在上週2022年國際面部表現會議的最後一天，對面部生物識別系統有效性的最緊迫風險在顯微鏡下。
帕特里克·格羅斯（Patrick Grother）主持了關於人口統計和安全的早晨會議。他還發表了第一個演示文稿，該演示文稿目前處於草稿形式，但接近正式完成。該文檔列出了一種方法總結人口差異，在生物識別方面通常被稱為偏見。隨著法規越來越多地納入評估偏見的要求，該方法很快就會被廣泛引用和使用。
有趣的是，NIST的研究表明，在某些情況下，面部識別系統通常是不成功的匹配（通過虛假的不匹配率）女性，但是在12至15歲和16至18歲的年齡段中，這種情況是正確的。
格羅斯說：“您可以看到這些數字通常朝著正確的方向發展。” “但並非總是如此；有些開發人員似乎並沒有對此引起任何關注。”
該方法在ISO/IEC 19795-10中被標準化，SAIC的John Howard在以下演講中對此進行了討論。霍華德分別比較了IDIAP Institute和NIST開發的公平差異和不平等率模型。這些觀察結果介紹了創建Gini係數模型。
他提出帕累托優化，以優化公平和整體表現。
但是，需要更多數據，尤其是在操作情況下，例如從CCTV提要中收集的圖像。更多的模型也會有所幫助。
Yevgeniy Sirotin和Howard介紹了有關特徵矢量聚類的研究，作為解決廣泛同質效應的一種方法。這是在面部生物識別技術中發現的效果，而不是其他方式，這具有直觀的意義，但也意味著要評估問題的努力仍處於早期階段。
正如Sirotin指出的那樣，這一點很重要，因為試圖擊敗面部生物識別系統的罪犯知道以人口相似的方式欺騙給定人的臉。
佛羅里達理工學院的邁克爾·金（Michael King）帶來了數據集中使用的標籤和虛假生物特徵分類的角色。
斯蒂芬妮·舒克斯（Stephanie Schuckers）和凱凡·巴哈曼（Keivan Bahmani）提出了一項關於年齡符合兒童面孔的仔細縱向研究的進步。在3年的過程中，年輕的面部老化數據集是從231名受試者那裡收集的，每6個月拍攝每6個月的圖像。使用此數據集與常見匹配器一起表明，最好的匹配器在分析高質量樣本時達到可行的精度率。
面對變形
IFPC 2022的第三天的下午會議由NIST的Mei Ngan主持，專注於面部變形。
斯洛文尼亞室內部事工的MatjažTorkar呈現了面部變形的現實例子。這種現像似乎始於2020年，當時捕獲了同一航班上的多名乘客。他們已經成功地通過了電子門，但是一個被警報的波蘭邊境警衛抓住。那些拿著變形護照的人是在加拿大尋求難民身份，支付15,000至30,000歐元。
Ngan分享了Nistfrvt變形結果，這並不令人鼓舞。更準確的算法往往特別脆弱。但是，變體檢測系統正在顯示進度。
博洛尼亞大學的Matteo Ferrara指出，ABC大門使用多個框架與護照上的面孔相匹配。不同的供應商使用不同的策略來決定要使用哪種框架。
一支學者團隊討論了變形的生成技術，然後NTNU的Kiran Raja審查了Morph攻擊檢測的最新狀態。
該活動結束了，挪威國家警察局的弗羅伊·洛瓦斯達（FrøyLøvåsda）的演講結束了，該局關於人類發現面部變形攻擊的能力。該研究是IMARS項目的一部分，並表明性能差異很大。人類評估需要多長時間，花費和成功率之間的相關性很小或沒有相關性。令人鼓舞的是，人們似乎在實踐中變得更好。
計劃了更多的研究，並有可能為高性能考官提供認證。
文章主題
準確性|生物特徵偏置|生物識別技術|生物識別研究|面對變形|面部識別|結婚|國際面部績效會議（IFPC）|變形攻擊|nist
