3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
2023年7月21日 星期五
★ 臉部辨識：7 大趨勢（技術、供應商、案例）
臉部辨識如何工作？
這是一篇有關人臉辨識在技術、應用、市場探討、法律、案例等面向的精彩報導，值得安全科技業者、政府相關法律單位，包括立法、警政等機關參考 ……
人臉辨識 —— 迷人而耐人尋味
很少有生物辨識技術像臉部辨識一樣激發我們的想像力。
同樣，近年來，它 arrival 引起了深刻的擔憂和令人驚訝的反應。
但稍後會更瞭解這一點。
在本網路檔案中，你將發現塑造 2021 年景觀的七個人臉辨識事實和趨勢。
- 最主要技術和供應商
- 人工智慧的影響 - 一直在變好。
- 2019 - 2024 年市場和主導應用案例
- 美國、歐盟、英國、中國、印度、巴西、俄羅斯的人臉辨識......
- 隱私與安全：自由放任還是凍結、監管或禁止？
- 最新駭客：臉部辨識能被愚弄嗎？
- 走向混合解決方案。
我們直接跳進去吧。
臉部辨識是如何工作的
臉部辨識是使用臉部辨識或驗證一個人身份的過程。它根據人的臉部細節捕捉、分析和比較模式。
- 人臉檢測過程是在圖像和影像中檢測和定位人臉的重要步驟。
- 臉部捕捉過程根據人的臉部特徵將模擬資訊（臉部）轉換為數位資訊（資料或向量）。
- 臉孔比對過程會驗證兩張臉孔是否屬於同一個人。
讓我們用最近的一個例子來說明這個 3 步過程。2021 年 1月6日，在國會大廈內外，一名來自大華盛頓特區地區的學生使用開源臉部提取應用程式，從 Parler 上釋出的 827 個影像中檢測和刪除了 6000 多張臉部影像（來源：2021 年 1 月 20 日 wired）。他建立了一個名為「暴亂臉孔」（Face of the Riot）的網站，展示了這些肖像。
- 示威者、暴徒和記者用智慧手機（模擬臉部到數位圖片）完成了部分臉部捕捉步驟。
- 他使用臉部檢測，從 20 萬張影像中提取臉孔。
- 由聯邦調查局來調查，將肖像（數位畫素轉換為向量），並可能與現有資料庫進行臉部比對，並辨識個人（使用 AFIS/ABIS 系統）。
今天，它被認為是所有生物辨識測量中最自然的。
出於充分的理由 —— 例如，我們不是透過看指紋或虹膜來認識自己，而是透過看自己的臉來認識自己。
在我們進一步之前，讓我們快速定義兩個關鍵詞：「身份辨識」和「身份驗證」。
人臉辨識資料來辨識和驗證
生物辨識技術用於使用該人獨有和可辨識和可驗證的資料，來辨識和驗證一個人。
有關生物辨識定義的更多資訊，請訪問我們的生物辨識學網路檔案。
辨識回答了問題：「你是誰？」
身份驗證回答了問題：「你真的是你所說的那個人嗎？」
留在我們身邊。 以下是一些例子：
- 在臉部生物辨識的情況下，2D 或 3D 感測器「捕捉」臉部。然後，在將捕獲的影像與資料庫中，儲存的影像進行比較之前，它透過應用演算法將其轉換為數位資料。
- 這些自動化系統可以根據個人的臉部特徵（幾何學）在短短幾秒鐘內，辨識或檢查個人的身份：眼睛的間距、鼻樑、嘴唇、耳朵、下巴的輪廓等。他們甚至可以在人群和動態不穩定的環境中做到這一點。
- iPhone X 的所有者已經瞭解了臉部辨識技術。
當然，透過人體的其他特徵也存在，如指紋、虹膜掃描、語音識別、手掌靜脈數位化和行為測量。
那麼，為什麼要進行人臉辨識呢？
臉部生物辨識仍然是首選的生物辨識基準。
這是因為它易於佈署和實施。與終端使用者沒有實體互動。
此外，用於驗證/辨識的人臉檢測和人臉比對過程速度很快。
那麼，最好的人臉辨識軟體是什麼？
#1 最主要臉部辨識技術
幾個專案正在爭奪生物辨識創新競賽的榜首位置。
谷歌、蘋果、臉書、亞馬遜和微軟（GAFAM）也非常相似。
所有軟體網路巨頭現在都定期釋出他們在人工智慧、影像辨識和人臉分析方面的理論發現，以儘快加深我們的理解。
讓我們仔細看看：
學術界
香港中文大學研究人員於 2014 年開發的高斯臉部演算法的臉部辨識得分為 98.52%，而人類得分為 97.53%。儘管在所需的記憶體容量和計算時間方面存在弱點，但評級非常出色。
臉書和谷歌
2014 年，Facebook 宣佈了其 DeepFace 計劃，該計劃可以確定兩張被拍攝的臉孔是否屬於同一個人，準確率為 97.25%。當參加相同的測試時，人類在 97.53% 的案例中回答正確，或僅比 Facebook 程式好 0.28%。
2015年6月，谷歌在 FaceNet 上做得更好。在廣泛使用的野生標記臉孔（LFW）資料集中，FaceNet 實現了 99.63%（0.9963 ± 0.0009）的新紀錄準確率。山景城公司使用人工神經網路和新演算法，設法將臉孔與所有者聯絡起來，結果幾乎完美。
這項技術被納入谷歌照片中，用於對圖片進行排序，並根據辨識的人自動標記它們。
為了證明其在生物辨識領域的重要性，隨後很快就線上釋出了一個非官方的開源版本 OpenFace。
微軟、IBM 和 Megvii
麻省理工學院研究人員於 2018年2月進行的一項研究發現，與淺色面板男性相比，微軟、IBM 和總部位於中國的 Megvii（FACE++）工具在辨識深色女性臉孔時，具有較高的錯誤率。
2018年6月底，微軟在一篇部落格報導中宣佈，它已經大幅改進了有偏見的臉部辨識技術。
亞馬遜
2018年5月，Ars Technica 報告稱，亞馬遜已經在向執法機構積極推廣其名為 Rekognition 的基於雲的人臉辨識服務。該解決方案可以在單個影像中辨識多達100人，並對包含數千萬張臉的資料庫進行臉部比對。
2018年7月，《新聞週刊》報導稱，亞馬遜的臉部辨識技術，錯誤地將 28 名美國國會議員認定為因犯罪而被捕的人。
關鍵生物辨識比對技術提供商
2018年5月底，美國國土安全科學和技術局公佈了馬利蘭州測試設施（MdTF）的贊助測試結果。這些現實測試測量了 2 米乘 2.5 米的走廊中，12 個人臉辨識系統的效能。
Thales 使用臉部辨識軟體（LFIS）的解決方案取得了出色的結果，臉部採集率在不到 5 秒內為 99.44%（平均為 68%），供應商真實辨識率在不到 5 秒內為 98%，而平均為 66%。它還實現了 1% 的錯誤率，而平均為 32%。
2018年3月 —— 使用 300 多名志願者的現場，測試確定了表現最好的臉部辨識技術。
關於效能基準的更多資訊：2018年11月釋出的 NIST（國家標準與技術研究所）報告詳細介紹了 127 種演算法的辨識準確性，並將效能與參與者名稱聯絡起來。
2019 年底進行的 NIST 持續人臉辨識供應商測試（FRVT）3提供了額外的結果。 參見 NIST報告。
NIST 還顯示，正如 ITIF 在 2020年1月報導的那樣，最好的臉部辨識演算法沒有種族或性別偏見。批評者是錯誤的。
在 NIST 題為「使用後新冠肺炎演算法的口罩的臉部辨識準確性」的報告（2020年8月和2021年3月）中，我們看到了演算法如何在不到一年的時間裡提高其效能。
臉部情緒辨識（FER）
臉部情緒辨識（來自即時或靜態影像）是使用影像處理軟體在人臉上對映臉部表情，以辨識厭惡、喜悅、憤怒、驚訝、恐懼或悲傷等情緒或悲傷、憤怒等複合情緒的過程。
辨識或解釋人類情感還有三個步驟：
1）人臉檢測
2）臉部表情檢測
3）將表達方式分配給特定的情緒狀態。
臉部情緒檢測的流行來自於廣闊的潛在應用領域。
它與臉部辨識不同，臉部辨識目的在辨識一個人，而不是情感。
臉部表情可以用幾何或外觀特徵表示，這些參數是從特徵、動態和 3D 模型等轉換影像中提取的。
供應商包括 Kairos（品牌型銷的臉部和情感辨識）、Noldus、 Affectiva 或 Sightcorp。
2021年5月歐盟白皮書中關於臉部情感辨識（FER）的更多資訊。
#2 透過深度學習學習
所有這些顛覆性技術的共同特徵是人工智慧（人工智慧），更確切地說，是深度學習，系統可以從資料中學習。
為什麼它很重要？
它是泰勒斯和其他關鍵人物，開發的最新一代演算法的核心組成部分。它掌握著人臉檢測、人臉追蹤、人臉比對和對話即時翻譯的秘訣。
結果？
人臉辨識系統一直在變好。
根據 NIST 最近的一份報告，在過去五年（2013-2018 年）中，辨識準確性有了巨大的提高，超過了 2010-2013 年。
2018 年的大多數人臉辨識演算法，比 2013 年底最準確的演算法表現要好。
在 2018 年的測試中，NIST 發現，在 2,660 萬張照片的資料庫中，0.2% 的搜尋未能比對正確的影像，而 2014 年的失敗率為 4%。
還有更多。
在 NIST 的 2020 年測試中，最佳臉部辨識演算法的錯誤率為 0.08% —— 對於 1000 張影像來說，誤差小於一個錯誤。（來源：臉不辨識系統有多準確，CSIS）
是的，你明白，對嗎？
這是六年內 50 倍的改進。
這樣想：
人工神經網路演算法正在幫助人臉辨識演算法更加準確。
#3 臉部辨識市場
人臉辨識市場
2019 年 6 月發表的一項研究估計，到 2024 年，全球臉部辨識市場將產生 70 億美元的收入，而 2019-2024 年複合年成長率（CAGR）為16%。
2019 年，市場估計為 32 億美元。
這種成長的兩個最重要的驅動力，是公共部門的監控和不同細分市場的眾多其他應用。
根據這項研究，主要臉部辨識供應商包括：
埃森哲、Aware、BioID、Certibio、富士通、Fulcrum Biometrics、Thales、HYPR、Idemia、Leidos、M2SYS、NEC、Nuance、Phonexia 和 Smilepass。
主要的臉部辨識應可以分為三個主要類別。
臉部辨識是用來做什麼的？
以下是使用臉部辨識的前三個應用類別。
1. 安全-執法
法醫專家可以使用自動生物辨識系統（ABIS）來比較多種類型的生物辨識。
這個市場是由打擊犯罪和恐怖主義活動的增加所主導的。
臉部辨識系統對警務的好處是顯而易見的：偵查和預防犯罪。
- 臉部辨識在簽發身份證件時使用，最常見的是與指紋等其他生物辨識技術相結合（防止身份證詐欺和身份盜竊）。
- 臉部比對用於邊境檢查，將數位化生物辨識護照上的肖像與持有人的臉部進行比較。2017 年，泰勒斯在巴黎戴高樂機場為 PARAFE 系統（外部邊境自動快速通道過境）提供了新的自動控制閘門。該解決方案目的在促進 2018 年從指紋辨識到臉部辨識的演變。
- 臉部生物辨識法也可以用於警方檢查，儘管它在歐洲受到嚴格控制。2016 年，由於聯邦調查局的臉部辨識軟體，負責布魯塞爾恐怖襲擊的「戴帽子的人」被確認。南威爾士警方在 2017 年歐洲冠軍聯賽決賽中實施了它。
- 在美國，26 個州（可能多達 30 個州）允許執法部門對其駕駛執照和身份證照片資料庫進行搜尋。聯邦調查局可以獲得來自 18 個州的駕駛執照照片。（台灣目前有用嗎？）
- 無人機和空中攝影機在群眾活動中，為大面積區域提供了令人興奮的臉部辨識組合。根據 2018 年 6 月的 Kesing 檔案和身份雜誌，一些懸浮無人機系統可以攜帶 10 公斤的攝影機鏡頭，可以辨識從 800 米到 100 米高度的嫌疑人。無人機可以透過無限電源的電源線連線到地面。與地面控制的通訊不能被攔截，因為它也使用一條線路。
- 臉部辨識閉路電視系統可以提高執行公共安全任務的效能。讓我們用四個例子來說明這一點
- 尋找失蹤的孩子和迷失方向的成年人。
- 辨識和發現受剝削的兒童。
- 辨識和追蹤罪犯。
- 支援和加快調查。
1. 尋找失蹤的兒童和迷失方向的成年人。
人臉辨識閉路電視系統可以顯著加快營運業者的工作速度，使他們能夠新增失蹤兒童的父母提供的參考照片，並將其與影片中，捕捉的該臉孔的過去外觀相比對。警方可以使用人臉辨識來搜尋兒童，被宣佈失蹤的估計位置和時間的影片序列（又稱影像分析）。
閱讀更多關於德里警方如何在 4 天內使用臉部辨識系統追蹤 3000 名失蹤兒童的資訊。
警察可以在失蹤前更好地弄清楚孩子的動作，並找到他/她最後一次被看到的地方。每當有比對時，即時警報都會觸發警報。然後，警方可以確認其準確性，並採取必要措施找回失蹤兒童。同樣的過程也適用於迷失方向的失蹤成年人（例如，患有痴呆症、失憶症、癲癇或阿茲海默症）。
2. 辨識和發現受剝削的兒童。
在影片序列中隔離特定個體的出現非常重要。它也可以加快調查員在剝削兒童案件中的工作。
影像分析可以幫助建立時間順序，在地圖上追蹤活動，揭示細節，並發現案件中玩家之間非明顯的聯絡。
3. 辨識和追蹤罪犯。
人臉辨識閉路電視可用於使警方能夠追蹤和辨識過去涉嫌實施額外違規行為的罪犯。警方也可以採取預防措施。透過使用影像或外部圖片（或資料庫）中已知罪犯的影像，操作員可以在即時影像中檢測比對，並在為時已晚之前做出反應。
4. 支援和加快調查。
臉部辨識閉路電視系統可用於支援調查人員，在事件發生後搜尋影像證據。
隔離嫌疑人和個人外表的能力，對於加快調查人員審查相關細節的影像證據非常重要。他們可以更好地瞭解情況是如何發展的。
2. 健康
在這方面取得了重大進展。
多虧了深度學習和臉部分析，已經可以：
- 更準確地追蹤患者使用藥物情況
- 檢測 DiGeorge 綜合徵等遺傳疾病，成功率為 96.6%
- 支援疼痛管理程序。
3. 銀行和零售
這個地區無疑是最不期望臉部辨識的地方。然而，很可能，它承諾最多。
線上臉部辨識瞭解你的客戶（KYC）將是 2021 年的熱門話題。
為什麼？
因為僅在美國，64% 的主要支票賬戶開立都是在 2020 年第二季線上完成的（分支機構為 36%）。
疫情加速了這一新興的動態，許多分支機構暫時關閉。
此外，行動使用量的增加促使企業專注於行動優先，並開發完全行動使用者友好的入職體驗。
在自拍過程中，該技術應提供活力檢測，以避免使用靜態影像進行詐欺。
活潑檢測證明自拍來自真人。
結果？
金融機構（F.I.s）根據當前的客戶偏好，透過線上和行動通路投資數位入職。
帶有活力檢測的臉部辨識簡化了線上入職和 KYC 程式。Thales 是身份驗證解決方案的主要提供商，包括此功能。
據《福布斯》報導，數位開戶（DAO）是連續第三年最受歡迎的銀行業技術。近 80% 的金融機構在 2020 年和 2021 年新增新的 DAO 系統或增強現有系統。
這一重要趨勢與客戶體驗的最新行銷進步相結合。
透過在零售店放置攝影機，現在可以分析購物者的行為，並改善客戶購買流程。
實際情形怎麼樣？
與 Facebook 最近設計的系統一樣，銷售人員會從他們的社交媒體個人資料中獲得客戶資訊，以產生專業客製化的回覆。
美國薩克斯第五大道百貨公司已經在使用這樣的系統。據報導，AMAZON Go 商店正在使用它。
自拍付款前多久？
自 2017 年以來，肯德基、美國炸雞之王和中國零售和科技巨頭阿里巴巴一直在中國杭州測試人臉辨識支付解決方案。
2021 年 3 月，X5 零售集團的 52 家 Perekrestok 商店（Перекрёсток）推出了非接觸式支付，用於 Visa 支付系統和儲蓄銀行的自助結賬終端。
據雅虎稱，到年底，臉部辨識支付系統將在 3000 家商店使用！
還有更多。
據國際文傳電訊社報導，莫斯科人可以在 2021 年底支付捷運費用。
#4 新使用者的對映
雖然美國目前為人臉辨識機會提供了最大的市場，但亞太地區是該行業成長最快的。中國和印度在該領域處於領先地位。
中國的人臉辨識
從銀行和機場到警察，人臉辨識技術是中國的新熱門話題。
現在，隨著警方開始在北京郊區使用臉部辨識太陽眼鏡計劃，當局正在擴大臉部辨識太陽眼鏡計劃。
中國還在全國建立和完善影像監控網路。
據 CNBC 報導，2018 年使用了超過 2 億支監控攝影機；預計到 2021 年將超過 5 億支。
中國城市的臉部辨識塔是這一舉措的象徵。
這與中國政府正在開發的社會信用體系有關。
在人均街頭攝影機最多的十大城市中，重慶、深圳、上海、天津和濟南名列前茅。
據 2019 年 12 月 2 日的《衛報》報導，倫敦排名第 6，亞特蘭大排名第 10。
還有更多。
據《紐約時報》2019 年 4 月 14 日報島，中國警方正在與 Yitu、Megvii（與華為合作）、SenseTime 和 CloudWalk 等人工智慧公司合作。
中國在人工智慧（和臉部辨識技術）方面的雄心壯志很高。該國的目標是到 2030 年成為人工智慧的世界主管者。
令人驚訝的是，中國針對私人實體提供了強大的生物辨識資料保護，並增加了政府對個人資訊的訪問。
隱私專家 Emmanuel Pernot-Leplay 於 2020 年 11 月 2 日提交的報告證明了這一悖論。
亞洲的臉部辨識
臉部辨識將是 2020 年東京奧運會（延遲到 2021 年 9 月）的一個重要話題。
這項技術將自動辨識授權人員並授予他們訪問許可權，從而增強他們的體驗和安全性。在日本，它也被用來簡化行動銀行訪問。
在雪梨，人臉辨識正在機場進行試驗，以幫助人們更快、更安全地透過安全。
在印度，Aadhaar 專案是世界上最大的生物辨識資料庫。截至 2021 年 3 月底，它已經為 12.9 億居民提供了獨特的數位身份號碼。
主管當局 UIDAI 宣佈，臉部身份驗證將分階段推出。
它目前正在接受金融服務測試（2020 年 10 月）。
臉部身份驗證將作為融合模式下的附加服務提供，以及指紋、虹膜或 TOTP 等其他身份驗證因素。
印度還可能在2021年推出世界上最廣泛的人臉辨識系統。
國家犯罪記錄局（NCRB）釋出了一份 RFP，邀請開發一個全國性的臉部辨識系統。
根據 160 頁的檔案，該系統將是一個集中的網路應用，託管在德里的 NCRB 資料中心。 它將可供所有警察局使用。
它將自動從閉路電視影像和圖像中辨識人員。該局表示，它將幫助警方抓捕罪犯，找到失蹤人員，並辨識遺體。
其他大型專案
高階選舉法院（Tribunal Superior Eleitoral）參與了巴西的全國性生物辨識資料收集專案。目的是建立一個生物辨識資料庫和獨特的身份證，記錄 1.4 億公民的資訊。
在非洲，加彭、喀麥隆和布吉納法索選擇了泰勒斯來應對生物辨識身份的挑戰，以辨識獨特的選民身份。
自 2017 年以來，俄羅斯央行一直在佈署一項全國性計劃，目的在收集臉孔、聲音、虹膜掃描和指紋。
但根據 2019 年 3 月 13 日的生物辨識更新網站，這一過程進展非常緩慢。
到 2019 年底，莫斯科聲稱擁有 16 萬支監控攝影機，是世界上最大的網路之一，並配備了用於公共安全的臉部辨識技術。
推出始於 2020 年 1 月。
俄羅斯法律不規範非協商一致的人臉檢測和分析。
#5 當人臉辨識加強法律制度時
臉部辨識技術從根本上影響了資料保護帶來的道德和社會挑戰。
這些配得上科幻小說的技術壯舉，是否真的威脅到我們的自由？
憑藉它，我們的匿名性？
歐盟和英國的生物辨識資料保護
《通用資料保護條例》（GDPR）為歐洲和英國的這些做法提供了一個嚴格的框架。
對公民的私生活或商務旅行習慣的任何調查都是不可能的，任何此類侵犯隱私的行為都將受到嚴厲的懲罰。
GDPR 從 2018 年 5 月起適用，支援統一歐洲框架的原則，特別是保護被遺忘的權利，並透過明確的平權行動給予同意。
是的，你讀得很好。現在有一項適用於 5 億人的法律。
這項指令必然會產生國際影響。
美國生物辨識資料保護景觀
沒有聯邦法律，城市和州正在填補空白。
華盛頓州是美國第三個透過 2017 年 6 月推出的新法律正式保護生物辨識資料的州（僅次於伊利諾伊州和德克薩斯州）。
截至 2020 年 1 月，加利福尼亞州是第四個州。
2018 年 6 月透過並於 2020 年 1 月生效的《加州消費者隱私法》（CCPA）將嚴重影響加州和全國居民的隱私權和消費者保護。
該法律經常被作為聯邦資料隱私法的典範。
從這個意義上說，CCPA 可能變得與 GDPR 一樣重要。
2018 年 7 月，布拉德福德 L. 微軟總裁史密斯將人臉辨識技術與高度監管的藥物等產品進行了比較，他敦促國會研究並監督其使用。
2019 年 5 月，美國 眾議員亞歷山大·奧卡西奧-科爾特斯在關於臉部辨識技術的委員會聽證會上，表達了她「絕對」的擔憂（對我們的民權和自由的影響）。
一項名為「停止駭客和改善電子資料安全」（SHIELD）的紐約州法律於 2020 年 3 月 21 日生效。它要求為紐約 州實施網路安全計劃和保護居民措施。
該法案適用於收集紐約居民個人資訊的企業。
有了該法案，紐約現在站在加州一邊。
臉部辨識禁令（舊金山、薩默維爾、奧克蘭、聖地亞哥、波士頓、波特蘭）
隨著人臉辨識作為一種執法工具受到牽引力，該國對隱私和民權的擔憂已經升級，2019 年 5 月 6 日，舊金山投票禁止臉部辨識。
舊金山監事會簽署的反監視條例禁止包括舊金山警察局在內的城市機構在 2019 年 6 月使用該技術。
是的，這包括執法。
還有更多。
據《波士頓環球報》2019 年 6 月 27 日報導，薩默維爾市議會（馬薩諸塞州）投票禁止面部識別，使該市成為第二個做出此類決定的社群。
泡沫、沖洗、重複。
- 2019年7月16日，奧克蘭（加利福尼亞州）做出了同樣的決定，成為美國第三個禁止人臉辨識技術的城市。有趣的是，奧克蘭警察局沒有使用這項技術，也沒有打算使用它。
- 聖地亞哥在 2019 年 12 月底在加州新法律之前做出了同樣的決定。這項關於臉部辨識和其他生物辨識監視的新法律（大會第 215 號法案）明確禁止在加利福尼亞州使用警察人體攝影機。自 2020 年 1 月 1 日起，禁令將持續三年。
- 據《波士頓先驅報》報導，2020 年 6 月 24 日，波士頓投票禁止警方使用臉部監控技術。
- 波特蘭（俄勒岡州）於 2020 年 9 月 9 日（2021 年 1 月 1 日生效）決定禁止。該市是第一個將其擴充到「公共場所的私人實體」，如私人商店。 (美國有線電視新聞網)。
- 馬薩諸塞州於 2020 年 12 月通過了一項改革法案，限制使用臉部辨識。它從 2021 年 5 月開始適用。
- 維吉尼亞州立法機構（2021 年 4 月）通過了一項新法案（H.B.2031），禁止執法機構在 2021 年 7 月 1 日之後繼續使用臉部辨識軟體。
自從舊金山、索默維爾、奧克蘭以及現在的聖地亞哥、波士頓和波特蘭的裁決以來，辯論在許多城市和州變得更加激烈，而不僅僅是在美國。
在歐洲，2019 年 8 月底，瑞典資料保護局決定禁止在學校使用臉部辨識技術。它對一所當地高中處以罰款（該國第一個 GDPR 處罰）。
如何更好地監管新興技術？
所以，
- 其他城市或國家應該效仿這個例子嗎？
- 禁令只是一個「暫停按鈕」來更好地評估風險嗎？
- 這是對公共安全的倒退嗎？
- 有政策真空嗎？在哪個等級？
作為美國，請繼續關注所有這些討論的結果。 國會正受到活動家的壓力，要求禁止該技術和供應商進行監管。
但截至 2021 年 5 月，仍然沒有聯邦法律框架來解決這個問題。
歐盟 委員會計劃對不分青紅皁白地使用臉部辨識符號技術採取行動。歐盟委員會主席 Ursula von der Leyen 希望對人工智慧的人類和道德影響採取協調一致的方法。她承諾很快公佈一份人工智慧立法藍圖。
歐盟委員會白皮書的最終版本可線上獲取。歐盟委員會於 2021 年 4 月提出了嚴格的規則草案。但據路透社報導，這些法規可能需要數年才能生效。
同樣，2021 年 6 月，歐盟的兩個隱私監督機構（EDPB 和 EDPS）呼籲禁止在公共場所進行臉部辨識。
同樣，隱私、同意和功能蠕變（為一個目的收集的資料用於另一個目的）問題是辯論的核心。
在我們的生物變資料檔案中，找到更多關於生物辨識資料保護法的資訊（歐盟、英國和美國的觀點）。
印度及其國家生物識別計劃，Aadhaar
在印度，由於 2017 年 8 月 27 日的 Puttaswamy 判決，最高法院將隱私權莊嚴載入了該國憲法。這一決定重新平衡了公民與國家之間的關係，並對擴大 Aadhaar 專案提出了新的挑戰。
然而，印度政府於 2019 年 2 月 28 日批准私人實體使用該國的生物辨識 EID 計劃。
回彈效應：法律制度及其專業變得更加強大。
作為資料保護法規的大使和監護人，資料保護官員已成為企業的必要條件，並具有備受追捧的作用。
#6 叛軍 —— 臉部辨識駭客
儘管有這種目的在保護資料、公民及其匿名性的技術和法律武器庫，但批評的聲音仍然被提出。
一些締約方對這些事態發展感到擔憂和震驚。有些人已經採取了行動。
但臉部辨識能被愚弄嗎？
- 俄羅斯的格里戈裡·巴庫諾夫發明了一種解決方案，以逃避適當的人臉檢測，並混淆人臉檢測裝置。他開發了一種演算法，可以建立特殊的妝容來愚弄軟體。然而，在意識到犯罪分子多麼容易使用他的產品後，他還沒有將他的產品推向市場。
- 在德國，柏林藝術家 Adam Harvey 開發了一種類似的裝置，稱為 CV Dazzle。他現在正在研究以圖案為特色的衣服，以防止檢測。超臉偽裝包括織物中的圖案，如眼睛和嘴巴，以愚弄人臉辨識系統。
- 2017 年底，一家越南公司成功使用口罩入侵了蘋果 iPhone X 的臉部辨識功能。然而，駭客入侵太複雜了，無法實施大規模開發。
- 大約在同一時間，一家德國公司的研究人員發現了一個駭客，允許他們透過紅外線列印臉部影像來繞過 Windows 10 Hello 的臉部身份驗證。
- 《福布斯》於 2018 年 5 月宣佈，多倫多大學的研究人員開發了一種破壞臉部辨識軟體（又稱隱私過濾器）的演算法。
- 2020 年 8 月，Verge 詳細介紹了一個名為 Fawkes 的「cloaking」應用。該軟體會逐漸扭曲你的自拍和你可能在社交媒體上留下的其他照片。該工具來自芝加哥大學的沙子實驗室。
簡而言之，使用者可以在將影像放到網路上之前應用過濾器來修改影像中的特定畫素。這些變化對人眼來說是無法察覺的，但對臉部辨識演算法來說非常令人困惑。
2020 年 11 月，Genered Media 提供了名為 Anonymizer 的工具。該軟體從你可以上傳的圖片中建立一系列合成肖像。根據該網站，這些影像在數學上與你的臉相似，看起來像你，但會欺騙臉部辨識軟體。欺騙像 Clearview A.I. 這樣的系統，這些系統正在從社交媒體上報廢數百萬張臉孔，這可能是一個有趣的解決方案（瞭解更多關於 Clearview A.I. 爭議的資訊）。
我們在 2020 年 11 月 27 日測試了 Anonymizer。但我們得到的 40 多個二重身遠遠沒有看起來像上傳的原始肖像。
托馬斯·史密斯於 2021 年 1 月 28 日發表的一個有趣的實驗揭示了一種讓你隱形的簡單技術。
根據他的測試，戴一次性口罩和不透明的太陽鏡是一個強大的組合，會讓你隱形。
為什麼？
在這種情況下，F.R.系統被剝奪了太多寶貴的資訊（嘴巴、鼻子、眼睛、眉毛），無法進行精確的臉部比較。
該行業正在研究反欺騙機制，標準化小組專門確定了兩個主題：
- 確保捕捉到的影像來自一個人，而不是來自照片（2D）、影像螢幕（2D）或面具（3D）（活力檢查或活力檢測）
- 確保兩個或兩個以上的人的臉部影像（變形肖像）沒有被合併到參考檔案中，例如護照。
#7 進一步合作 —— 走向混合解決方案
未來的辨識和身份驗證解決方案，將從生物辨識的各個方面借用。
這將導致生物辨識組合，能夠保證生態系統中所有利益相關者的完全安全和隱私。
這在很大程度上是 Thales Gemalto IdCloud Fraud Prevention 的精神，這是一個用於支付的風險評估和詐欺檢測軟體。
在這個解決方案中，地理位置、I.P. 地址（正在使用的裝置）和鍵控模式可以創造一個可靠的組合，以安全地驗證使用者對線上銀行或電子政務服務進行身份驗證。
這第七個趨勢屬於我們。
我們的工作是一起設想它，並透過高附加值的生物辨識專案來實現它。
Thales 專門從事生物辨識技術近 30 年。該公司一直與最好的研究、道德和生物辨識應用參與者合作。
