การรับรู้ใบหน้าทำให้เกิดการกระตุ้นกรณีการใช้งานใหม่การปรับปรุงในสปอตไลท์ IFPC 2022

การรับรู้ใบหน้ากำลังจะสามารถเปิดโปง Deepfakes ได้อย่างถูกต้องจับคู่ครอบครัวที่เดินผ่านสนามบินทั้งหมดในครั้งเดียวและมีประสิทธิภาพสูงกว่าวิธีการไบโอเมตริกซ์อื่น ๆIFPC) 2022

ที่วันแรกของกิจกรรมโฮสต์โดย NIST มุ่งเน้นไปที่คุณภาพของภาพใบหน้าการประเมินและวิธีการปรับปรุง

ส่วนแรกของวันที่สองได้รับการอุทิศให้กับมาตรฐานและข้อบังคับโดยมีการนำเสนอโดยตัวแทนของคณะกรรมาธิการยุโรป, Idemia, Unicri, ศูนย์ ID นอร์เวย์, USG และ Rand Corporation

ส่วนที่สองของการนำเสนอวันเกี่ยวกับมุมมองของอุตสาหกรรมเกี่ยวกับ Biometrics Face รวมผู้นำเสนอการพยากรณ์ผู้นำด้านเทคโนโลยีการเรียนรู้และผู้จัดการ Neda Eskandari,อันดับหนึ่งคอมพิวเตอร์หัวหน้านักวิทยาศาสตร์ผู้ร่วมก่อตั้งและประธานาธิบดีเบรนแดน Klareidemiaหัวหน้านักวิทยาศาสตร์ AI Stephane Gentric และตัวแทนของ Accenture และตราประทับความไว้วางใจ-

การใช้งานจริงสำหรับข้อมูลปลอม

Deepfakes และสื่อสังเคราะห์จริง ๆ แล้วอ้างถึงปรากฏการณ์ปลอมที่แตกต่างกันมากมายรวมถึงข้อมูลประเภทต่าง ๆ ขอบเขตการถ่ายภาพและประเภทของการจัดการ Eskandari ชี้ให้เห็น แม้แต่คุณภาพของภาพก็แตกต่างกันไปในระหว่างการปลอม

เธอสำรวจคุณค่าของใบหน้าสังเคราะห์สำหรับการฝึกอบรมอัลกอริทึมและรูปแบบการจดจำใบหน้า

วิศวกรต้องระมัดระวังกับสิ่งที่ใบหน้าสังเคราะห์ถูกเลือกสำหรับการฝึกอบรมอัตราส่วนระหว่างใบหน้าสังเคราะห์และใบหน้าจริงและอย่าลืมรวมใบหน้าสังเคราะห์หลายตัวสำหรับแต่ละตัวตน

แน่นอนว่าข้อมูลสังเคราะห์ยังนำเสนอภัยคุกคามในหลายวิธี

การวิจัย Paravision ระบุว่ารูปแบบการจดจำใบหน้าที่ได้รับการฝึกฝนบนใบหน้าจริงมักจะเข้าใจ“ ข้อมูลที่ซ่อนอยู่เกี่ยวกับใบหน้าสังเคราะห์” รูปแบบการตรวจจับใบหน้าสังเคราะห์ต้นแบบของ บริษัท ประสบความสำเร็จ 99.7 เปอร์เซ็นต์ Eskandari กล่าว เครื่องตรวจจับ Deepfake การผลิตก็อยู่ในผลงานเช่นกัน จนถึงตอนนี้ Paravision รายงานความสำเร็จด้วยชุดข้อมูลทั่วไปที่สูงกว่า 96 เปอร์เซ็นต์โดยไม่รวมโมเดลนอกชั้นวางไว้

ตอนนี้ใบหน้าเป็นไบโอเมตริกซ์ที่แม่นยำที่สุดหรือไม่?

Klare ติดพันการโต้เถียงโดยเปรียบเทียบอัตราการจับคู่ 1: 1 สำหรับรังสีไบโอเมตริกซ์ต่างๆในสิ่งพิมพ์ NIST ที่แตกต่างกันและถามว่าตอนนี้ใบหน้าเป็นรูปแบบที่แม่นยำที่สุดของโลกหรือไม่ อย่างน้อยก็ไม่ได้ปรับปรุงอย่างน้อยในจังหวะเดียวกันเขาระบุ

ส่วนหนึ่งของเหตุผลสำหรับการปรับปรุงนี้คือใบหน้าเหตุผล Klare เป็นข้อมูลส่วนตัวน้อยที่สุดเกี่ยวกับคน พวกเขาพบได้ง่ายกว่าชื่อและภาพของใบหน้ามีอยู่ในปริมาณที่มีขนาดของขนาดสูงกว่าภาพลายนิ้วมือหรือไอริส

เป็นผลให้มีคำเตือนบางอย่างอัลกอริทึมจึงมีความแม่นยำมากกว่ามนุษย์แม้กระทั่งผู้ที่มีความรู้ความเข้าใจในการจับคู่ใบหน้า Klare กล่าว

อย่างไรก็ตามการแทรกแซงของมนุษย์ยังคงมีความสำคัญอย่างไรก็ตามเนื่องจากมีการตั้งค่ากรณีการใช้งานเพื่อขยายและเนื่องจากความท้าทายที่เหลืออยู่เช่นฝาแฝดที่เหมือนกัน

การทบทวนความสำคัญของการตรวจจับการโจมตีการนำเสนอสำหรับกรณีการใช้งานที่หลากหลาย Klare แนะนำให้เปลี่ยนเงื่อนไขที่ยาวนานกว่าอัตราความผิดพลาดการจำแนกประเภทการนำเสนอ (BPCER) และอัตราความผิดพลาดการจำแนกการนำเสนอการโจมตี (APCER) ด้วย“ อัตราการปฏิเสธของแท้” และ“ อัตราการยอมรับ

อีกพื้นที่หนึ่งสำหรับการปรับปรุงที่อาจเกิดขึ้นจากการรับรู้ใบหน้าที่ระบุโดย Klare คือการแต่งหน้า สิ่งนี้ยังส่งผลต่อความไม่เสมอภาคทางประชากรระหว่างอัตราการจับคู่สำหรับชายและหญิง

การปรับปรุงการจับภาพสนามบิน

เทคโนโลยีการได้มาซึ่งภาพก็มีการปรับปรุงอย่างรวดเร็ว ข้อ จำกัด ในการออกแบบที่กำหนดไว้ใน E-Gates ต้นซึ่งอธิบายโดย Gentric ทำให้พวกเขามีขนาดใหญ่และซับซ้อนเมื่อเทียบกับเครื่องจักรที่ใช้ในปัจจุบัน นี่เป็นสิ่งจำเป็นเนื่องจากระบบชีวภาพที่มีความทนทานต่อการเผชิญหน้าต่ำมีสำหรับการโพสท่าใบหน้าและแสงสว่าง

Biometrics สนามบินที่ดำเนินการในวันนี้อาจล้าสมัยเช่นกันอย่างไรก็ตามด้วยการปรับปรุงในการจับภาพทางชีวภาพของผู้เข้าร่วมการเคลื่อนไหวในระหว่างการเดินทาง Gentric กล่าว การเลือกภาพเพื่อคุณภาพช่วยเพิ่มความแม่นยำของระบบในขณะที่และการตรวจจับคนเดินเท้าหรือการติดตามโครงกระดูกช่วยเพิ่มประสิทธิภาพโดยการจัดกลุ่มภาพของตัวตนที่กำหนดด้วยกัน

e-gates อาจจะสามารถจับคู่ผู้ปกครองพร้อมกับเด็กในอ้อมแขนของพวกเขาในเวลาเดียวกัน

แผนที่ความลึก 3 มิติที่อนุมานจากสตรีมกล้อง RGB สามารถช่วยให้มั่นใจได้ว่าภาพจะถูกจับในระยะทางที่เหมาะสม