Table of Contents

Понимание технологии распознавания лиц и ее роли в современной безопасности

Технология распознавания лиц стала одним из самых преобразующих инструментов в глобальной борьбе с терроризмом. Эта мощная технология позволяет быстро и точно идентифицировать людей и средства в предотвращении террористической деятельности и повышении безопасности общественных пространств. По мере того, как угрозы безопасности продолжают развиваться по сложности и масштабу, правительства и правоохранительные органы во всем мире все чаще обращаются к передовым биометрическим системам для защиты своих граждан и инфраструктуры.

Согласно исследованиям Markets and Markets, рынок распознавания лиц в 2025 году достигнет $8,5 млрд, более чем в два раза с $3,8 млрд в 2020 году. Этот взрывной рост отражает не только расширяющиеся возможности технологии, но и ее критическую важность в рамках национальной безопасности. От аэропортов и пограничных переходов до городских сетей наблюдения и следственных процессов распознавание лиц стало неотъемлемым компонентом современных стратегий борьбы с терроризмом.

По своей сути технология распознавания лиц представляет собой сложный союз компьютерного зрения, искусственного интеллекта и биометрического анализа. Технология оцифровывает черты лица человека в математические представления, которые компьютеры могут обрабатывать и сравнивать, анализируя ключевые черты лица, такие как расстояние между глазами человека, ширина носа, контуры челюстей и структура скул, а затем создает уникальные биометрические шаблоны для проверки личности в базах данных, содержащих миллионы лиц. Эта способность обрабатывать и сопоставлять лица с беспрецедентной скоростью и масштабом коренным образом изменила подход органов безопасности к обнаружению и предотвращению угроз.

Эволюция технологии распознавания лиц

От ранних начал до систем с искусственным интеллектом

Технология восходит к 1960-м годам, когда парень по имени Вудро Вильсон Бледсо впервые придумал систему сортировки фотографий лиц с помощью специального планшета. Эти ранние системы были зачаточными по сегодняшним стандартам, требовали ручного ввода и работали в условиях с высоким контролем. В 70-х годах некоторые умные люди использовали 21 специфический маркер, такой как цвет волос и толщина губ, для автоматизации распознавания лиц, а в 80-х / 90-х годах появился новый подход под названием Eigenface, который стал основой для современных систем.

Реальный игровой перелом наступил в 2000-х годах с социальными сетями, когда внезапно появились миллионы помеченных фотографий в Интернете, дающих этим системам огромную базу данных для обучения. Это обилие обучающих данных в сочетании с достижениями в алгоритмах машинного обучения позволило системам распознавания лиц достичь показателей точности, которые ранее были невообразимыми. Сегодня, с ИИ и глубоким обучением, системы распознавания лиц для предприятий стали невероятно точными и быстрыми.

Как работают современные системы распознавания лиц

Современные системы распознавания лиц работают через многоступенчатый процесс, который происходит за миллисекунды. Первый этап включает в себя обнаружение лица, где система идентифицирует и находит лицо в пределах изображения или видеокадра. За этим следует выравнивание лица, где система нормализует положение, размер и ориентацию лица, чтобы обеспечить последовательный анализ независимо от угла или расстояния от камеры.

Далее идет извлечение признаков, где система идентифицирует и измеряет отличительные черты лица. Эти измерения преобразуются в математическое представление, называемое шаблоном лица или биометрической подписью. Наконец, система выполняет сопоставление, сравнивая этот шаблон с сохраненными шаблонами в базе данных, генерируя оценку сходства, которая указывает на вероятность совпадения.

Современные системы распознавания лиц захватывают и анализируют изображения людей в самых сложных условиях зрения и движения. Эта способность имеет решающее значение для контртеррористических приложений, где подозреваемые могут быть захвачены на видеозаписи наблюдения в менее идеальных условиях, включая плохое освещение, частичную окклюзию или под наклонными углами.

Стратегические применения в контртеррористических операциях

Наблюдение в реальном времени и обнаружение угроз

Технология распознавания лиц стала преобразующим инструментом в борьбе с терроризмом, предлагая передовые возможности для идентификации, мониторинга и задержания лиц, представляющих интерес, с акцентом на три конкретных приложения: наблюдение в режиме реального времени, пограничный контроль и следственные процессы.В переполненных общественных местах, транспортных узлах и во время крупных событий системы распознавания лиц могут непрерывно сканировать толпы и мгновенно предупреждать персонал безопасности, когда обнаруживается человек, представляющий интерес.

ИИ позволяет автоматически предупреждать и проверять личность огромных групп людей в масштабах и темпах, которые ранее были невозможны. Эта возможность особенно ценна во время громких мероприятий, где собираются большие толпы, таких как политические митинги, спортивные мероприятия или культурные фестивали. Агентства безопасности могут развертывать системы распознавания лиц для мониторинга точек входа и движений толпы, выявляя потенциальные угрозы, прежде чем они могут материализоваться в атаки.

Усовершенствованная безопасность обеспечивает непрерывный мониторинг в районах с высоким трафиком, выявляет лиц, представляющих интерес, и находит пропавших без вести лиц с беспрецедентной эффективностью. Способность технологии работать непрерывно без усталости делает ее бесценным дополнением к персоналу службы безопасности, который затем может сосредоточить свое внимание на расследовании предупреждений и реагировании на потенциальные угрозы.

Безопасность границ и иммиграционный контроль

Если человек (включая террориста) приезжает в Соединенные Штаты из-за рубежа, он или она, вероятно, проходит через иммиграционный контрольно-пропускной пункт в порту въезда, и с точки зрения борьбы с терроризмом этот контрольно-пропускной пункт является удушающим пунктом, где потенциальный террорист наиболее уязвим. Технология распознавания лиц стала важным инструментом в эти критические моменты.

ФРТ используются для проверки того, что лицо, проходящее пограничный контроль, действительно является лицом, изображенным на документе, удостоверяющем личность (например, паспорте), и Интерпол развернул свою систему Project FIRST, чтобы помочь государственным органам идентифицировать иностранных боевиков-террористов (ФТФ). Эти системы могут быстро обрабатывать путешественников, одновременно проверяя их личности на списки наблюдения известных или подозреваемых террористов, значительно повышая безопасность, не создавая серьезных узких мест в пассажиропотоке.

Биометрия может предотвратить кражу личных данных и иммиграционное мошенничество при использовании проездных документов, поскольку биометрический шаблон отпечатков пальцев будет прикреплен к документу, например, паспорт или виза, на штрих-коде, чипе или магнитной полосе, что затруднит принятие кем-либо личности другого.В сочетании с распознаванием лиц этот многослойный биометрический подход создает надежную защиту от террористов, пытающихся въехать в страны с использованием поддельных документов или украденных удостоверений личности.

Следственные и судебно-медицинские применения

Биометрические системы могут идентифицировать известных или подозреваемых террористов с помощью биометрического распознавания лиц или метода FaceCheck, когда имеется фотография подозреваемого террориста, и этот поиск проводится по списку наблюдения или базе данных шаблонов подозреваемых террористов. Эта возможность оказалась бесценной в расследованиях после инцидента, где органы безопасности анализируют видеозаписи наблюдения для выявления преступников и их сообщников.

Эффективность правоохранительных органов ускоряет идентификацию подозреваемых и разрешение дел за счет автоматического сопоставления с существующими записями. Вместо ручного просмотра часов видеоматериалов и сравнения лиц на глаз, следователи могут использовать распознавание лиц для быстрого поиска через обширные архивы видео наблюдения, выявления подозреваемых и отслеживания их движений в нескольких местах и временных периодах.

Американские военные также признали стратегическую ценность распознавания лиц в контртеррористических операциях. Командование специальных операций США (USSOCOM) закладывает основу для значительного расширения своих возможностей по идентификации и эксплуатации, излагая широкое и технически амбициозное видение того, как Силы специальных операций собирают, анализируют и используют данные, связанные с идентичностью, во время миссий, стремясь понять пять основных технологических областей: распознавание лиц, идентификация ораторов и сопоставление голоса, полностью интегрированная экосистема приложений SOF Site Exploitation, быстрый анализ ДНК и аналитика ИИ и машинного обучения.

Оперативные преимущества в предотвращении терроризма

Скорость и масштаб идентификации

Одним из наиболее существенных преимуществ технологии распознавания лиц в борьбе с терроризмом является её способность обрабатывать и анализировать лица на скоростях, намного превышающих человеческие возможности.Новая технология дала новую власть государству автоматизировать идентификацию ранее известных террористов, которые организуют нападения на граждан, которых государство должно защищать, а власть сделать это, если она будет эффективно работать, помогла бы в борьбе с терроризмом, поскольку технологии распознавания лиц обещают дать государству именно эту власть.

Традиционные методы идентификации подозреваемых в значительной степени опирались на человеческую память и ручное сравнение фотографий, процессы, которые были трудоемкими и склонными к ошибкам. Сотрудник службы безопасности, следивший за переполненным аэропортом, мог только активно наблюдать за ограниченным количеством людей одновременно, и даже самый опытный персонал мог пропустить подозреваемого в море лиц. Системы распознавания лиц, напротив, могут одновременно отслеживать сотни или тысячи лиц, сравнивая каждое из них с обширными базами данных в режиме реального времени.

Эта возможность особенно важна в ситуациях, когда важна каждая секунда. Когда спецслужбы получают информацию о неминуемой угрозе, системы распознавания лиц могут быть быстро развернуты для сканирования сетей наблюдения по всем городам, потенциально обнаруживая подозреваемых в течение нескольких минут, а не часов или дней.

Расширение возможностей наблюдения

Благодаря биометрическому распознаванию, алгоритму глубокого обучения и аналитике больших данных повышается точность и эффективность работы разведки, а традиционная работа по мониторингу становится перспективной и оборонительной борьбой. Распознавание лиц превращает наблюдение из реактивного инструмента, используемого в первую очередь для расследования после инцидента, в упреждающую систему, способную предотвращать атаки до их возникновения.

Технология позволяет силовым структурам создавать комплексные сети камер наблюдения, которые функционируют как интегрированная система, а не изолированные наблюдательные пункты. При обнаружении заинтересованного лица в одном месте система может отслеживать его перемещения по сети, предоставляя сотрудникам службы безопасности в режиме реального времени разведданные о его деятельности и объединениях. Эта возможность неоценима для понимания террористических сетей и выявления ранее неизвестных членов экстремистских организаций.

Кроме того, системы распознавания лиц могут работать непрерывно без ограничений человеческого внимания и усталости.В то время как операторы могут пропускать критические детали во время длительных смен или периодов низкой активности, автоматизированные системы поддерживают постоянную бдительность, гарантируя, что никакая потенциальная угроза не останется незамеченной.

Эффект сдерживания

Наличие систем распознавания лиц может служить мощным сдерживающим фактором для террористической деятельности. Когда потенциальные злоумышленники знают, что их лица будут захвачены и проанализированы сложными биометрическими системами, они сталкиваются со значительно более высокими рисками идентификации и задержания. Это осознание может нарушить процессы планирования, заставить террористов принять менее эффективную тактику или вообще препятствовать атакам.

Эффект сдерживания выходит за рамки непосредственной угрозы идентификации. Системы распознавания лиц создают постоянную цифровую запись, которую можно анализировать долго после того, как происходит инцидент. Это означает, что даже если террористам удастся избежать немедленного обнаружения, они оставляют после себя доказательства, которые могут быть использованы для их идентификации позже, отслеживания их движений и раскрытия их сетей. Эта долгосрочная подотчетность добавляет еще один уровень риска, который террористы должны учитывать при планировании операций.

Оптимизация ресурсов

Технология распознавания лиц позволяет агентствам безопасности оптимизировать свои ограниченные ресурсы, автоматизируя рутинные задачи идентификации и сосредоточивая человеческий опыт там, где это наиболее необходимо. Вместо того, чтобы назначать персонал для ручного мониторинга каналов наблюдения или проверки документов на пограничных переходах, агентства могут развернуть системы распознавания лиц для решения этих задач, в то время как операторы сосредоточены на расследовании предупреждений, проведении интервью и принятии критических решений.

Эта оптимизация особенно важна, учитывая масштаб современных проблем безопасности. С миллионами путешественников, проходящих через аэропорты ежедневно и бесчисленными часами видеонаблюдения, генерируемыми в городских районах, было бы невозможно вручную просмотреть всю эту информацию. Системы распознавания лиц могут обрабатывать этот огромный объем данных автоматически, помечая только небольшую часть, которая требует человеческого внимания.

Критические вызовы и технические ограничения

Точность и ложные позитивные

Несмотря на значительные достижения в технологии распознавания лиц, точность остается критической проблемой, особенно в контртеррористических приложениях, где последствия ошибок могут быть серьезными. Метод распознавания лиц был идентифицирован с технологическими несовершенствами и слабостями, но может быть использован оперативно для минимизации его недостатков. Понимание этих ограничений имеет важное значение для ответственного и эффективного развертывания технологии.

Хотя люди, как правило, могут выполнять процессы распознавания лиц довольно хорошо, эти действия по-прежнему очень сложны для технологических систем, поскольку, если фотография не сделана в очень контролируемых условиях, система может испытывать трудности с идентификацией человека или даже с обнаружением его лица на фотографии, и система работает лучше всего, когда факторы окружающей среды, такие как угол камеры, освещение, выражение лица и другие, контролируются в максимально возможной степени.

Ложные позитивные моменты — случаи, когда система неправильно идентифицирует кого-то как заинтересованного лица — создают особые проблемы в контексте борьбы с терроризмом. Те, для кого технология не работает так же, не смогут быть проверены FRTs — вызывая подозрения и дальнейшее навязчивое наблюдение, и, кроме того, они будут неправильно идентифицированы чаще, что может привести к тому, что их будут подозревать в терроризме или другом серьезном преступнике. Такие неправильно идентифицирующие личности могут привести к задержанию, допросу или подвергнуться инвазивным процедурам безопасности, со значительными личными и социальными последствиями.

Недавно NIST провела крупномасштабный тест, ориентированный на выявление предвзятости в ФРТ, с особым акцентом на ложноположительную частоту, то есть частоту, с которой алгоритм неправильно идентифицирует изображение одного человека, и результаты показали, что «по демографическим показателям ложноположительные показатели часто варьируются в зависимости от факторов от 10 до более 100 раз», в зависимости от того, какие алгоритмы используются. Эти изменения в частоте ошибок в разных системах подчеркивают важность строгого тестирования и проверки перед развертыванием технологии распознавания лиц в приложениях безопасности с высокими ставками.

Демографические предубеждения и алгоритмическая справедливость

Одной из наиболее серьезных проблем, стоящих перед технологией распознавания лиц, является демографическая предвзятость — тенденция к тому, что системы работают менее точно в определенных демографических группах. Три коммерчески выпущенные программы анализа лиц от крупных технологических компаний демонстрируют как предвзятость по типу кожи, так и гендерные предубеждения, и в экспериментах исследователей частота ошибок трех программ при определении пола светлокожих мужчин никогда не была хуже 0,8 процента, но для темнокожих женщин, однако, частота ошибок возросла — до более чем 20 процентов в одном случае и более 34 процентов в двух других.

Уровень ошибок у светлокожих мужчин составляет 0,8% по сравнению с 34,7% у темнокожих женщин, согласно исследованию 2018 года под названием «Гендерные оттенки» Джой Буоламвини и Тимнита Гебру, опубликованному MIT Media Lab. Это резкое несоответствие в показателях точности вызывает серьезные опасения по поводу справедливости и равного обращения в соответствии с законом, когда распознавание лиц используется в контексте безопасности и правоохранительных органов.

Тон кожи значительно влияет на точность проверки, при этом более светлые тона кожи последовательно превосходят среднетемные.Исследования также показали, что мужчины-испытуемые обычно достигают лучшей точности распознавания, чем женщины-испытуемые, что объясняется такими факторами, как окклюзия, вызванная более длинными волосами и изменениями внешнего вида лица из-за макияжа.

В августе 2023 года чёрная женщина подала в суд на Департамент полиции Детройта после того, как была арестована сотрудниками полиции с использованием плохо откалиброванного программного обеспечения для распознавания лиц, и эта проблема преобладает в программном обеспечении для распознавания лиц, которое имеет тенденцию генерировать более высокий уровень ложноположительных результатов для небелых людей.Такие инциденты демонстрируют реальные последствия алгоритмического уклона и подчеркивают настоятельную необходимость более справедливых систем распознавания лиц.

Исследование NIST также обнаружило предвзятые результаты, когда речь шла о лицах жителей Восточной Азии, коренных американцев, американских индейцев, аляскинцев и тихоокеанских островов.Повсеместность этих предубеждений в нескольких демографических группах предполагает, что проблема носит системный характер, а не изолирована от конкретных групп населения или алгоритмов.

Коренные причины предубеждений

Технология распознавания лиц добилась больших успехов в точности благодаря передовым моделям искусственного интеллекта (ИИ), обученным на массивных наборах данных изображений лиц, но эти наборы данных часто не имеют разнообразия с точки зрения расы, этнической принадлежности, пола и других демографических категорий, в результате чего системы распознавания лиц хуже работают в недостаточно представленных демографических группах по сравнению с группами, повсеместно используемыми в данных обучения.

Проблема предвзятости связана с несколькими источниками. Исторические наборы данных, используемые для обучения алгоритмов распознавания лиц, преимущественно отображали лица белых мужчин, отражая демографию исследователей и учреждений, которые их создали. Когда алгоритмы учатся распознавать лица в основном из этого ограниченного набора данных, они, естественно, лучше работают на похожих лицах и борются с лицами, которые значительно отличаются от их данных обучения.

Многие связывают большинство этих проблем с несбалансированными наборами данных. Однако проблема выходит за рамки простого представления. Даже когда наборы данных включают в себя различные лица, другие факторы, такие как условия освещения, качество камеры и разрешение изображения, могут непропорционально влиять на качество изображений для людей с более темными тонами кожи, что еще больше усугубляет проблемы с точностью.

Усилия по смягчению предубеждений

Исследователи и технологические компании признали серьезность проблемы смещения и активно работают над решениями.В 2018 году Microsoft объявила, что их коммерчески доступная FRT претерпела обновления для повышения производительности по расовым и гендерным категориям за счет расширения наборов данных, используемых для обучения алгоритмов машинного обучения, и улучшения классификатора лица для большей точности, и эти улучшения привели, по данным компании, к снижению частоты ошибок в 20 раз для более темных тонов кожи и в 9 раз для женщин.

Исследователи предварительно обучили три модели распознавания лиц — ArcFace, AdaFace и ElasticFace — большому сбалансированному синтетическому набору данных, который они генерировали, и результат не только повысил общую точность по сравнению с моделями, обученными на существующих несбалансированных наборах данных, но и значительно уменьшил демографическую предвзятость, причем обученные модели показали более справедливую точность во всех расовых группах по сравнению с существующими моделями, демонстрирующими плохую производительность на недопредставленных меньшинствах.

На наборе данных FairFace точность улучшилась с 92,58% до 96,47%, в то время как степень предвзятости (DoB) была снижена с 3,86 до 1,16, что представляет собой снижение примерно на 70%, и, в частности, значительный прирост производительности наблюдался для недопредставленных групп, таких как улучшение точности для черных женщин с 80,2% до 90,86%, при сохранении сильной производительности для уже хорошо представленных групп.

Дебиасинговая состязательная сеть (DebFace) использует кодер изображения в функции, четыре классификатора атрибутов, классификатор распределения и сеть агрегации функций, а четыре классификатора — пол, возраст, раса и идентичность — превращают потенциальные предубеждения в информированные функции, тем самым улучшая производительность в недостаточно представленных группах. Эти архитектурные инновации демонстрируют, что смягчение предвзятости технически возможно, хотя значительная работа остается для реализации этих решений во всех развернутых системах.

Забота о конфиденциальности и гражданские свободы

Массовое наблюдение и права на конфиденциальность

Большинство из всех мощных элементов имеет темную сторону, и ФРТ не является исключением, поскольку она поднимает серьезные вопросы и проблемы в отношении конфиденциальности, этики и общего воздействия на общество.Развертывание технологии распознавания лиц в целях борьбы с терроризмом вызвало интенсивные дебаты о балансе между безопасностью и конфиденциальностью, причем критики утверждают, что широкое наблюдение угрожает фундаментальным гражданским свободам.

Правовые, этические и проблемы конфиденциальности, связанные с массовой слежкой, включают в себя опасения по поводу неправильной идентификации, мошенничества и предвзятости в базе данных.Способность отслеживать перемещения людей в общественных местах без их ведома или согласия вызывает глубокие вопросы о природе конфиденциальности в современном обществе и соответствующих пределах полномочий правительства по слежке.

Критики указывают на значительные риски конфиденциальности и потенциальные нарушения гражданских свобод, вызывая опасения по поводу несанкционированного сбора данных, отсутствия согласия и потенциала для ползучести функций, через которые данные, собранные для одной цели, используются для несвязанной цели без ведома или согласия человека. Опасение заключается в том, что системы, первоначально развернутые для борьбы с терроризмом, могут постепенно расширяться для мониторинга обычных граждан, занимающихся законной деятельностью, создавая государство наблюдения, которое охлаждает свободу выражения мнений и ассоциации.

Причины такого запрета заключаются в том, что ПФР страдают от повсеместного предвзятого отношения, в результате чего выгоды и вред распределяются неравномерно между группами, государство неизбежно будет использовать эти технологии в нелегитимных целях и что существование ПФР охлаждает наше поведение (т.е. заставляет людей подвергать себя цензуре из-за страха наблюдения). Этот пугающий эффект может подорвать демократическое участие, отпугивая людей от участия в протестах, политических митингах или других общественных собраниях, где они могут быть идентифицированы и отслежены.

Регулятивные меры и запреты

В 2019 году Сан-Франциско стал первым городом США, запретившим технологию распознавания лиц (FRT), в частности, наложив вето на ее использование полицией и другими агентствами, и с тех пор несколько других американских городов внедрили свои собственные аналогичные запреты FRT, причем городские советники Бостона явно подчеркивают одну конкретную проблему: предвзятость технологии. Эти запреты отражают растущую общественную обеспокоенность по поводу потенциала технологии для злоупотреблений и ее продемонстрированных проблем с точностью и справедливостью.

Более десятка крупных городов запретили технологию, в том числе Миннеаполис, Бостон и Сан-Франциско, однако эти местные запреты не помешали федеральным агентствам и многим другим юрисдикциям продолжать развертывать распознавание лиц в целях безопасности, создавая лоскутное одеяло правил, которое значительно варьируется в зависимости от местоположения.

Европейский союз принял более комплексный подход, в котором использование технологий распознавания лиц в контексте мирных протестов повышает риск массовой слежки и последствий для защиты прав человека. Европейские регулирующие органы предложили строгие ограничения на использование распознавания лиц в общественных местах, причем некоторые выступают за полный запрет, за исключением узко определенных обстоятельств, связанных с серьезными преступлениями или неизбежными угрозами.

Баланс между безопасностью и свободой

Крайне важно, чтобы государство могло использовать эту технологию для увеличения своей власти в борьбе с терроризмом, эта власть ограничена таким образом, чтобы не происходили злоупотребления и охлажденное поведение, и государство должно создавать институциональные ограничения, которые позволяют использовать ПЗР только в тех местах, где люди не пользуются (и не должны) разумным ожиданием конфиденциальности (например, аэропорты, пограничные переходы).

Камеры, оснащенные ОФТ, должны быть помечены, чтобы общественность могла убедиться в том, что они не находятся под наблюдением в местах, где они должны иметь разумные ожидания конфиденциальности, и ОФТ должны быть ограничены поиском серьезных преступников (например, террористов). Эти предлагаемые ограничения представляют собой попытку сохранить преимущества безопасности распознавания лиц, ограничивая при этом его потенциал для злоупотреблений и защиты гражданских свобод.

ФРТ представляет собой мощный инструмент в арсенале борьбы с терроризмом, позволяющий принимать меры безопасности, которые ранее были недостижимы, но это технология, которая требует чрезвычайно разумного баланса между ее явными преимуществами и важными этическими соображениями, с которыми она связана, и в настоящее время может быть так, что баланс слишком сильно склонен в пользу явных преимуществ ФРТ и недостаточно в пользу справедливости, конфиденциальности и этической целостности, которые должны направлять ее развертывание.

Правовые и этические рамки

Конституционные и правозащитные аспекты

Программы ФРТ, используемые правоохранительными органами для выявления подозреваемых в совершении преступлений, значительно более подвержены ошибкам на изображениях лиц, изображающих более темные тона кожи и женщин, по сравнению с изображениями лиц, изображающими кавказских мужчин, и эта предвзятость может привести к тому, что граждане будут неправомерно расследованы полицией по расовым и гендерным признакам, а использование правоохранительными органами предвзятого ФРТ несовместимо с классическим либеральным требованием, чтобы правительство относилось ко всем гражданам одинаково перед законом.

Пункт о равной защите многих конституций требует, чтобы действия правительства не дискриминировали по признаку расы, пола или других охраняемых характеристик. Когда системы распознавания лиц демонстрируют систематический уклон в отношении определенных демографических групп, их использование государственными учреждениями может нарушать эти конституционные гарантии. Это создает юридическую дилемму: в то время как технология может повысить безопасность, ее предвзятая производительность может сделать ее использование неконституционным или нарушающим право прав человека.

Компьютерные ученые выразили обеспокоенность по поводу использования правоохранительными органами ФРТ для идентификации подозреваемых в совершении преступлений, отметив, что весьма вероятно, что такое программное обеспечение используется для идентификации подозреваемых, и, таким образом, ошибка в выводе алгоритма распознавания лиц, используемого в качестве входного сигнала для других задач, может иметь серьезные последствия, поскольку кто-то может быть неправомерно обвинен в преступлении на основе ошибочной, но уверенной неверной идентификации преступника из анализа видеозаписей безопасности.

Прозрачность и подотчетность

Он рекомендует жесткое регулирование, международное сотрудничество и прозрачное управление, чтобы обеспечить совместимость технологии распознавания лиц с правами человека и основными свободами. Прозрачность в отношении работы систем распознавания лиц, их точности и ограничений имеет важное значение для общественного доверия и демократической подотчетности.

Установить законы, которые являются четкими и всеобъемлющими в отношении использования технологии распознавания лиц, привести глобальные стандарты в соответствие с национальными рамками для обеспечения согласованности и предписывать регулярные проверки систем ОФТ для обеспечения соблюдения этических принципов. Регулярный аудит может помочь выявить проблемы с точностью или предвзятостью, прежде чем они приведут к серьезному ущербу, в то время как четкие правовые рамки обеспечивают руководство для органов безопасности о надлежащем использовании технологии.

Риски не должны приводить к мораториям на использование ИИ или запрету на определенных платформах, а скорее, они должны быть призывами к действиям для правительств, чтобы потребовать лучшего дизайна для своих инструментов ИИ / МО, что означает получение более качественных данных и создание напряженных режимов тестирования, которые максимально ограничивают риск и выявляют недостатки, и способ помочь этому заключается в обеспечении объяснимых стандартов ИИ и политики прозрачности, которые дают правительствам представление о обосновании каждого действия, которое предпринимает система.

Защита и хранение данных

Государство не должно использовать сторонние компании, нарушающие первые три условия при создании или использовании его сервиса, а сторонние компании не должны иметь доступ или считывать конфиденциальные данные, собранные государством. Биометрические данные, собранные системами распознавания лиц, являются высокочувствительными и личными, требующими надежной защиты от несанкционированного доступа, неправильного использования или утечек данных.

Вопросы о хранении данных особенно важны. Как долго должны храниться данные о распознавании лиц? Кто должен иметь к ним доступ? При каких обстоятельствах они могут быть переданы другим учреждениям или странам? Эти вопросы не имеют четких ответов во многих юрисдикциях, что создает неопределенность в отношении долгосрочных последствий развертывания распознавания лиц.

Риск утечки данных также значителен. База данных, содержащая данные распознавания лиц для миллионов людей, была бы привлекательной целью для хакеров, иностранных спецслужб или преступных организаций. Если бы такие данные были скомпрометированы, они могли бы использоваться для кражи личных данных, преследования или других злонамеренных целей, с последствиями, которые могли бы сохраняться годами или десятилетиями.

Международные перспективы и развертывание

Глобальные схемы усыновления

Правоохранительные органы: В настоящее время распознавание лиц является наиболее широко принятой технологией наблюдения ИИ во всем мире, с коэффициентом принятия 64%, превосходя как платформы умного города, так и инициативы умной полиции. Это широкое внедрение отражает как воспринимаемую ценность технологии для безопасности, так и различные нормативные подходы, принятые различными странами.

Страны сталкиваются с различными угрозами безопасности и имеют различное культурное отношение к конфиденциальности и слежке, что приводит к значительным различиям в том, как применяется распознавание лиц. Некоторые страны с энтузиазмом восприняли технологию, широко развертывая ее в общественных местах с минимальными ограничениями. Другие приняли более осторожный подход, ограничивая ее использование конкретными контекстами высокой безопасности или устанавливая строгие требования надзора.

Furl et al. (2002) обнаружили, что ФРТ, разработанная и используемая в западных странах, была более точной для кавказских изображений лица, тогда как в странах Восточной Азии алгоритмы ФРТ были более точными для изображений лица Восточной Азии. Этот вывод подчеркивает важность разработки систем распознавания лиц, которые обучаются на различных наборах данных, представляющих население, где они будут развернуты.

Международное сотрудничество и стандарты

Терроризм является транснациональной угрозой, которая требует международного сотрудничества для эффективной борьбы. Технология распознавания лиц может облегчить это сотрудничество, позволяя странам обмениваться информацией о известных или подозреваемых террористах и координировать свои усилия по наблюдению. Однако это международное измерение также поднимает сложные вопросы об обмене данными, защите конфиденциальности и правах человека.

В разных странах существуют разные правовые стандарты защиты конфиденциальности, хранения данных и надлежащей правовой процедуры. Когда данные распознавания лиц передаются через границы, они могут подвергаться менее строгой защите в принимающей стране, чем в стране, где они были собраны. Это создает риски того, что данные, собранные в рамках строгой защиты конфиденциальности, могут быть использованы иностранными правительствами с более слабыми гарантиями.

Международные организации, такие как Интерпол, разработали системы для содействия трансграничному использованию распознавания лиц для борьбы с терроризмом. Эти системы должны ориентироваться в сложной правовой и политической обстановке, уравновешивая преимущества обмена информацией в области безопасности от опасений по поводу конфиденциальности, прав человека и национального суверенитета. Разработка международных стандартов и соглашений для ответственного использования распознавания лиц в борьбе с терроризмом остается постоянной проблемой.

Общественное восприятие и доверие

Факторы, влияющие на принятие

Защитники ФРТ подчеркивают его потенциал в области общественной безопасности, предупреждения преступности и борьбы с терроризмом, отмечая, что ФРТ позволяет правоохранительным органам и организациям выявлять подозреваемых и предотвращать несанкционированный доступ к охраняемым районам и пространствам, где присутствуют ценные активы или уязвимые группы населения. Общественная поддержка распознавания лиц часто зависит от конкретного контекста, в котором она используется, с более высоким принятием для приложений безопасности в средах с высоким риском, таких как аэропорты.

Доверие к учреждениям, внедряющим распознавание лиц, является критическим фактором общественного признания. Когда люди доверяют, что органы безопасности будут использовать технологию ответственно и с надлежащим надзором, они с большей вероятностью примут ее развертывание. И наоборот, когда доверие низкое - из-за прошлых злоупотреблений, отсутствия прозрачности или опасений по поводу предвзятости - общественная оппозиция, как правило, сильнее.

Успешное и широкое внедрение FRT зависит не только от его скорости и точности, но и от доверия общественности к алгоритмам, которые питают устройства распознавания лиц, и это доверие будет трудно построить, в то время как примеры расовых предубеждений и ложноположительных результатов продолжают затмевать ежегодные улучшения в общей точности и функциональности программного обеспечения.

Построение общественного доверия

Для того чтобы стимулировать участие общественности в решении проблем и формировании доверия, необходимо не просто информировать людей о внедрении распознавания лиц; это означает создание возможностей для подлинного диалога о преимуществах, рисках и соответствующих ограничениях технологии.

Прозрачность в отношении эффективности системы имеет важное значение для укрепления доверия. Агентства по безопасности должны публично сообщать о показателях точности, включая разбивку по демографическим группам, ложноположительные показатели и информацию о том, как технология используется и контролируется. Эта прозрачность позволяет общественности принимать обоснованные решения о том, оправдывают ли выгоды от безопасности затраты на конфиденциальность и справедливо ли используется технология.

Когда системы распознавания лиц приводят к неправомерным задержаниям или другим повреждениям, агентства должны признать эти сбои, компенсировать жертвам и предпринять конкретные шаги для предотвращения повторения. Модель отрицания проблем или отклонения ответственности разрушит общественное доверие и подпитывает оппозицию технологии.

Будущие разработки и новые технологии

Достижения в точности и способности

В последние годы, с передовыми архитектурами и увеличением количества слоев и параметров, модели FR получили существенное улучшение в своей способности изучать сложные представления лица, и эти более глубокие архитектуры, часто содержащие более ста слоев с миллионами параметров, значительно расширили способность систем FR обобщать сложные сценарии, что привело к более высокой общей производительности распознавания (а также уменьшению смещения), а также, доступность более крупных, более разнообразных наборов данных способствовала лучшим результатам обучения, поскольку эти наборы данных, которые включают существенные изменения демографии и ковариаций, таких как поза, освещение и выражение (PIE), способствовали измеримому прогрессу в улучшении как точности, так и справедливости FR.

Будущие системы распознавания лиц, вероятно, будут включать в себя несколько биометрических модальностей, сочетая распознавание лиц со сканированием радужной оболочки глаза, анализ походки, распознавание голоса и другие методы. Этот мультимодальный подход может повысить точность путем перекрестной ссылки на несколько биометрических сигнатур, уменьшая влияние ошибок в любой отдельной системе. Он также может затруднить террористам уклонение от обнаружения путем маскировки или изменения их внешнего вида.

Достижения в области искусственного интеллекта, особенно в области глубокого обучения и нейронных сетей, продолжают раздвигать границы того, чего могут достичь системы распознавания лиц. Эти системы становятся лучше распознавать лица в сложных условиях, таких как плохое освещение, частичная окклюзия или экстремальные углы. Они также становятся быстрее, позволяя в режиме реального времени анализировать видеопотоки с высоким разрешением от нескольких камер одновременно.

Интеграция с другими интеллектуальными системами

Будущее распознавания лиц в борьбе с терроризмом заключается не только в совершенствовании самой технологии, но и в интеграции ее с другими системами разведки и безопасности.Когда распознавание лиц сочетается с поведенческим анализом, картированием социальных сетей, мониторингом коммуникаций и другими источниками информации, оно становится частью комплексной системы обнаружения угроз, которая больше суммы ее частей.

Например, распознавание лиц может идентифицировать заинтересованного в аэропорту человека, что может вызвать дополнительное изучение его моделей поездок, финансовых операций, коммуникаций и известных партнеров. Такой комплексный подход позволяет органам безопасности составить более полную картину потенциальных угроз и принимать более обоснованные решения о том, как реагировать.

Однако эта интеграция также усиливает проблемы конфиденциальности. Система, которая сочетает в себе распознавание лиц с обширными данными из других источников, создает беспрецедентные возможности наблюдения, которые могут использоваться для мониторинга практически всех аспектов жизни людей. Обеспечение того, чтобы такие мощные системы использовались только в законных целях безопасности и с надлежащим надзором, будет критической проблемой для политиков.

Новые контрмеры и гонка вооружений

По мере того, как технология распознавания лиц становится все более распространенной в борьбе с терроризмом, противники разрабатывают контрмеры, чтобы избежать обнаружения. Они варьируются от простых методов, таких как ношение масок или солнцезащитных очков, до более сложных подходов, таких как состязательные макияжи, предназначенные для смешивания алгоритмов распознавания лиц или использования технологии Deepfake для создания ложных идентичностей.

Это создает продолжающуюся технологическую гонку вооружений, когда органы безопасности работают над улучшением систем распознавания лиц, в то время как террористы и другие противники разрабатывают новые способы их поражения. Эффективность распознавания лиц в борьбе с терроризмом будет зависеть не только от присущих технологии возможностей, но и от того, насколько хорошо она может адаптироваться к развивающимся методам уклонения.

Некоторые исследователи изучают способы сделать системы распознавания лиц более надежными против контрмер, таких как использование инфракрасной визуализации для обнаружения лиц, даже когда они частично покрыты, или анализ походки и языка тела в дополнение к чертам лица. Другие разрабатывают системы обнаружения живости, которые могут различать реальные лица и фотографии, маски или видеодисплеи, предотвращая атаки спуфинга.

Лучшие практики и рекомендации

Технические стандарты и испытания

С 2017 года NIST проводит тестирование поставщиков распознавания лиц (FRVT), в ходе которого было оценено более 400 алгоритмов распознавания лиц, что дает представление об общих рейтингах точности всех участвующих разработчиков.Тщательное, независимое тестирование систем распознавания лиц перед развертыванием имеет важное значение для обеспечения их соответствия минимальным стандартам точности и справедливости.

Тестирование должно включать оценку в различных демографических группах для выявления и количественной оценки любых предубеждений в производительности системы. Системы, демонстрирующие неприемлемые уровни предвзятости, не должны развертываться до тех пор, пока эти проблемы не будут исправлены. Тестирование должно также оценивать производительность в реалистичных эксплуатационных условиях, а не только в контролируемых лабораторных условиях.

Не менее важно постоянное наблюдение и оценка после развертывания. Производительность системы может ухудшаться с течением времени по мере старения алгоритмов или изменений в популяции, за которой ведется наблюдение. Регулярные проверки могут выявлять возникающие проблемы и обеспечивать, чтобы системы продолжали соответствовать стандартам производительности на протяжении всего срока их эксплуатации.

Оперативные руководящие принципы

Органы безопасности, применяющие средства распознавания лиц для борьбы с терроризмом, должны разработать четкие оперативные руководящие принципы, определяющие, когда и как можно использовать технологию. Эти руководящие принципы должны охватывать такие вопросы, как: Какой уровень доверия к матчу требуется до принятия мер? Какая дополнительная проверка требуется до задержания кого-либо на основе совпадения по распознаванию лиц? Как система должна использоваться в сочетании с человеческим суждением?

Ни люди, ни алгоритмы не являются непогрешимыми, и подобные слабости человеческого суждения могут повлиять на использование технологий распознавания лиц, поскольку люди могут доверять результату алгоритма — думая, что он должен быть «объективным» — больше, чем их собственное суждение о том, совпадают ли два изображения, несмотря на основные предубеждения или неточности в технологии.

Операторы должны быть обучены понимать ограничения системы, включая ее потенциал для предвзятости и ложных срабатываний. Их следует поощрять к независимому суждению и не полагаться исключительно на алгоритмические результаты, особенно когда последствия ошибок являются серьезными. Четкие протоколы должны указывать, какие дополнительные исследования или проверки необходимы, прежде чем предпринимать действия на основе совпадения распознавания лиц.

Механизмы надзора и подотчетности

Для обеспечения надлежащего использования технологии распознавания лиц и выявления и исправления злоупотреблений необходимы надежные механизмы надзора, которые должны включать как внутренние механизмы в органах безопасности, так и внешний надзор со стороны независимых органов, таких как уполномоченные по вопросам конфиденциальности, законодательные комитеты или судебный надзор.

Учреждениям следует вести подробные журналы использования систем распознавания лиц, в том числе о том, какие проводятся обыски, кто их проводит и какие действия приводят к их результатам. Эти журналы должны регулярно проверяться на предмет соблюдения политики и выявления любых моделей неправомерного использования. При выявлении проблем должны существовать четкие механизмы подотчетности, обеспечивающие, чтобы ответственные стороны сталкивались с соответствующими последствиями.

Внешние надзорные органы должны иметь полномочия и ресурсы для проведения содержательного обзора программ распознавания лиц. Это включает в себя доступ к технической информации о том, как работают системы, данные об эффективности и оперативные журналы. Органы надзора также должны иметь полномочия вносить изменения в программы, нарушающие правовые или этические стандарты.

Тематические исследования и реальные приложения

Осуществление мер по обеспечению безопасности аэропортов и границ

Аэропорты и пограничные переходы были одними из самых ранних и наиболее обширных пользователей технологии распознавания лиц в целях борьбы с терроризмом. Эти контролируемые среды предлагают несколько преимуществ для развертывания распознавания лиц: путешественники должны проходить через назначенные контрольно-пропускные пункты, освещение и углы камеры могут быть оптимизированы, и есть четкое обоснование безопасности для проверки личности.

Многие страны внедрили систему распознавания лиц на контрольно-пропускных пунктах иммиграции, чтобы удостовериться, что путешественники соответствуют фотографиям из паспортов, и проверить их на списки наблюдения известных или подозреваемых террористов. Эти системы обработали миллионы путешественников, а в некоторых аэропортах сообщили, что распознавание лиц позволило им идентифицировать лиц, пытающихся путешествовать по поддельным документам или используя украденные удостоверения личности.

Технология также была развернута для ускорения обработки для доверенных путешественников с помощью программ, которые позволяют предварительно отобранным лицам использовать автоматизированные ворота, которые проверяют их личность с помощью распознавания лиц. Это двойное использование, повышающее как безопасность, так и удобство, способствовало общественному принятию технологии в контексте аэропорта.

Городские сети наблюдения

В некоторых городах развернуты обширные сети камер, оснащенных средствами распознавания лиц для наблюдения за общественными местами в целях обеспечения безопасности, которые могут отслеживать передвижения людей по городу, потенциально выявляя террористов, осуществляющих наблюдение за потенциальными целями или встречающихся с сообщниками.

Однако городские сети наблюдения также вызвали значительные споры из-за их потенциала для массового наблюдения за обычными гражданами. Критики утверждают, что эти системы создают пугающий эффект на свободу выражения мнений и ассоциации, поскольку люди могут избегать определенных мест или действий, если они знают, что их отслеживают. Баланс между преимуществами безопасности и расходами на конфиденциальность особенно трудно найти в этих приложениях.

В некоторых юрисдикциях предпринимались попытки решить эти проблемы путем ограничения использования распознавания лиц в общественных местах конкретными обстоятельствами, такими как расследование серьезных преступлений или реагирование на неминуемую угрозу. Другие требовали, чтобы камеры были четко обозначены и чтобы общественность была проинформирована о том, где применяется распознавание лиц. Эти подходы пытаются сохранить некоторые преимущества безопасности, ограничивая при этом наиболее навязчивые аспекты массового наблюдения.

Безопасность событий и мониторинг толпы

Крупные публичные мероприятия, такие как политические конвенции, международные саммиты или крупные спортивные мероприятия, представляют собой привлекательные цели для террористов и требуют интенсивных мер безопасности. На таких мероприятиях было развернуто распознавание лиц для мониторинга толпы и выявления потенциальных угроз среди участников.

Эти временные развертывания дают некоторые преимущества перед постоянными сетями наблюдения. Они ограничены по времени и масштабам, ориентированы на конкретные события с высокой степенью риска, а не на постоянный мониторинг общественных пространств. Они могут быть оправданы повышенной угрозой безопасности, связанной с крупными событиями, которые привлекают большие толпы и громкие цели.

Однако приложения для обеспечения безопасности событий также вызывают обеспокоенность, особенно когда распознавание лиц используется для мониторинга политических протестов или демонстраций. Технология может использоваться для выявления и отслеживания политических активистов, что потенциально может охладить законное политическое выражение. Четкие руководящие принципы о том, когда и как распознавание лиц может использоваться на публичных мероприятиях, имеют важное значение для предотвращения злоупотреблений.

Путь вперед: балансирование безопасности и прав

Разработка рамок ответственного использования

Будущее распознавания лиц в борьбе с терроризмом зависит от разработки рамок, которые позволят эффективно использовать технологию в законных целях безопасности при одновременной защите гражданских свобод и обеспечении справедливости. Это требует постоянного диалога между специалистами по безопасности, технологами, политиками, защитниками гражданских свобод и общественностью.

Такие рамки должны основываться на четких принципах: распознавание лиц должно использоваться только в случае необходимости и пропорционально угрозе безопасности; оно должно быть развернуто с соответствующими гарантиями против злоупотреблений; оно должно быть предметом значимого надзора и подотчетности; и его следует постоянно оценивать и совершенствовать для решения проблем с точностью и предвзятостью.

Использование распознавания лиц на пограничных переходах, где существует четкое обоснование безопасности и ограниченное ожидание конфиденциальности, может быть более приемлемым, чем его использование для непрерывного наблюдения за общественными пространствами. Контекстные рамки могут обеспечить более тонкие руководящие принципы, чем универсальные правила.

Инвестирование в исследования и разработки

Непрерывные инвестиции в исследования для улучшения технологии распознавания лиц имеют важное значение. Это включает в себя не только повышение точности и скорости, но и конкретное решение проблем с предвзятостью и справедливостью. Широкомасштабные и стандартизированные исследования, такие как помощь NIST для выявления общих недостатков в ФРТ, и как ученые, так и сотрудники, инженеры, которые разрабатывают ФРТ, призваны улучшить результаты программного обеспечения в распознавании изображений с более темными тонами кожи, а также уменьшить гендерный разрыв в ложноположительных показателях, и когда наборы данных и результаты подвергаются строгому, минутному анализу, ученые имеют возможность улучшить алгоритм и тем самым решить проблему предвзятости в будущих итерациях программного обеспечения.

Исследования должны также изучить альтернативные подходы, которые могут обеспечить лучшую защиту конфиденциальности при сохранении преимуществ безопасности. Например, системы, которые анализируют поведенческие модели или обнаруживают аномалии без идентификации конкретных лиц, могут предоставлять полезную информацию о безопасности с меньшим вмешательством в конфиденциальность, чем традиционное распознавание лиц.

Междисциплинарные исследования, объединяющие компьютерных ученых, социологов, этиков и юристов, могут помочь выявить и решить сложные проблемы, связанные с технологией распознавания лиц. Понимание не только технических возможностей, но и социальных, этических и правовых последствий имеет важное значение для ответственного развития и развертывания.

Международное сотрудничество и стандарты

Учитывая транснациональный характер терроризма, международное сотрудничество в области стандартов и практики распознавания лиц имеет важное значение. Странам следует совместно разрабатывать общие стандарты в отношении точности, справедливости и защиты частной жизни при уважении различных правовых традиций и культурных ценностей.

Международные соглашения могли бы установить минимальные стандарты для систем распознавания лиц, используемых в борьбе с терроризмом, обеспечивая, чтобы данные, передаваемые через границы, отвечали основным требованиям к точности и надежности. Они могли бы также установить протоколы для обмена данными, которые защищают конфиденциальность и права человека, обеспечивая при этом эффективное сотрудничество в борьбе с террористическими угрозами.

Однако международное сотрудничество должно быть сбалансировано с учетом озабоченности по поводу предоставления авторитарным режимам возможности использовать распознавание лиц для политических репрессий. Демократические страны должны проявлять осторожность в отношении обмена технологиями распознавания лиц или данными с правительствами, которые не имеют надежной защиты прав человека и верховенства права. Международные стандарты должны включать гарантии, препятствующие использованию технологии в нелегитимных целях.

Вывод: Навигация по сложному ландшафту

Технология распознавания лиц представляет собой мощный инструмент в борьбе с терроризмом, предлагая возможности для идентификации, наблюдения и расследования, которые были невообразимы всего несколько десятилетий назад.Новая технология дала новую власть государству автоматизировать выявление ранее известных террористов, которые организуют нападения на граждан, которых государство должно защищать, и власть сделать это, если она будет эффективно работать, поможет в борьбе с терроризмом.

Однако технология также ставит значительные проблемы, связанные с точностью, предвзятостью, конфиденциальностью и гражданскими свободами. Эта проблема распространена в программном обеспечении для распознавания лиц, которое имеет тенденцию генерировать более высокий уровень ложных срабатываний для небелых людей, и в отличие от программного обеспечения для распознавания лиц, используемого для ареста кого-то, неправильно обученный алгоритм КТ может убивать гражданских лиц, действие, которое не может быть отменено. Ставки в приложениях борьбы с терроризмом особенно высоки, где ошибки могут привести к тому, что невинные люди будут незаконно задержаны или, наоборот, к опасным людям, уклоняющимся от обнаружения.

Для продвижения вперед необходимо сбалансировать эти конкурирующие соображения путем тщательной разработки политики, надежного надзора, постоянного технического совершенствования и постоянного общественного диалога. Ни общие запреты, которые препятствуют любому использованию распознавания лиц в целях безопасности, ни беспрепятственное развертывание без гарантий, не представляют собой ответственный подход. Вместо этого контекстно-специфические рамки, которые позволяют использовать полезные средства, предотвращая злоупотребления, дают наилучшую надежду на реализацию преимуществ безопасности распознавания лиц при одновременной защите основных прав.

По мере того, как технология продолжает развиваться и становиться более эффективной, необходимость в продуманном управлении становится все более актуальной. Решения, принятые сегодня о том, как распознавание лиц разрабатывается, развертывается и регулируется, будут определять баланс между безопасностью и свободой на долгие годы. Обеспечение того, чтобы эти решения были основаны на доказательствах, руководствовались этическими принципами и подчинялись демократической ответственности, имеет важное значение для поддержания как безопасности, так и свободы во все более сложной среде угроз.

Для получения дополнительной информации о технологиях биометрической безопасности посетите программу тестирования поставщиков распознавания лиц Национального института стандартов и технологий. Чтобы узнать о соображениях конфиденциальности в технологии наблюдения, изучите ресурсы Фонда электронных рубежей. Для международных перспектив в области регулирования распознавания лиц см. работу Европейского парламента по регулированию ИИ.