นักวิจัยชาวอเมริกันตรวจสอบว่ามีอคติทางชีวภาพเข้ามาและวิธีการวัดอย่างไร

2022-08-30

เอกสารคู่หนึ่งเกี่ยวกับสาเหตุที่ระบบไบโอเมตริกซ์มักพบว่ามีประสิทธิภาพน้อยกว่ากับกลุ่มประชากรบางกลุ่มและวิธีการวัดความไม่เท่าเทียมเหล่านั้นได้รับการตีพิมพ์โดยนักวิจัยจากห้องปฏิบัติการเอกลักษณ์และข้อมูลวิทยาศาสตร์ที่โรงงานทดสอบรัฐแมรี่แลนด์

จอห์นฮาวเวิร์ดแห่งmdtfซึ่งใช้สำหรับการทดสอบชีวภาพของ DHS ชี้ให้เห็นเอกสารในกโพสต์ LinkedIn-

'ผลกระทบที่แตกต่างกันในการรับรู้ใบหน้าเกิดจากผลกระทบความเป็นเนื้อเดียวกันในวงกว้าง: กรณีศึกษาและวิธีการในการแก้ไข' คุณลักษณะปัญหาของอคติไบโอเมตริกซ์เพื่อ "การรวมกลุ่มทางประชากร" นี่คือปรากฏการณ์ที่การใช้คุณสมบัติที่กำหนด (อย่างน้อยส่วนหนึ่ง) โดยเพศหรือเชื้อชาติของคนเพิ่มคะแนนความคล้ายคลึงกันระหว่างบุคคล

กระดาษแสดงให้เห็นว่าเป็นไปได้ที่จะลบรูปแบบคุณสมบัติที่ใช้ร่วมกันภายในกลุ่มประชากรในขณะที่รักษาคุณสมบัติที่แตกต่างที่สามารถใช้สำหรับการจดจำใบหน้า ทีมใช้เทคนิคมิติเชิงเส้นเพื่อเพิ่ม“ ความเป็นธรรม” ของอัลกอริทึม ARCFACE สองอัลกอริทึมซึ่งวัดได้ในสี่วิธีที่แตกต่างกันโดยไม่ลดอัตราการจับคู่ที่แท้จริง

'การประเมินแบบจำลองความเป็นธรรมที่เสนอสำหรับอัลกอริทึมการจดจำใบหน้า' พิจารณาอัตราความแตกต่างที่ยุติธรรม(FDR) เสนอโดยนักวิจัย IDIAP และอัตราความไม่เท่าเทียม(IR) เสนอโดยนักวิจัย NIST ทั้งสองตัวชี้วัดคือพบว่ายากต่อการตีความเนื่องจากลักษณะทางคณิตศาสตร์โดยธรรมชาติ ผู้เขียนการศึกษาจึงเสนอเกณฑ์การวัดความเป็นธรรมการทำงาน (FFMC) เพื่อช่วยในการตีความตัวชี้วัดข้างต้น

พวกเขายังพัฒนามาตรการใหม่อัตราการรวม GINI สำหรับความสามารถในการจับคู่ไบโอเมตริกซ์ (GARBE) เทคนิคการวัดนี้ขึ้นอยู่กับไฟล์ค่าสัมประสิทธิ์ Giniซึ่งเป็นมาตรการทางสถิติของการกระจายโดยทั่วไปใช้ในการวัดความไม่เท่าเทียมกันของรายได้

การทำงานเกี่ยวกับวิธีการประเมินผลมีวัตถุประสงค์เพื่อสนับสนุน ISO 19795-10 โดยตรงซึ่งกำหนดมาตรฐานสากลสำหรับอคติในการรับรู้ใบหน้า

เอกสารทั้งสองปรากฏในการตีพิมพ์การประชุมนานาชาติครั้งที่ 26 เรื่องการจดจำรูปแบบ (ICPR 2022) ความเป็นธรรมในการประชุมเชิงปฏิบัติการชีวภาพ