconoscimento facciale, che includono l'accesso alle informazioni tecniche su come i sistemi funzionano, i dati di performance e i registri operativi.

Studi sui casi e applicazioni reali

Attuazioni di sicurezza aeroportuale e di frontiera

Gli aeroporti e i passaggi di frontiera sono stati tra i primi e più estesi adottivi della tecnologia di riconoscimento facciale per scopi di controterrorismo. Questi ambienti controllati offrono diversi vantaggi per la distribuzione del riconoscimento facciale: i viaggiatori devono passare attraverso i checkpoint designati, l'illuminazione e gli angoli della fotocamera possono essere ottimizzati, e c'è una chiara giustificazione di sicurezza per la verifica dell'identità.

Molti paesi hanno implementato il riconoscimento facciale nei checkpoint dell'immigrazione per verificare che i viaggiatori corrispondano alle loro foto del passaporto e per controllarli contro le liste di terroristi noti o sospetti. Questi sistemi hanno elaborato milioni di viaggiatori, con alcuni aeroporti che segnalano che il riconoscimento facciale ha permesso loro di identificare le persone che tentano di viaggiare su documenti fraudolenti o utilizzando identità rubate.

La tecnologia è stata anche impiegata per accelerare l'elaborazione per i viaggiatori fidati attraverso programmi che permettono agli individui pre-schermati di utilizzare cancelli automatizzati che verificano la loro identità attraverso il riconoscimento facciale.

Reti di sorveglianza urbana

Alcune città hanno implementato vaste reti di telecamere dotate di capacità di riconoscimento facciale per monitorare gli spazi pubblici per le minacce alla sicurezza, che possono monitorare i movimenti delle persone in tutta la città, potenzialmente identificare i terroristi che conducono la sorveglianza di potenziali obiettivi o incontrare con i cospiratori.

Tuttavia, le reti di sorveglianza urbana hanno anche generato una controversia significativa a causa del loro potenziale di sorveglianza di massa dei cittadini comuni. I critici sostengono che questi sistemi creano un effetto rilassante sulla libera espressione e associazione, in quanto le persone possono evitare determinate località o attività se sanno che sono in corso di monitoraggio. L'equilibrio tra i benefici di sicurezza e i costi di privacy è particolarmente difficile da colpire in queste applicazioni.

Alcune giurisdizioni hanno tentato di affrontare queste preoccupazioni limitando l'uso del riconoscimento facciale negli spazi pubblici a circostanze specifiche, come l'indagine di crimini gravi o la risposta a minacce imminenti. Altri hanno richiesto che le telecamere siano chiaramente marcate e che il pubblico sia informato su dove il riconoscimento facciale è schierato.

Sicurezza degli eventi e monitoraggio della folla

Grandi eventi pubblici, come convenzioni politiche, vertici internazionali o grandi eventi sportivi, rappresentano obiettivi attraenti per i terroristi e richiedono misure di sicurezza intensive.

Questi distribuzioni temporanee offrono alcuni vantaggi rispetto alle reti di sorveglianza permanenti, che sono limitate nel tempo e nell'ambito, focalizzate su specifici eventi ad alto rischio piuttosto che su un monitoraggio continuo degli spazi pubblici, e possono essere giustificate dalla elevata minaccia di sicurezza associata a grandi eventi che attirano grandi folle e obiettivi di alto profilo.

Tuttavia, le applicazioni di sicurezza degli eventi sollevano anche preoccupazioni, in particolare quando il riconoscimento facciale viene utilizzato per monitorare le proteste politiche o dimostrazioni. La tecnologia potrebbe essere utilizzata per identificare e monitorare gli attivisti politici, potenzialmente geloso espressione politica legittima.

Il percorso in avanti: Bilanciare la sicurezza e i diritti

Sviluppo di Quadri d'Uso Responsabile

Il futuro del riconoscimento facciale nel controterrorismo dipende dallo sviluppo di quadri che permettono di utilizzare efficacemente la tecnologia per scopi di sicurezza legittimi, proteggendo le libertà civili e garantendo l'equità, richiedendo un dialogo continuo tra professionisti della sicurezza, tecnologi, politici, sostenitori delle libertà civili e il pubblico.

Tali quadri dovrebbero essere basati su principi chiari: il riconoscimento facciale dovrebbe essere utilizzato solo quando necessario e proporzionato alla minaccia di sicurezza; dovrebbe essere implementato con adeguate garanzie contro gli abusi; dovrebbe essere soggetto a una supervisione significativa e alla responsabilità; e dovrebbe essere continuamente valutato e migliorato per affrontare i problemi con accuratezza e pregiudizi.

L'uso del riconoscimento facciale ai passaggi di frontiera, dove esiste una chiara giustificazione della sicurezza e una limitata aspettativa di privacy, può essere più accettabile del suo utilizzo per la sorveglianza continua degli spazi pubblici.

Investire nella ricerca e nello sviluppo

Gli investimenti continui nella ricerca per migliorare la tecnologia del riconoscimento facciale sono essenziali: non solo migliorano l'accuratezza e la velocità, ma affrontano specificamente i problemi con la bias e l'equità. Studi su larga scala e standardizzati come l'aiuto di NIST per scoprire i difetti comuni in FRT, e come scienziati e dipendenti, gli ingegneri che sviluppano FRT sono incaricati di migliorare i risultati del software nel riconoscere le immagini con toni della pelle più scura, così come la riduzione dei risultati positivi.

La ricerca dovrebbe anche esplorare approcci alternativi che possono offrire una migliore protezione della privacy, mantenendo i benefici per la sicurezza. Ad esempio, sistemi che analizzano i modelli comportamentali o rilevano anomalie senza identificare individui specifici potrebbero fornire informazioni di sicurezza utili con meno intrusione della privacy rispetto al riconoscimento facciale tradizionale.

La ricerca interdisciplinare che riunisce scienziati informatici, scienziati sociali, eticisti e studiosi legali può aiutare a identificare e affrontare le complesse sfide poste dalla tecnologia di riconoscimento facciale.

Cooperazione internazionale e norme

Considerata la natura transnazionale del terrorismo, la cooperazione internazionale sugli standard e le pratiche di riconoscimento facciale è importante: i Paesi dovrebbero lavorare insieme per sviluppare standard comuni per l'accuratezza, l'equità e la tutela della privacy, nel rispetto delle diverse tradizioni legali e dei valori culturali.

Gli accordi internazionali potrebbero stabilire norme minime per i sistemi di riconoscimento facciale utilizzati nel controterrorismo, garantendo che i dati condivisi attraverso i confini soddisfino i requisiti fondamentali per l'accuratezza e l'affidabilità, e potrebbero anche stabilire protocolli per la condivisione dei dati che proteggono la privacy e i diritti umani, consentendo una cooperazione efficace contro le minacce terroristiche.

Tuttavia, la cooperazione internazionale deve essere equilibrata contro le preoccupazioni circa l'opportunità di consentire ai regimi autoritari di utilizzare il riconoscimento facciale per la repressione politica. I paesi democratici dovrebbero essere prudenti nella condivisione della tecnologia di riconoscimento facciale o dei dati con i governi che non hanno forti protezioni per i diritti umani e lo stato di diritto.

Conclusione: Navigando il Paesaggio Complesso

La tecnologia di riconoscimento facciale rappresenta un potente strumento nella lotta contro il terrorismo, offrendo capacità di identificazione, sorveglianza e indagine che sono stati inimmaginabili solo alcuni decenni fa. La nuova tecnologia ha dato nuovo potere allo stato per automatizzare l'identificazione di terroristi precedentemente noti che stanno organizzando attacchi ai cittadini che lo stato dovrebbe proteggere, e il potere di farlo, se funziona efficacemente, aiuterà a contrastare il terrorismo.

Tuttavia, la tecnologia pone anche sfide significative legate all'accuratezza, alla privacy e alle libertà civili. Questo problema è prevalente nel software di riconoscimento facciale, che tende a generare un tasso più elevato di falsi-positivi per le persone non bianche, e a differenza del software di riconoscimento facciale utilizzato per arrestare qualcuno, un algoritmo di CT mal addestrato può uccidere civili, un'azione che non può essere annullata.

Il percorso in avanti richiede di bilanciare queste considerazioni concorrenti attraverso un attento sviluppo politico, una forte supervisione, un miglioramento tecnico continuo e un dialogo pubblico continuo.Nella coperta non si vieta l'uso del riconoscimento facciale per scopi di sicurezza e di distribuzione senza garanzie rappresenta un approccio responsabile.

Le decisioni prese oggi su come il riconoscimento facciale è sviluppato, distribuito e regolamentato, costituiranno l'equilibrio tra sicurezza e libertà per gli anni a venire. Assicurarsi che queste decisioni siano informate da prove, guidate da principi etici, e soggette a responsabilità democratica è essenziale per mantenere sia la sicurezza che la libertà in un ambiente di minaccia sempre più complesso.

Per ulteriori informazioni sulle tecnologie di sicurezza biometrica, visitare il ] Istituto nazionale di standard e tecnologia del software di prova del fornitore del riconoscimento facciale[[]. Per conoscere le considerazioni sulla privacy nella tecnologia di sorveglianza, esplorare le risorse dalla Fondazione europea di frontiera[]]].