首席技術官哈爾·朗斯（Hal Lonas）Truloio
不斷擴大的全球數字經濟及其提供的便利性也導致了更大的欺詐風險，獲取私人信息的訪問以及未成年人觀看或購買成人材料的人。
在過去的幾年中，生物識別面部識別和年齡估計技術已經大大成熟，並且可以提供強大的信號以限制這些風險。但是，通過生物識別技術的年齡估計僅與驗證過程背後的機器學習和受過訓練的數據一樣好。
開發準確的生物識別技術需要數年時間。面部生物識別技術似乎可以在有限尺度的部署中起作用，但在較大尺度上會返回較差的結果。
但是，重要的是要記住，所有用於分類的機器學習和人工智能（AI）都是概率的練習。在代表性的地理和人群中訓練和測試模型，然後將返回的信號用作指導而不是絕對值至關重要。
在評估生物識別年齡估計時，有三個關鍵領域引發了重要問題。
偏見和模型培訓
- 我們如何通過生物識別面部識別來達到最準確的估計？
- 模型有偏見嗎？
- 我們是否使用足夠的培訓數據，然後以經過良好測試和控制的方式更新模型？
- 培訓中使用的面部數據是否代表了人群中最廣泛的樣本？
- 模型的測試準確性是什麼，並且使用模型的實體是否將其準確性結果發布給潛在客戶和用戶？
如果年齡估計背後的過程和數據不合標準，它們就提出了一個更基本的問題，即國家標準技術研究所等物理科學實驗室可以通過建立模型要求來解決。
監管指導和隱私
- 區域法律是否支持使用面部生物識別技術來估計年齡？
- 每個人使用前都需要同意嗎？
區域差異和地方法可以提出複雜的挑戰。
技術部署
- 生物識別年齡估計如何適合更大的身份驗證工具的複合材料？
- 驗證選項組織可以根據位置和交易類型通過工作流和API選擇和自定義嗎？
- 該驗證還可以使用其他組件，例如通過數據源或政府發行的文件進行自動身份驗證嗎？
例如，考慮想要在線購買酒精的人。他們可能首先必須提供自拍照才能獲得年齡估計。
如果該估計的確定性很高，則無需進一步檢查。但是，如果它很低，他們可能必須提供名稱，生日和地址才能驗證。如果這還不夠，可以要求他們提供駕駛執照的照片，這必須與他們的自拍照相匹配。
所有這些步驟都可以通過工作流程過程來管理，並由先前步驟的結果確定邏輯流。
克服年齡估計挑戰
年齡估計帶來了幾個潛在的障礙。一些國家，尤其是澳大利亞，已經對其進行了試驗，然後根據挑戰而退縮。
澳大利亞遇到的障礙圍繞三個主題旋轉。
年齡在哪裡檢查？
為什麼不只是在每個網站上進行年齡估計並使用該信息來確定訪問權限？這需要用戶在訪問的許多網站上保持信任。
但是所有網站實施是否統一和適當？
這些擔憂要求一名或幾個指定和值得信賴的專家實施年齡估計，以確保統一性和最佳實踐。
年齡如何檢查？
如果使用AI和機器學習來估計年齡，則應盡一切努力消除偏見。
偏見是澳大利亞人從實驗中退縮的原因之一。消除偏見很困難，但是有必要獲得對系統的信心，並確保沒有落伍。
數據在哪裡？
數據保留可能是一個重大問題。用戶有權知道如何使用其捕獲的數據，保留多長時間以及何處，尤其是在跨越國際邊界的情況下。
現在，最佳實踐決定數據可以使用和保留僅短時間或根本不使用。但這也帶來了挑戰。
人們在訪問同一網站時是否必須經歷相同的過程？還是某些實體會保留信息以使他們重新訪問隨後的訪問？用戶可以隨時提供自己的喜好，但這也需要某種跟踪。
生物識別技術是身份驗證的關鍵要素，尤其是在適應新興欺詐威脅的監管要求和實體尋求更高的準確性和自動化時。一種務實的方法是將生物識別年齡估計與其他驗證工具混合在一起，以創建豐富的身份複合材料。
關於作者
哈爾·洛納斯（Hal Lonas）是首席技術官Truloio。
免責聲明：生物識別更新的行業見解是提交的內容。這篇文章中表達的觀點是作者的觀點，不一定反映生物識別更新的觀點。
