合成數據可能通過生物識別算法培訓解決隱私問題，但無論如何，它必須在面部識別培訓中仔細使用youvers聯合創始人兼首席執行官佩德羅·托雷斯（Pedro Torres）在一組有影響力的利益相關者小組中說EAB。
EAB的研究項目會議2023最後關於“在歐盟中推進生物識別技術和ID管理的演講：探索對測試床和沙盒的需求”。該活動在上週進行了三天，並在歐洲各地的高級生物識別研究項目中進行了一系列演講。
關於測試床和沙箱的討論由哈巴利（Javier Galbally）主持我哈爾姆斯塔德大學的費爾南多·阿隆索·費爾南德斯（Fernando Alonso-Fernandez）。小組成員是美國國土安全部的威廉·格雷夫斯（William Graves），國家標準技術研究所（NIST）和托雷斯（Torres）的帕特里克·格羅斯（Patrick Grother）。
Yoonik今年早些時候將其重新命名為您。
加爾巴利說，隨著歐盟在數字身份，人工智能和數字公共管理方面的相交議程上，測試床和沙箱對於歐盟生物識別技術的開發將很重要。這些項目的技術必須以符合數據隱私和其他法規的方式進行開發和測試。
Graves and Froph與他們在引言中進行的生物識別測試形成了鮮明對比，前者秘密進行了測試，這些測試尚未發表。
Grother敘述了NIST在改變測試頻率以及開發人員可以提交算法的頻率以及在給定測試中有多少參與者的不確定性的經歷。與偶爾的測試相比，他還討論了相對優點和更大的靈活性。
格雷夫斯（Graves）談到了NIST測試在美國政府生物識別的採購職位中的作用，但也需要“根據這些算法運行自己的數據”。他講述了美國國防部如何使用一種生物識別算法，該算法尚未在NIST測試中排名，但在與國防部持有的數據相匹配方面非常有效。
由於NIST使用國土安全部的數據，因此該機構發現NIST測試結果與內部測試中最有效的算法之間的相關性更強。
托雷斯（Torres）談到了NIST測試給參與的生物識別供應商提供的優勢，以及對於不同特定用例的不同測試的重要性。
討論還涉及NIST決定評估演示攻擊檢測和年齡估計以及生物識別測試的種類由Frontex執行。這些測試被稱為“免費”，用於生物識別捕獲齒輪，而不是算法。
托雷斯說，在哪裡獲取測試所需的數據是許多公司的挑戰。隱私法規，缺乏同意數據，因此成本是問題。 Youverse togrings可以獲取的數據以測試遮擋的圖像和其他差異。
托雷斯建議，可提供數據集的合作可以使整個生物識別行業受益。
另一個選擇是您使用的一種選擇，是使用合成數據來避免獲得良好，道德化圖像的某些困難。但是，由於數據是由算法創建的，因此它也可能存在潛在的偏差，並且不是替代實際數據。
肉體分解的綜合數據類型相對較好，並且適合適合。不要期望很快會隨時使用合成數據看到NIST，但他指出了其對執行內部速度測試的開發人員的潛在價值。
