การทดสอบระบบไบโอเมตริกซ์ที่ปรับแต่งได้วางรากฐานสำหรับความน่าเชื่อถือ: ห้องปฏิบัติการชีวภาพ

แม้ว่าภาษาจะแตกต่างกันไปตามภูมิภาค แต่กฎระเบียบส่วนใหญ่เกี่ยวกับเทคโนโลยีไบโอเมตริกซ์นั้นจำเป็นต้องมีความแข็งแกร่งแม่นยำเชื่อถือได้มีประสิทธิภาพสูงหรือสามารถตอบสนองวัตถุประสงค์ได้ดีโดยไม่ต้องทำผิดพลาดอย่างร้ายแรง

การทดสอบทำให้สิ่งนี้เป็นไปได้ กรอบการทดสอบมาตรฐานเช่นที่จัดทำโดยสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST)และสร้างรากฐานสำหรับความไว้วางใจในอุตสาหกรรมไบโอเมตริกซ์

แต่ถ้าการทดสอบตัวเองไม่แข็งแรงพอล่ะ? แม้แต่ความพยายามอย่างละเอียดในการทำซ้ำเงื่อนไขในโลกแห่งความเป็นจริงก็ยังต้องพลาดความแตกต่างของการปรับใช้เฉพาะกรณี สิ่งที่ใช้งานได้ในห้องปฏิบัติการอาจล้มเหลวในสนามและการทดสอบมาตรฐานอาจไม่ได้รับการตรวจจับอคติความยืดหยุ่นในการโจมตีและการใช้งานภายใต้เงื่อนไขของโลกแห่งความเป็นจริง

ในใหม่สถาบันชีวภาพรายงานเกี่ยวกับอนาคตของ Biometrics ที่รับผิดชอบให้เหตุผลว่า

การทดสอบที่ปรับแต่งสามารถเติมเต็มเพื่อให้แน่ใจว่าระบบไบโอเมตริกซ์เป็นไปตามข้อกำหนดเฉพาะของข้อมูลประชากรอุปกรณ์และกรณีการใช้งานที่เฉพาะเจาะจง การทดสอบเกี่ยวกับสเปกตรัมของอุปกรณ์สำหรับผู้ใช้ที่มีฮาร์ดแวร์ราคาถูกหรือเก่าแก่ การทดสอบความยืดหยุ่นในการโจมตีสามารถวัดความต้านทานของอัลกอริทึมต่อการโจมตีของ AI การโจมตี AI และความพยายามอื่น ๆ ที่เป็นอันตรายอื่น ๆ เพื่อลดความสมบูรณ์ และการขว้างตัวแปรในโลกแห่งความเป็นจริงที่อัลกอริทึมสามารถประเมินความสามารถในการทำงานในแสงไฟความชื้นหรือสภาพเสียงรบกวนพื้นหลัง

-มักจะโต้ตอบกับประชากรที่หลากหลายและทำงานในสภาวะที่หลากหลาย หากไม่มีการทดสอบในท้องถิ่นองค์กรเสี่ยงต่อการปรับใช้ระบบที่แยกกลุ่มบางกลุ่มโดยไม่ได้ตั้งใจหรือไม่สามารถดำเนินการได้อย่างน่าเชื่อถือในภูมิภาคที่เฉพาะเจาะจง”

ความหลากหลายคือความแข็งแกร่งสำหรับการฝึกอบรมระบบการจดจำใบหน้า

การเรียกร้องโดยตรงเกี่ยวกับความหลากหลายทางประชากรระบุว่า“ แน่นอนได้รับการแสดงว่าทำงานได้ไม่ดีในโทนสีผิวที่มืดกว่าเนื่องจากความหลากหลายที่ จำกัด ในชุดข้อมูลการฝึกอบรม” (แม้ว่าจะอยู่ใน Nist'sการทดสอบล่าสุดอัลกอริทึมที่แม่นยำที่สุดแสดงความแตกต่างต่ำมาก) ปัญหาส่วนหนึ่งเป็นหนึ่งในจังหวะ: ระบบนิเวศเติบโตอย่างรวดเร็วและส่วนประกอบบางอย่างได้รับการแยกส่วน การแบ่งปันข้อมูลระหว่างนักพัฒนามี จำกัด

และที่สำคัญที่สุดคือกล่าวว่า“ ตอนนี้มีฉันทามติว่าโมเดล AI นั้นดีพอ ๆ กับข้อมูลที่ผ่านการฝึกอบรม” เครือข่ายประสาทเทียม (CNNs) ที่เปิดใช้งานการเรียนรู้ของเครื่องจักรที่ลึกขึ้นอยู่กับใบหน้าสำหรับระบบการจดจำใบหน้าต้องการวัสดุอ้างอิงที่หลากหลาย หากไม่มีมัน“ การแสดงของอัลกอริทึมจะไม่เพียงพอ”

“ นี่คืออคติ” Fime กล่าว “ มันไม่จำเป็นต้องเป็นอันตราย แต่เป็นความจริง” - และต้องการ“ ความสนใจอย่างเร่งด่วนในห่วงโซ่คุณค่าทางชีวภาพ จากซอฟต์แวร์และนักพัฒนาเซ็นเซอร์ไปจนถึงอุปกรณ์ OEM และหน่วยงานมาตรฐานและรัฐบาล”

Fime กล่าวว่า“ การรู้ตัวชี้วัดที่ดีที่สุดสำหรับการประเมินอคติที่อาจเกิดขึ้นของระบบไบโอเมตริกซ์เป็นสิ่งสำคัญในการวัดความสามารถในการวัดแต่ละตัวชี้วัดแต่ละตัวในความจำเพาะและความแม่นยำของระบบ ด้วยความคิดนี้ผู้เชี่ยวชาญด้านชีวภาพชั้นนำได้สร้างวิธีการที่เป็นนวัตกรรมในการฉีดอคติต่อระบบไบโอเมตริกซ์และประเมินความสามารถของแต่ละเมตริก ระบบนี้ช่วยให้ผู้เชี่ยวชาญสามารถฉีดอคติที่เลือกได้สำหรับกลุ่มย่อยทางประชากรศาสตร์โดยเฉพาะด้วยการควบคุมความแข็งแรงของอคติแต่ละครั้ง การใช้การควบคุมโดยตรงเกี่ยวกับความแข็งแกร่งของอคติแต่ละครั้งทำให้ผู้เชี่ยวชาญสามารถตรวจสอบความสามารถของแต่ละเมตริกกับตัวแปรที่รู้จัก”

รู้การทดสอบไบโอเมตริกซ์ของคุณ

ยิ่งคุณทดสอบมากเท่าไหร่คุณก็ยิ่งรู้มากขึ้นเท่านั้นสรุปความแตกต่างระหว่างการทดสอบประสิทธิภาพการทดสอบความปลอดภัยและการทดสอบกฎระเบียบและการปฏิบัติตามกฎระเบียบ

การทดสอบประสิทธิภาพ“ วัดว่าระบบไบโอเมตริกซ์ทำงานได้ดีเพียงใดในสถานการณ์จริง” มันรวมถึงอัตราการยอมรับเท็จ (FAR) และอัตราการปฏิเสธเท็จ (FRR) - ตัวชี้วัดที่ระบุตามลำดับความถี่ที่ระบบยอมรับการแอบอ้างหรือปฏิเสธผู้ใช้ที่ถูกกฎหมายและการทดสอบด้านสิ่งแวดล้อมเพื่อประเมินประสิทธิภาพของระบบภายใต้เงื่อนไขวัสดุต่าง ๆ

การทดสอบความปลอดภัย“ เป็นสิ่งสำคัญในการระบุช่องโหว่ในระบบไบโอเมตริกซ์และป้องกันการโจมตีที่เป็นอันตราย” มันครอบคลุมการปลอมแปลงและการนำเสนอการตรวจจับการโจมตี (PAD) เพื่อประเมินความสามารถในการตรวจจับสำหรับลายนิ้วมือปลอมใบหน้าที่พิมพ์ 3 มิติหรือการล้อเลียนเสียง สร้างความมั่นใจในการเข้ารหัสฐานข้อมูลและการปฏิบัติตามกฎระเบียบที่ปลอดภัย และการจำลองกลยุทธ์การฉ้อโกงในโลกแห่งความเป็นจริงรวมถึงสื่อสังเคราะห์และการโจมตีการฉีด

การทดสอบอคติและความเป็นธรรม“ ทำให้มั่นใจได้ว่าระบบไบโอเมตริกซ์ทำงานได้ดีพอ ๆ กันสำหรับกลุ่มประชากรทั้งหมดและเป็น“ สิ่งสำคัญสำหรับการดำเนินการตามหลักจริยธรรม” การประเมินความหลากหลายการวิเคราะห์อัตราความผิดพลาดระหว่างข้อมูลประชากรและอัลกอริทึมการตรวจสอบสนับสนุนกระบวนการนี้

มาตรการการทดสอบด้านกฎระเบียบและการปฏิบัติตามกฎระเบียบเกี่ยวกับกรอบด้านจริยธรรมกฎหมายและกฎระเบียบเช่น GDPR, Illinois(BIPA) และพระราชบัญญัติ AI

“ ห้องปฏิบัติการอิสระและสิ่งอำนวยความสะดวกการทดสอบมีบทบาทสำคัญในการประเมินระบบไบโอเมตริกซ์ก่อนที่จะถึงตลาด” Ingenium กล่าว NIST ดำเนินการ“ โปรแกรมการทดสอบไบโอเมตริกซ์อย่างเข้มงวดเช่นการทดสอบผู้ขายการจดจำใบหน้า (FRVT) และการประเมินผล Minex สำหรับระบบลายนิ้วมือ” องค์การระหว่างประเทศเพื่อมาตรฐาน (ISO) ให้มาตรฐานการทดสอบไบโอเมตริกซ์เช่นISO/IEC 19795กรอบการทดสอบประสิทธิภาพสำหรับระบบไบโอเมตริกซ์และมาตรฐานแผ่น

และหน่วยงานอุตสาหกรรมที่ให้การประเมินและการรับรองเช่นยังมีบทบาท

ทั้งหมดนี้เป็นสิ่งสำคัญตาม Ingenium เพราะ“ อนาคตของการตอบสนองทางชีวภาพที่รับผิดชอบในการทดสอบอย่างเข้มงวดการพิจารณาทางจริยธรรมและการปฏิบัติตามมาตรฐานความปลอดภัยและความเป็นส่วนตัว”

รายงานของ IDIAP หมายเหตุ 'ความต้องการที่สำคัญสำหรับระบบ FR ที่เป็นธรรมและน่าเชื่อถือ'

ใหม่รายงานการวิจัยจากสถาบันวิจัย IDIAP“ สำรวจปัญหาของอคติทางประชากรอย่างเป็นระบบใน FR ผ่านส่วนต่าง ๆ แต่มีความสัมพันธ์กัน: สาเหตุชุดข้อมูลการวัดการประเมินและกลยุทธ์การบรรเทา”

สาเหตุที่ระบุเริ่มต้นด้วย“ ชุดข้อมูลที่ไม่สมดุลหรือไม่เป็นตัวแทน” แต่ยังรวมถึงปัจจัยในการเปลี่ยนแปลงในโทนสีผิว“ ความไวและข้อ จำกัด ของอัลกอริทึมในการจัดการกับคุณลักษณะทางประชากร” และคุณภาพของภาพ

ผู้เขียนร่วม Ketan Kotwal และSébastien Marcelของ IEEE เขียนว่า“ โดยการจัดหมวดหมู่การมีส่วนร่วมที่สำคัญในพื้นที่เหล่านี้งานนี้ให้วิธีการที่มีโครงสร้างในการทำความเข้าใจและจัดการกับความซับซ้อน” ของอคติในระบบการจดจำใบหน้า

ในที่สุดพวกเขาเน้น“ ความต้องการที่สำคัญสำหรับระบบ FR ที่เท่าเทียมและน่าเชื่อถือ”

ห้องปฏิบัติการทดสอบไบโอเมตริกซ์ใหม่เปิดในมอสโก

ความจำเป็นในการทดสอบเป็นระดับโลกดังที่เห็นได้จากศูนย์ทดสอบไบโอเมตริกซ์แบบครบวงจรแห่งใหม่ (ECBI) ที่ดำเนินงานในมอสโกซึ่งเป็นความร่วมมือระหว่างกรมเทคโนโลยีสารสนเทศมอสโกและสมาคมไบโอเมตริกซ์รัสเซียที่ไม่แสวงหาผลกำไร อันบันทึกใน Oreanda News กล่าวว่าศูนย์จะ“ มีส่วนร่วมในการวิจัยนำร่องและประเมินโซลูชันโดยใช้การวิเคราะห์วิดีโอ”

ตามที่นายกเทศมนตรี Natalia Sergunina นายกเทศมนตรีมอสโกเมืองนี้กำลังศึกษาแนวทางปฏิบัติที่ดีที่สุดสำหรับเทคโนโลยีการมองเห็นคอมพิวเตอร์และ“ นำพวกเขาไปแก้ปัญหาเมือง”

หัวข้อบทความ

--------