تشخیص چهره دیدگاه خود را بنویسید

تشخیص چهره: 

چند فناوری بیومتریک تخیل ما را دقیقاً مانند تشخیص چهره برانگیخته است.به همین ترتیب ، ورود آن باعث نگرانی های عمیق و واکنش های شگفت آور در سال 2019 و اوایل سال 2020 شده است.اما بعداً درباره آندر این مقاله ، هفت واقعیت و شناسایی چهره تعیین شده برای شکل دادن به چشم انداز در سال 2020 را بیان میکنیم.

چگونه تشخیص چهره کار می کند:
تشخیص چهره فرایند شناسایی یا تأیید هویت شخصی است که از چهره آنها استفاده می کند. این الگوها را بر اساس جزئیات صورت فرد ضبط ، تحلیل و مقایسه می کند.فرآیند تشخیص چهره یک گام اساسی است زیرا چهره های انسان را در تصاویر و فیلم ها تشخیص و مکان می دهد.فرآیند ضبط چهره بر اساس ویژگی های صورت فرد ، اطلاعات آنالوگ (صورت) را به مجموعه ای از اطلاعات دیجیتال (داده ها) تبدیل می کند.روند مسابقه صورت تأیید می کند که آیا دو چهره به یک فرد تعلق دارند یا خیر.تالس تقریباً 30 سال است که در فن آوری های بیومتریک تخصص دارد. این شرکت همیشه در هنگام تحقیق ، اخلاق و کاربردهای بیومتریک با بهترین دانشمندان همکاری داشته است.



 

داده های تشخیص چهره برای شناسایی و تأیید صحت:
بیومتریک برای شناسایی و احراز هویت شخص با استفاده از مجموعه ای از داده های قابل تشخیص و قابل اثبات منحصر به فرد و خاص برای آن شخص استفاده می شود.

شناسایی به این سؤال پاسخ می دهد: “شما کی هستید؟”

احراز هویت به این سؤال پاسخ می دهد: “آیا شما واقعاً هستید که می گویید؟”

در مورد بیومتریک صورت ، یک سنسور 2D یا 3D یک صورت را “ضبط” می کند. سپس آن را با استفاده از الگوریتم قبل از مقایسه تصویر گرفته شده با داده های موجود در یک پایگاه داده ، آن را به داده های دیجیتال تبدیل می کند.از این سیستم های خودکار می توان فقط بر اساس ویژگی های صورت آنها برای شناسایی یا بررسی هویت افراد در چند ثانیه استفاده کردو فاصله چشم ها ، پل بینی ، محور لب ، گوش ، چانه و غیره.
آنها حتی می توانند این کار را در وسط جمع و در محیط های پویا و ناپایدار انجام دهند. اثبات این امر را می توان در عملکرد به دست آمده توسط سیستم شناسایی چهره زنده تالس (LFIS) ، یک راه حل پیشرفته ناشی از تخصص دیرینه ما در زمینه سنجش بیومتریک مشاهده کرد.
صاحبان آیفون X قبلاً با فناوری تشخیص چهره آشنا شده اند. با این حال ، راه حل بیومتریک Face ID که توسط اپل تولید شده بود ، در اواخر سال 2017 به دلیل عدم توانایی در تمایز بین چهره های چینی جداگانه ، به شدت در چین مورد انتقاد قرار گرفت.
البته امضاهای دیگری از طریق بدن انسان نیز وجود دارد مانند اثر انگشت ، اسکن عنبیه ، تشخیص صدا ، دیجیتالی شدن رگ در کف دست و اندازه گیری رفتاری.

پس چرا تشخیص چهره؟
بیومتریک صورت همچنان معیار بیومتریک مورد نظر است.این امر به این دلیل است که استفاده و اجرای آن آسان است. هیچ تعامل بدنی لازم توسط کاربر نهایی وجود ندارد.علاوه بر این ، تشخیص چهره و مراحل بازی چهره برای تأیید وشناسایی سریع است.



 1. فن آوری های برتر تشخیص چهره:
در مسابقه برای نوآوری بیومتریک ، چندین پروژه برای کسب مقام برتر رقابت می کنند.گوگل ، اپل ، فیس بوک ، آمازون و مایکروسافت (GAFAM) نیز بسیار زیاد در ترکیب هستند.اکنون همه غول های وب نرم افزار به طور مرتب اکتشافات نظری خود را در زمینه های هوش مصنوعی ، تشخیص تصویر و تجزیه و تحلیل چهره در تلاش می کنند تا هرچه سریعتر درک ما را بیشتر کنند.آخرین نتایج آزمایشات انجام شده در مارس 2018 و در ماه مه توسط اداره علوم و فناوری امنیت داخلی آمریكا ، معروف به رالی فناوری بیومتریک ، منتشر شده است ، همچنین نشانه ای عالی از بهترین نرم افزار تشخیص چهره موجود در بازار است.الگوریتم GaussianFace که در سال 2014 توسط محققان دانشگاه چین در هنگ کنگ تهیه شده است ، در مقایسه با 97.53٪ به دست آمده توسط انسان ، نمرات شناسایی چهره 98.52٪ را بدست آورد. نمره عالی با وجود ضعف در مورد ظرفیت حافظه مورد نیاز و زمان محاسبه.

فیس بوک و گوگل:
مجدداً در سال 2014 ، فیس بوک از آغاز برنامه DeepFace خود خبر داد ، که می تواند تعیین کند که آیا دو چهره عکس گرفته شده متعلق به یک شخص هستند و میزان دقت آن 97.25٪ است. در هنگام انجام همان آزمون ، انسانها به درستی در 5/97 درصد موارد یا درست 28/0 درصد بهتر از برنامه فیس بوک پاسخ می دهند.

در ژوئن سال 2015 ، گوگل با FaceNet یکی بهتر شد. در مجموعه داده های برچسب گذاری شده گسترده در Wild (LFW) ، FaceNet با دقت جدیدی از رکورد 99.63 ((0.0009 99 0.9963) به دست آورد.این شرکت از Mountain View با استفاده از یک شبکه عصبی مصنوعی و الگوریتم جدیدی موفق به پیوند دادن چهره به صاحب خود با نتایج تقریباً عالی شده است.این فناوری در Google Photos گنجانیده شده است و برای مرتب سازی تصاویر و برچسب زدن خودکار آنها بر اساس افراد شناخته شده استفاده می شود. با توجه به اهمیت آن در منظر بیومتریک ، به سرعت انتشار نسخه آنلاین منبع غیر رسمی با نام OpenFace به سرعت منتشر شد.

مایکروسافت ، IBM و Megvii:
مطالعه ای که توسط محققان MIT در فوریه 2018 انجام شد ، نشان داد که ابزارهای مایکروسافت ، (IBM و Megvii (FACE ++) مستقر در چین در هنگام شناسایی زنان دارای پوست تیره نسبت به مردان سبکتر از خطای بالایی برخوردار بودند.در پایان ژوئن 2018 ، مایکروسافت در یک پست وبلاگ اعلام کرد که پیشرفت قابل توجهی در فناوری تشخیص جانبدار صورت خود داشته است.

آمازون:
در ماه مه سال 2018 ، آرس تکنیکا گزارش داد که آمازون در حال حاضر بطور فعال سرویس شناسایی چهره ابری خود با نام Rekognition را به سازمان های اجرای قانون ارتقا می دهد. این راه حل می تواند 100 نفر را در یک تصویر واحد تشخیص دهد و بتواند با پایگاه داده های حاوی ده ها میلیون چهره مطابقت چهره داشته باشد.در ماه ژوئیه ، نیوزویک گزارش داد که فناوری تشخیص چهره آمازون به طور دروغ 28 عضو کنگره ایالات متحده را به عنوان افرادی که به جرم دستگیر شده اند ، شناسایی کرد.

ارائه دهندگان اصلی فن آوری تطبیق بیومتریک:
در اواخر ماه مه سال 2018 ، اداره علوم و فناوری امنیت داخلی آمریكا نتایج آزمایش های حمایت شده را در تسهیلات آزمایش مریلند (MdTF) كه در ماه مارس انجام شده بود ، منتشر كرد. این تست های زندگی واقعی عملکرد 12 سیستم تشخیص چهره را در یک راهرو 2 متر 2.5 متر اندازه گیری کرد.

راه حل Thales با استفاده از یک نرم افزار تشخیص چهره (LFIS) با میزان دستیابی به چهره از 99.44٪ در کمتر از 5 ثانیه (در برابر میانگین 68٪) نتایج بسیار خوبی کسب کرد ، یک نرخ شناسایی واقعی فروشنده 98٪ در کمتر از 5 ثانیه در مقایسه با میانگین 66٪ و خطای 1٪ در مقایسه با میانگین 32٪



 

اطلاعات بیشتر در مورد معیارهای عملکرد:

گزارش NIST (موسسه ملی استاندارد و فناوری) ، منتشر شده در نوامبر 2018 ، جزئیات تشخیص جزئیات مربوط به 127 الگوریتم و عملکرد مرتبط با نام شرکت کنندگان را نشان می دهد.تست فروشندگان تشخیص چهره در حال اجرا (FRVT) 3 )که در پایان سال 2019 انجام شده است نتایج اضافی را ارائه می دهد. به گزارش NIST مراجعه کنید.NIST همچنین نشان داد که بهترین الگوریتم های تشخیص چهره هیچ گونه تبعیض نژادی و جنسیتی ندارند که در ژانویه سال 2020 توسط ITIF گزارش شده است.
تشخیص و تشخیص احساسات صورت:
تشخیص احساسات (از زمان واقعی تصاویر استاتیک) فرایند نقشه برداری از چهره برای شناسایی احساساتی مانند انزجار ، شادی ، عصبانیت ، تعجب ، ترس و یا غم و اندوه در چهره انسان با نرم افزار پردازش تصویر است.محبوبیت آن از مناطق وسیعی از برنامه های بالقوه ناشی می شود.این با تشخیص چهره متفاوت است که هدف از شناسایی یک شخص است ، نه یک احساس.

بیان چهره ممکن است توسط ویژگی های هندسی یا ظاهری ، پارامترهای استخراج شده از تصاویر تبدیل شده از جمله ویژگی های ویژه ، مدل های پویا و مدل های سه بعدی ارائه شود.ارائه دهندگان عبارتند از Kairos (تشخیص چهره و احساسات برای بازاریابی برند) ، نولدوس ، Affectiva ، Sightcorp ، Nviso ، در میان دیگران.

2 .یادگیری از طریق یادگیری عمیق:
ویژگی مشترک این فن آوری های مختل کننده به هوش مصنوعی (هوش مصنوعی) و به طور دقیق تر ، یادگیری عمیق در جایی که یک سیستم قادر به یادگیری داده ها باشد شناخته شده است.این یک مؤلفه اصلی الگوریتم های جدیدترین نسل است که توسط تالس کلیدی بازار ساخته شده است. این راز را برای تشخیص چهره ، ردیابی چهره و مسابقه چهره و همچنین ترجمه در زمان واقعی مکالمات مخفی نگه می دارد.

سیستم های تشخیص چهره همیشه بهتر می شوند.براساس گزارش اخیر NIST ، پیشرفت های گسترده ای در دقت در پنج سال گذشته (2013 – 2018) حاصل شده است و بیش از پیشرفت های حاصل از آن در دوره 2010-2013 است.اکثر الگوریتم های تشخیص چهره در سال 2018 از دقیق ترین الگوریتم از اواخر سال 2013 پیشی می گیرند.در تست خود در سال 2018 ، NIST دریافت که 0.2٪ از جستجوها ، در یک بانک اطلاعاتی با 26.6 میلیون عکس ، نتوانستند با تصویر صحیح مطابقت داشته باشند ، در مقایسه با نرخ شکست 4٪ در سال 2014.

الگوریتم های شبکه عصبی مصنوعی به دقیق تر الگوریتم های تشخیص چهره کمک می کنند.

در ویدیوی زیر اطلاعات بیشتری کسب کنید.


3 .بازارهای تشخیص چهره:
یک مطالعه منتشر شده در ژوئن 2019 ، تخمین می زند که تا سال 2024 ، بازار جهانی تشخیص چهره 7 میلیارد دلار درآمد کسب می کند ، که با نرخ رشد سالانه مرکب (CAGR) 16٪ در دوره 2019-2024 پشتیبانی می شود.برای سال 2019 بازار 3.2 میلیارد دلار تخمین زده شده است.دو عامل اصلی این رشد نظارت در بخش دولتی و تعداد زیادی برنامه کاربردی دیگر در بخش های مختلف بازار است.

طبق این مطالعه ، فروشندگان برتر تشخیص چهره شامل موارد زیر هستند:

لهجه ، آگاهی ، BioID ، Certibio ، فوجیتسو ، بیومتریک Fulcrum ، Thales ، HYPR ، Idemia ، Leidos ، M2SYS ، NEC ، Nuance ، Phonexia و Smilepass.

برنامه های اصلی تشخیص چهره را می توان به سه دسته اصلی دسته بندی کرد.

1. امنیت :(اجرای قانون)
این بازار با افزایش فعالیت در مبارزه با جرم و تروریسم هدایت می شود.فواید سیستم های تشخیص چهره برای پلیس مشهود است: کشف و پیشگیری از جرم.

تشخیص چهره هنگام صدور اسناد هویتی استفاده می شود و بیشتر آنها با سایر فن آوری های بیومتریک مانند اثر انگشت (جلوگیری از تقلب در شناسایی و سرقت هویت) همراه است.
مطابقت چهره در چک های مرزی برای مقایسه پرتره بر روی گذرنامه بیومتریک دیجیتالی با چهره دارنده استفاده می شود. در سال 2017 ، تالس مسئولیت تهیه دروازه های کنترل اتوماتیک جدید برای سیستم PARAFE (خودکار عبور سریع مسیر در مرزهای خارجی) در فرودگاه روسیس چارلز دوگل در پاریس را بر عهده داشت. این راه حل برای تسهیل تکامل از تشخیص اثر انگشت تا تشخیص چهره در سال 2018 ابداع شده است.
بیومتریک صورت نیز می تواند در چک های پلیس بکار رود ، اگرچه استفاده از آن در اروپا به شدت کنترل می شود. در سال 2016 ، “مرد در کلاه” مسئول حملات تروریستی بروکسل به لطف نرم افزار تشخیص چهره FBI شناسایی شد. پلیس ولز جنوبی آن را در فینال لیگ قهرمانان اروپا در سال 2017 اجرا کرد.
در ایالات متحده ، 26 ایالت (و احتمالاً 30 مورد) به اجرای قانون اجازه می دهند جستجوهایی را درمورد بانکهای اطلاعاتی گواهینامه رانندگی و عکسهای شناسایی خود انجام دهند. FBI به عکسهای دارای مجوز درایور از 18 ایالت دسترسی دارد.
هواپیماهای بدون سرنشین همراه با دوربین های هوایی ترکیبی جالب برای تشخیص چهره است که به عنوان مثال در حوادث بزرگ در مناطق بزرگ اعمال می شود. براساس ژورنال اسناد و هویت Keesing ژوئن 2018 ، برخی از سیستم های پهپادی معلق در هوا می توانند لنز دوربین 10 کیلویی را حمل کنند که می تواند یک مظنون را از 800 متر از ارتفاع 100 متر شناسایی کند. از آنجا که این هواپیمای بدون سرنشین از طریق کابل برق می تواند به زمین متصل شود ، منبع تغذیه نامحدودی دارد. ارتباط با کنترل زمین را نمی توان رهگیری کرد زیرا از کابل نیز استفاده می کند.
سیستم های دوربین مدار بسته تشخیص چهره می توانند عملکرد را در انجام ماموریت های امنیتی عمومی بهبود بخشند. بگذارید این را با چهار مثال نشان دهیم:
کودکان مفقودالاثر و بزرگسالان گمراه شده را پیدا کنید
کودکان استثمار شده را شناسایی و پیدا کنید
مجرمان را شناسایی و پیگیری کنید
تحقیقات را پشتیبانی و تسریع کنید



1. کودکان گمشده و بزرگسالان گمراه کننده را پیدا کنید:
سیستم های دوربین مدار بسته تشخیص چهره می توانند با بهره گیری از آنها بتوانند عکس مرجع تهیه شده توسط والدین کودک مفقود شده را به طور چشمگیری در تلاش اپراتورها تسریع کنند و آن را با ظاهرهای قبلی چهره ضبط شده در فیلم مطابقت دهند. پلیس می تواند از شناسایی چهره برای جستجوی توالی های ویدئویی (آنالیز ویدئویی با نام مستعار) مکان و زمان تخمین زده شده کودک استفاده کند.

مأموران پلیس می توانند حرکات کودک را بهتر از قبل از مفقود شدن تشخیص دهند و مکان آخرین بار وی را ببینند. هشدار در زمان واقعی می تواند هر زمان که مسابقه باشد زنگ خطر را ایجاد کند. سپس پلیس می تواند صحت آن را تأیید کرده و آنچه را برای بهبودی فرزندان مفقود شده لازم انجام می دهد. همین روند را می توان برای بزرگسالان مفقود شده از بین برد (مثلاً با زوال عقل ، فراموشی ، صرع یا آلزایمر).

2. شناسایی و پیدا کردن کودکان استثمار شده:
جدا کردن ظواهر افراد خاص در یک دنباله ویدیویی است. این می تواند شغل محققان را در موارد استثمار کودک نیز تسریع کند.تجزیه و تحلیل های ویدئویی می توانند به ایجاد شرح زمانی ، پیگیری فعالیت روی نقشه ، آشکار کردن جزئیات و کشف ارتباطات غیر واضح بین بازیکنان در یک مورد کمک کنند.

3. شناسایی و پیگیری مجرمان:
دوربین مدار بسته تشخیص چهره می تواند مورد استفاده قرار گیرد تا پلیس بتواند مجرمان گذشته را که مظنون به ارتکاب یک تخلف اضافی هستند ، ردیابی و شناسایی کند. پلیس همچنین می تواند اقدامات پیشگیرانه ای انجام دهد. با استفاده از تصویر یک جنایتکار شناخته شده از یک فیلم یا یک تصویر خارجی (یا یک پایگاه داده) ، اپراتورها می توانند برای تشخیص مسابقات در ویدیوی مستقیم استفاده کنند و قبل از اینکه خیلی دیر شود واکنش نشان دهند.
4. پشتیبانی و تسریع در تحقیقات:
سیستم های دوربین مدار بسته تشخیص چهره می توانند برای پشتیبانی از محققان در جستجوی مدارک ویدئویی در پی یک حادثه استفاده شوند.

امکان جداسازی ظاهر مظنونان و افراد برای تسریع در بررسی محققان درباره شواهد ویدئویی برای جزئیات مربوطه بسیار مهم است. آنها بهتر می توانند درک کنند که شرایط چگونه توسعه یافته است.

2. سلامتی:
پیشرفت های چشمگیری در این زمینه حاصل شده است.با تشکر از یادگیری عمیق و تحلیل چهره ، از قبل امکان پذیر است:

دقیق تر استفاده از دارو از بیمار را پیگیری کنید
تشخیص بیماری های ژنتیکی مانند سندرم DiGeorge با میزان موفقیت 96.6٪
روشهای مدیریت درد را پشتیبانی کنید.



3. بازاریابی :
این مورد مطمئناً محلی است که حداقل در آن استفاده از تشخیص صورت مورد انتظار بود و در عین حال کاملاً احتمالاً نوید بخش ترین است. مشتری خود را بشناسید (KYC) مطمئناً موضوع داغی در سال 2020 خواهد بود. این روند مهم با جدیدترین پیشرفت های بازاریابی در تجربه مشتری همراه است.

با قرار دادن دوربین در فروشگاه های خرده فروشی ، اکنون می توان رفتار خریداران را تحلیل و روند خرید مشتری را بهبود بخشید.

مانند سیستمی که اخیراً توسط فیس بوک طراحی شده است ، به کارکنان فروش اطلاعات مشتری گرفته شده از پروفایل های رسانه های اجتماعی آنها برای تولید پاسخ های سفارشیانه ارائه می شود.فروشگاه آمریکایی Saks Fifth Avenue قبلاً از چنین سیستمی استفاده می کند. طبق گزارش ها فروشگاه های Amazon GO از آن استفاده می کنند.

از سال 2017 ، KFC ، پادشاه آمریکایی مرغ سرخ شده و غول خرده فروشی و فناوری چینی Alibaba در حال آزمایش یک راه حل پرداخت تشخیص چهره در Hangzhou ، چین است.

 4. نقشه برداری از کاربران جدید:
در حالی که ایالات متحده در حال حاضر بزرگترین بازار فرصت های تشخیص چهره را ارائه می دهد ، منطقه آسیا و اقیانوسیه شاهد سریعترین رشد در این بخش است. چین و هند پیشتاز میدان هستند.

تشخیص چهره در چین:
فناوری تشخیص چهره موضوع داغ جدید در چین است ، از بانک ها و فرودگاه ها گرفته تا پلیس.اکنون که پلیس شروع به استفاده از آنها در حومه پکن کرده است ، مقامات در حال گسترش برنامه عینک آفتابی در تشخیص چهره هستند.چین همچنین در سراسر کشور یک شبکه نظارت تصویری را در سراسر کشور راه اندازی و بهسازی می کند.بیش از 200 میلیون دوربین نظارتی در پایان سال 2018 مورد استفاده قرار گرفتند و 626 میلیون نفر نیز تا سال 2020 پیش بینی شده است. برج های تشخیص چهره در شهرهای چین نشانگر این حرکت هستند.این مربوط به سیستم اعتبار اجتماعی است که دولت چین در حال توسعه است.در TOP 10 شهر با بیشتر دوربین های خیابانی به ازای هر نفر ، چونگ کینگ ، شنژن ، شانگهای ، تیانجین و جینان رهبری این بسته هستند.طبق گفته گاردین 2 دسامبر 2019 ، لندن شماره 6 و آتلانتا شماره 10 است.

طبق گفته نیویورک تایمز از 14 آوریل 2019 ، پلیس چین با شرکت های هوش مصنوعی مانند Yitu ، Megvii ، SenseTime و CloudWalk همکاری می کند.

جاه طلبی های چین در هوش مصنوعی (و فن آوری تشخیص چهره) زیاد است. این کشور قصد دارد تا سال 2030 به عنوان یک رهبر جهانی در سازمان امنیت آمریکا تبدیل شود.

با کمال تعجب ، چین محافظت از داده های بیومتریک قوی در برابر اشخاص خصوصی را فراهم می کند و دسترسی دولت به اطلاعات شخصی را افزایش می دهد. این پارادوکس توسط کارشناس حفظ حریم خصوصی امانوئل پرنووت لپلی در گزارش خود مورخ 27 مارس 2020 مشهود است.

تشخیص چهره در آسیا:

شناخت چهره موضوع اصلی بازیهای المپیک 2020 در توکیو (به تعویق افتاد تا سپتامبر 2021) خواهد بود. این فناوری برای شناسایی افراد مجاز و دسترسی به آنها به طور خودکار و افزایش تجربه و ایمنی آنها مورد استفاده قرار می گیرد.در سیدنی ، تشخیص چهره در فرودگاه تحت محاکمه قرار می گیرد تا به مردم کمک کند امنیت را بسیار سریعتر و با خیال راحت تر انجام دهند.

در هند ، پروژه Aadhaar بزرگترین پایگاه داده بیومتریک در جهان است. این در حالیست که از ماه مه 2020 تعداد هویت دیجیتالی منحصر به فردی را برای 1.27 میلیارد نفر از ساکنان در اختیار شما قرار می دهد. UIDAI ، مرجع مسئول اعلام کرد كه احراز هویت صورت تا 15 سپتامبر 2018 به صورت مرحله ای آغاز می شود. خدمات افزودنی در حالت فیوژن به همراه یک عامل تأیید هویت دیگر مانند اثر انگشت ، عنبیه یا OTP.هند همچنین می تواند گسترده ترین سیستم تشخیص چهره جهان در سال 2020 را از بین ببرد.

دفتر ثبت ملی جنایات (NCRB) یک RFP را صادر کرده است که از پیشنهادهای لازم برای توسعه یک سیستم تشخیص چهره در سراسر کشور دعوت می کند. طبق سند 160 صفحه ای ، این سیستم یک برنامه وب متمرکز خواهد بود که در مرکز داده NCRB در دهلی میزبان است. برای دسترسی به کلیه ایستگاه های پلیس در دسترس خواهد بود.به طور خودکار افراد را از فیلم ها و تصاویر دوربین مدار بسته تشخیص می دهد. دفتر اظهار داشت که این امر به پلیس در گرفتن مجرمان ، یافتن مفقودین و شناسایی اجساد مردگان کمک خواهد کرد.

سایر پروژه های بزرگ:
در برزیل ، دادگاه عالی انتخابات (Tribunal Superior Eleitoral) در یک پروژه جمع آوری داده های بیومتریک در سراسر کشور شرکت دارد. هدف از ایجاد بانک اطلاعاتی بیومتریک و کارتهای شناسایی منحصر به فرد تا سال 2020 و ثبت اطلاعات 140 میلیون شهروند است.

در آفریقا ، گابن ، کامرون و بورکینا فاسو تالس را برای پاسخگویی به چالش های هویت بیومتریک انتخاب کرده اند تا بطور خاص از رای دهندگان بطور خاص استفاده کنند.

بانک مرکزی روسیه از سال 2017 برنامه ای در سطح کشور را اجرا کرده است که به منظور جمع آوری صورت ، صداها ، اسکن های عنبیه و اثر انگشت طراحی شده است. اما براساس وب سایت Biometricupdate در تاریخ 13 مارس 2019 ، این روند بسیار آهسته در حال پیشرفت است.

شهر مسکو ادعا می کند یکی از بزرگترین شبکه جهانی 160000 دوربین نظارت تا پایان سال 2019 است و برای امنیت عمومی مجهز به فناوری تشخیص چهره است.قانون روسیه تشخیص و تحلیل چهره غیرقابل اجتناب را تنظیم نمی کند.



 5. وقتی تشخیص چهره باعث تقویت نظام حقوقی می شود:
چالش اخلاقی و اجتماعی ناشی از حفاظت از داده ها به طور بنیادی تحت تأثیر استفاده از فناوری های تشخیص چهره قرار دارد.

حفاظت از داده های بیومتریک اتحادیه اروپا و انگلیس:
در اروپا و انگلیس ، مقررات عمومی حمایت از داده ها (GDPR) چارچوبی سختگیرانه برای این شیوه ها فراهم می کند. هرگونه تحقیق درباره زندگی شخصی شهروند یا عادات مسافرت شغلی از این مسئله خارج است و هرگونه تهاجم به حریم شخصی مجازاتهای شدیدی را به همراه دارد.GDPR که از ماه مه سال 2018 اعمال می شود از اصل یک چارچوب هماهنگ اروپا حمایت می کند ، به ویژه از حق فراموشی و دادن رضایت از طریق اقدام صریح تأیید می کند. این بخشنامه موظف است پیامدهای بین المللی داشته باشد.در آمریکا ، ایالت واشنگتن سومین ایالت ایالات متحده (پس از ایلینویز و تگزاس) بود که به طور رسمی از طریق قانون جدیدی که در ژوئن سال 2017 معرفی شد ، از داده های بیومتریک محافظت کرد.کالیفرنیا از ژانویه سال 2020 چهارمین کشور بود.

قانون حفظ حریم خصوصی مصرف کننده کالیفرنیا (CCPA) که در ژوئن سال 2018 تصویب شد و از اول ژانویه سال 2020 قابل اجرا خواهد بود تأثیر جدی در حقوق حفظ حریم خصوصی و حمایت از مصرف کننده نه تنها برای ساکنان کالیفرنیا بلکه برای کل ملت خواهد داشت زیرا قانون اغلب به عنوان الگوی ارائه می شود. برای یک قانون حفظ حریم خصوصی داده های فدرال.

در ژوئیه سال 2018 ، بردفورد ال اسمیت ، رئیس جمهور مایکروسافت ، فناوری تشخیص چهره را با محصولاتی مانند داروهای بسیار تنظیم شده مقایسه کرد ، و وی از کنگره خواست که آنرا مطالعه کند و بر استفاده از آن نظارت کند.در ماه مه سال 2019 ، الکساندریا اوکاسیو-کورتز ، نماینده ایالات متحده ، نگرانی های “مطلق” خود را در کمیته اخیر شنوایی در زمینه تشخیص چهره (تأثیر بر حقوق مدنی و آزادی های ما) ابراز کرد.اخیراً ، یک قانون ایالتی نیویورک با نام Stop Hacks و بهبود امنیت الکترونیکی داده ها (SHIELD) در 21 مارس 2020 عملی شد.این عمل در مورد مشاغلی که اطلاعات شخصی ساکنان نیویورک را جمع آوری می کنند صدق می کند.ب

ممنوعیت تشخیص چهره (سان فرانسیسکو ، سامرویل ، اوکلند ، سن دیگو …):
نگرانی های مربوط به حفظ حریم خصوصی و حقوق شهروندی در کشور افزایش یافته است ، زیرا تشخیص چهره به عنوان یک ابزار اجرای قانون ، کشش را به دست می آورد و در 6 مه 2019 ، سانفرانسیسکو به ممنوعیت تشخیص چهره رای داد.این اولین ممنوعیت در نوع خود در استفاده از تشخیص چهره است.دستور ضد نظارت که توسط هیئت نظارت سان سان فرانسیسکو امضا شده است ، آژانس های شهری از جمله سان فرانسیسکو PD را از استفاده از این فناوری تا ژوئن 2019 ممنوع می کند.

این قانون جدید (مجمع بیل 215) در مورد تشخیص چهره و دیگر نظارت بیومتریک) به طور خاص ممنوعیت استفاده از دوربین های بدن پلیس در کالیفرنیا است. این ممنوعیت از اول ژانویه سال 2020 به مدت سه سال برقرار است.



 6.  هکرهای تشخیص چهره:
با وجود این زرادخانه فنی و حقوقی که برای محافظت از داده ها ، شهروندان و ناشناس ماندن آنها طراحی شده است ، هنوز هم صدای انتقادی مطرح شده است.

اما آیا می توان تشخیص چهره را فریب داد؟

در روسیه ، گریگوری باکونف راه حلی را برای فرار از چشمان دائم در حال مشاهده حرکات ما و دستگاه های تشخیص چهره اشتباه کرده است. او الگوریتمی را ایجاد کرده است که آرایش خاصی را برای فریب نرم افزار ایجاد می کند. با این حال ، او تصمیم گرفته است که کالای خود را پس از فهمیدن چگونگی استفاده مجرمان از بازار ، به بازار عرضه نکند.
در آلمان ، آدام هاروی ، هنرمند برلین ، با دستگاهی مشابه معروف به CV Dazzle روبرو شده است. او هم اکنون برای جلوگیری از تشخیص ، روی لباس هایی با الگوهایی کار می کند. استتار Hyperface شامل الگوهای موجود در پارچه مانند چشم و دهان برای فریب سیستم تشخیص چهره است.
در اواخر سال 2017 ، یک شرکت ویتنامی با موفقیت از یک ماسک برای هک کردن عملکرد تشخیص چهره Face ID آیفون X اپل استفاده کرد. با این حال ، هک برای اجرای سوء استفاده در مقیاس بزرگ بسیار پیچیده است.
در همین زمان ، محققان یک شرکت آلمانی هک را کشف کردند که به آنها اجازه می دهد تا با چاپ یک چهره از چهره در مادون قرمز ، احراز هویت صورت ویندوز 10 سلام را دور بزنند.
فوربس در مقاله ای از ماه مه سال 2018 اعلام كرد كه محققان دانشگاه تورنتو الگوریتمی را برای اختلال در نرم افزار تشخیص چهره (فیلتر محرمانه با نام مستعار) ایجاد كرده اند.

مقالات به روز را بافروشگاه دیجیکو مطالعه کنید.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *