DHS建议面对生物识别偏置方法，量化人口效应

2021-09-23

根据美国国土安全部的新研究，删除与种族和性别相关的面部特征会使面部生物识别算法不太可能根据这些人口统计数据将其与他人混淆。

纸'量化种族和性别特征确定商业面部识别算法的身份的程度'揭示了这一发现，即种族和性别相同性对面部生物识别相似性分数的变化贡献约10％。

与生物识别数据库的组成相匹配的图像可能会对不同群体的准确性差异有重大影响，尤其是在警察申请中，DHS马里兰州测试设施主要数据科学家约翰·霍华德（John Howard）在邮政中解释说，LinkedIn。他建议，基于1：1匹配或验证的面部生物识别技术公平性工作的现有工作并不一定能在1：n或识别场景中准确洞悉该问题。

该论文由DHS的马里兰州测试设施（MDTF）的Howard，Yevgeniy Sirotin和Jerry Tipton以及DHS科学技术局的Arun Vemury撰写。

他们使用在2018年生物识别技术集会期间收集的数据来测试用于建立身份的功能。他们发现，面对生物识别算法，尽管不是虹膜识别算法，但使用与种族和性别相关的功能。与五种领先的面部识别算法相比，具有相同种族或性别的人的相似性得分更高。

然后，研究人员提出了一个系统，以量化与种族和性别相关的特征的使用，并分析了从考虑中删除这些功能的可能性。根据论文，算法的性能降低了，但不低于有用的水平。

大多数商业面部生物识别算法似乎并未将特征提取或考虑到与种族和性别相关的人的特征提取或考虑，研究人员推测这可能是由于使用深卷积神经网络的使用，该网络已众所周知，这些网络已通过使用相关性，但最终在对象分类中使用相关性，但最终是微不足道的数据。

研究人员指出，某些特征和平衡的生物特征参考文献画廊的使用将代表与当前降低的常见方法背道而驰。

NIST也正在挖掘AI的偏见试图帮助行业减少并最终消除它。