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
今日主題 工業 4.0 \智慧車載交通\公共工程\經營管理 智慧經營管理與市場商機論壇 智慧車載交通\公共安全 |
2024年6月26日 星期三
@ 2024\06\26\3S MARKET Daily 智慧產業新資訊
★ 臉部辨識：前七大趨勢（技術、供應商、應用案）
臉部辨識技術如何在賭場等地方監視你
 |
| Klacci 凱樂奇 Kii Assistant 智慧酒店服務系統 |
最後更新：2021年6月24日-14分鐘閱讀。
人臉辨識 —— 迷人而耐人尋味
很少有生物辨識技術能像臉部辨辨識那樣激發我們的想像力。
同樣，它的到來近年來引起了人們的深刻關注和令人驚訝的反應。
但稍後會有更多。
在這個網路檔案中，你將發現塑造 2024 年景觀的七個人臉辨識事實和趨勢。
- 最主要的技術和供應商
- 人工智慧影響 - 一直在變得更好。
- 2019 - 2024年市場和主要應用案例
- 中國、印度、美國、歐盟、英國、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：臉部辨識會被愚弄嗎？
- 走向混合解決方案。
我們直接跳進去吧。
臉部辨識是如何運作的
臉部辨識是使用臉部，辨識或驗證一個人身份的過程。它根據個人的臉部細節捕捉、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。
- 人臉捕捉過程根據人的臉部特徵將類比資訊（臉部）轉換為數位資訊（資料或向量）。
- 臉部比對過程驗證兩張臉是否屬於同一個人。
讓我們用最近的一個例子來說明這個 3 步過程。
一名來自華盛頓特區地區的學生使用開源臉部提取應用，在 1 月 6 日國會大廈內外和內活動期間，從 Parler 上釋出的 827 個影像中檢測和重複使用超過 6000 張臉部影像（來源：2021 年 1 月 20 日有線）。他建立了一個名為「防暴臉孔」的網站，展示這些肖像。
- 示威者、騷亂者和記者用智慧手機（類比臉部到數位圖片）完成了部分臉部捕捉步驟。
- 他使用臉部檢測，從 20 萬張影像中提取臉部。
- 聯邦調查局要調查，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。
有充分的理由 —— 例如，我們不是透過觀察我們的指紋或虹膜來辨識自己，而是透過觀察我們的臉。
在我們繼續之前，讓我們快速定義兩個關鍵字：「 辨識」和「認證」。
用於辨識和驗證的人臉辨識資料
生物辨識技術用於辨識和驗證某人，使用該人唯一和特定的資料。
有關生物辨識定義的更多資訊，請訪問我們的生物辨識網路檔案。
身份回答了這個問題：「你是誰？」
認證回答了這個問題：「你真的就是你說的那個人嗎？」
和我們呆在一起。 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的影像進行比較之前，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） ，在幾秒鐘內辨識或檢查個人的身份：眼睛的間距、鼻橋、嘴唇、耳朵、下巴等。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 的所有者已經接觸到了臉部辨識技術。
當然，透過人體的其他簽名也存在，如指紋、虹膜掃描、語音辨識、手掌靜脈數位化和行為測量。
那麼，為什麼是人臉辨識呢？
臉部生物辨識技術仍然是首選的生物辨識基準。
那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）也非常融為一體。
所有軟體網路巨頭現在都定期釋出他們在人工智慧、影像辨識和臉部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%，而人類則為 97.53%。儘管在所需的記憶體容量和計算時間方面存在弱點，但評級仍然很好。
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，或者只比 Facebook 程式好 0.28%。
2015 年 6 月，谷歌在 FaceNet 上做得更好。在廣泛使用的野外標記臉孔（LFW）資料集中，FaceNet 達到了99.63%（0.9963 ± 0.0009）的新記錄準確度。使用人工神經網路和新演算法，來自山景城的公司設法將一張臉與所有者聯結起來，幾乎取得了完美的結果。
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。
事實證明它在生物辨識領域的重要性，隨後很快就線上釋出了非官方的開源版本 OpenFace。
微軟、IBM 和 Megvii
麻省理工學院研究人員在 2018 年 2 月進行的一項研究發現，與淺色男性相比，微軟、IBM 和總部位於中國的 Megvii（FACE++）工具在辨識深色臉孔女性時的錯誤率較高。
2018 年 6 月底，微軟在一篇部落格文章中宣佈，它已大幅改進其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 的雲端的人臉辨識服務。該解決方案可以在一張影像中辨識多達100人，並對包含數千萬張臉孔的資料庫進行臉部比對。
2018 年 7 月，《新聞週刊》報導稱，亞馬遜的臉部辨技術錯誤地將 28 名美國國會議員認定為因犯罪被捕的人。
關鍵的生物辨識比技術提供商
2018 年 5 月底，美國國土安全科學技術局公佈了馬裡蘭州測試設施（MdTF）的贊助測試結果。這些現實生活中的測試測量了 2米 乘 2.5米 的走廊中 12 個人臉辨識系統的效能。
Thales 使用部辨識軟體（LFIS）的解決方案，取得了出色的效果，在不到 5 秒內獲得臉部獲取率為 99.44%（平均為68%），供應商真實辨識率在不到 5 秒內達到 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 多名志願者進行即時測試，確定了效能最佳的臉部辨識技術。
更多關於效能基準的資訊：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，並將效能與參與者姓名聯絡起來。
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。請參閱 NIST報告。
NIST 還證明，正如 ITIF 在 2020 年 1 月報告的那樣，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「使用新冠肺炎後演算法使用口罩的臉部辨識精度」的報告（2020 年 8 月和 2021 年 3 月）中，我們看到演算法如何在不到一年的時間內提高其效能。
臉部情緒辨識（FER，Facial Emotion Recognition）
臉部情緒辨識（來自即時或靜態影像）是使用影像處理軟體對映臉部表情的過程，以辨識人臉上的厭惡、喜悅、憤怒、驚訝、恐懼或悲傷等情緒，或悲傷、憤怒等複合情緒。
辨識或解釋人類情緒也有三個步驟：
- 1）人臉檢測
- 2）臉部表情檢測
- 3）將表達分配給特定的情緒狀態。
臉部情緒檢測的受歡迎程度，來自於潛在應用的廣闊領域。
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。
臉部表情可以由幾何或外觀特徵、從特徵、動態和 3D 模型等轉換影像中提取的參數來表示。
提供商包括 Kairos（品牌行銷的臉部和情感辨識）、Noldus、Affectiva 或 Sightcorp。
#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（A.I.），更確切地說，是深度學習，系統可以從資料中學習。
為什麼這很重要？
它是 Thales 和其他關鍵人物開發的最新一代演算法的核心組成部分。它掌握了人臉檢測、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得更好。
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提高，超過了 2010-2013 年期間。
2018 年的大多數人臉辨識演算法，都優於 2013 年底最準確的演算法。
在 2018 年的測試中，NIST 發現，在包含 2660 萬張照片的資料庫中，0.2% 的搜尋無法比對正確的影像，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% —— 1000 張影像的誤差小於一個。（來源：臉部辨識。系統的準確性，CSIS）
是的，你明白，對嗎？
這在六年內有了 50 倍的進步。
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，並輔之以 2019-2024 年 16% 的複合年成長率（CAGR）為後面。
2019 年，市場估計為 32 億美元。
這種成長的兩個最重要的驅動因素，是公共部門的監督和不同市場細分市場的許多其他應用。
根據這項研究，最主要臉部辨識供應商包括：
Accenture、Aware、BioID、Certibio、Fujitsu、Fulcrum Biometrics、Thales、HYPR、Idemia、Leidos、M2SYS、NEC、Nuance、Phonexia 和 Smilepass。
主要的臉部辨識應用程式可以分為三個主要類別。
臉部辨識用於什麼？
以下是使用臉部辨的前三個應用類別。
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為主導的。
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。
- 臉部辨識用於簽發身份證件，最常見的是與指紋等其他生物辨識技術（防止身份證欺詐和身份盜竊）相結合。
- 邊境檢查時使用臉部比對，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，Thales 為巴黎魯瓦西戴高樂機場的 PARAFE 系統（外部邊境自動快速通道）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。
- 臉部生物辨識技術也可以用於警方檢查，儘管它在歐洲受到嚴格控制。2016 年，聯邦調查局臉部辨識軟體確認了對布魯塞爾恐怖襲擊負有責任的「戴帽子的人」。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。聯邦調查局可以訪問來自 18 個州的駕駛執照照片。
- 無人機和航空攝影機在群眾活動期間，為大面積應用的臉部辨識提供了令人興奮的組合。根據 2018 年 6 月的《Keesing Journal of Documents and Identity》，一些懸停的無人機系統可以攜帶一個 10 千焦耳的攝影機鏡頭，可以辨識 800 米到 100 米高的嫌疑人。無人機可以透過帶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：
- 尋找失蹤兒童和迷失方向的成年人。
- 辨識並找到受剝削的兒童。
- 辨識和追蹤罪犯。
- 支援並加快調查。
1. 尋找失蹤兒童和迷失方向的成年人。
人臉辨識閉路電視系統可以大大加快操作員的努力，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到的過去臉部外觀相比對。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，和時間的影像序列（又稱影像分析）。
閱讀更多關於德里警方如何使用臉部辨識系統在 4 天內追蹤 3000 名失蹤兒童的資訊。
警官可以在失蹤前更好地瞭解孩子的動作，並找到他/她最後一次被看到的地方。每當有比賽時，即時警報都會觸發警報。然後，警方可以確認其準確性，並採取必要措施來找回失蹤兒童。同樣的過程也可以適用於迷失方向的失蹤成年人（例如，患有痴呆症、失憶症、癲癇或阿滋海默病）。
2. 辨識並找到受剝削的兒童。
在影像序列中隔離特定個體的外表非常重要。它也可以加快調查人員在兒童剝削案件中的工作。
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的非明顯聯絡。
3. 辨識和追蹤罪犯。
人臉辨識閉路電視可用於警方追蹤和辨識，涉嫌實施額外違規行為的過去罪犯。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）中的已知罪犯影像，操作員可以檢測即時影像中的 比對，並在為時已晚之前做出反應。
4. 支援並加快調查。
臉部辨識閉路電視系統可用於支援調查人員，在事件發生後尋找影像證據。
隔離嫌疑人和個人出庭的能力，對於加快調查人員對相關細節的影像證據的審查非常重要。 他們可以更好地瞭解情況是如何發展的。
2. 健康
這方面已經取得了重大進展。
多虧了深度學習和人臉分析，已經有可能：
- 更準確地追蹤患者的藥物使用情況
- 檢測 DiGeorge 綜合徵等遺傳性疾病，成功率為 96.6%
- 支援疼痛管理程式。
3. 銀行和零售
毫無疑問，這個領域是臉部辨識最不預期的領域。然而，很可能，它最有希望。
認識你的客戶（KYC）將是 2021 年的熱門話題。
為什麼？
因為僅在美國，64% 的主要支票賬戶開戶都是在 2020 年第二季線上完成的（36% 是分支機構）。
疫情加速了這種新興的動態，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，該技術應提供活潑檢測，以避免使用靜態影像進行詐欺。
活性檢測證明，自拍來自活人。
結果？
金融機構（F.I.s）適應當前的客戶偏好，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）連續第三年成為銀行業最受歡迎的技術。近 80% 的金融機構在 2020 年和 2021 年新增了新的 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。
究竟怎麼樣？
與 Facebook 最近設計的系統一樣，銷售人員可以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響應。
美國百貨公司薩克斯第五大道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，美國炸雞之王肯德基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，來自 X5 零售集團的 52 家 Perekrestok 商店（Перекрёсток）推出了帶有 Visa 支付系統和儲蓄銀行的自助式結賬終端的面對面非接觸式支付。
據雅虎稱，到年底，3000 家商店將使用臉部辨識支付系統！
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
雖然美國目前提供最大的人臉辨識機會市場，但亞太地區是該行業成長最快的地區。中國和印度在領域領先。
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，當局正在擴大臉部辨識太陽鏡計劃，因為警察開始在北京郊區使用太陽鏡。
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動的象徵。
這與中國政府正在發展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、天津和濟南領先。
根據 2019 年 12 月 2 日的《衛報》，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 日報導，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，中國為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獲取。
隱私專家 Emmanuel Pernot-Leplay 於 2020 年 11 月 2 日的報告證明了這一悖論。
亞洲的臉部辨識
臉部辨識是 2020 年東京奧運會（推遲到 2021 年 9 月）的一個重要主題。
這項技術將自動辨識授權人員並允許他們訪問，從而增強他們的體驗和安全。它在日本也被用於更便捷的行動銀行訪問。
在雪梨，人臉辨識正在機場進行試驗，以幫助人們更快、更安全地透過安檢。
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 億居民提供了一個獨特的數位身份號碼。
負責機構 UIDAI 宣佈，臉部認證將分階段推出。
它目前正在進行金融服務測試（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 等另一個身份驗證因素。
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，邀請投標開發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式的網路應用程式，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。該局表示，它將幫助警方抓捕罪犯、尋找失蹤人員並辨識屍體。
其他大型專案
高等選舉法院（Tribunal Superior Eleitoral）參與了巴西的全國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 THALES 來應對生物辨識的挑戰，以獨特的身份辨識選民。
自 2017 年以來，俄羅斯中央銀行一直在佈署一項全國性計劃，目的在收集面孔、聲音、虹膜掃描和指紋。
但根據 2019 年 3 月 13 日的 Biometricupdate 網站，這個過程進展非常緩慢。
莫斯科聲稱，截至 2019 年底，它是世界上最大的 16 萬支監控攝影機網路之一，並為公共安全配備了臉部辨識技術。
於 2020 年 1 月開始推出。
俄羅斯法律不規範未經同意的臉部檢測和分析。
#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，帶來的倫理和社會挑戰。
這些值得科幻小說的技術壯舉，真的威脅著我們的自由嗎？
有了它，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。
任何對公民私人生活或商務旅行習慣的調查都是不可能的，任何此類侵犯隱私的行為都會受到嚴厲的懲罰。
自 2018 年 5 月起適用的 GDPR 支援統一的歐洲框架原則，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。現在有一項法律適用於 5 億人。
該指令必將產生國際影響。
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（僅次於伊利諾伊州和德克薩斯州）透過 2017 年 6 月推出的新法律正式保護生物辨識資料的州。
截至 2020 年 1 月，加利福尼亞州是第四個州。
加州消費者隱私法（CCPA）於 2018 年 6 月透過，自 2020 年 1 月 1 日起生效，將嚴重影響加州和全國居民的隱私權和消費者保護。
該法律經常作為聯邦資料隱私法的典範提出。
從這個意義上說，CCPA 可能與 GDPR一樣具有重要意義。
2018 年 7 月，Bradford L. 微軟總裁史密斯將人臉辨識技術與受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（對我們的公民權利和自由的影響）的委員會聽證會上表達了她的「絕對」擔憂。
紐約州一項名為「停止駭客攻擊和改善電子資料安全（SHIELD）」的法律，於 2020 年 3 月 21 日生效。這需要為紐約州居民實施網路安全和保護措施。
該法案適用於收集紐約居民個人資訊的企業。
有了該法案，紐約現在站在加州旁邊。
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）
隨著人臉辨識作為執法工具的牽引力，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。
這是首次禁止使用人臉辨識。
舊金山監事會簽署的反監視條例，從 2019 年 6 月起禁止，包括舊金山警察局在內的城市機構使用該技術。
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）投票禁止臉部辨識，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。
- 聖地亞哥於 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控的新法律（第 215 號議會法案）特別禁止在加利福尼亞州使用警察身體攝影機。自 2020 年 1 月 1 日起，該禁令已生效三年。
- 據《波士頓先驅報》報導，2020 年 6 月 24 日，波士頓投票禁止警方進行臉部監視技術。
- 波特蘭（俄勒岡州）於 2020 年 9 月 9 日決定禁止（2021 年 1 月 1 日生效）。該市是第一個將其擴充到「公共住宿場所的私人實體」，如私人商店。 (CNN)。
- 馬薩諸塞州於 2020 年 12 月通過了一項限制使用臉部辨識的改革法案。它從 2021 年 5 月起適用。
- 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學校的臉部辨識技術。它對當地一所高中處以罰款（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榜樣嗎？
- 禁令只是一個「暫停按鈕」來更好地評估風險嗎？
- 這是公共安全的倒退嗎？
- 有政策真空嗎？在哪個級別？
作為美國，請繼續關注所有這些討論的結果。國會正在受到活動家的壓力，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技術採取行動。歐盟委員會主席 Ursula von der Leyen 希望對人工智慧對人類和倫理的影響，採取協調一致的方法。她承諾很快公佈人工智慧立法藍圖。
歐盟委員會白皮書的最終版本，可線上獲得。歐盟委員會於 2021 年 4 月提交了嚴厲的規則草案。但據路透社報導，該法規可能需要幾年才能生效。
同樣，2021 年 6 月，歐盟的兩個隱私監督機構（EDPB 和 EDPS）呼籲禁止在公共可訪問的空間進行臉部辨識。
隱私、同意和功能蠕變問題（為一個目的收集的資料用於另一個目的）也是辯論的核心。
在我們的生物辨識資料檔案中，可以找到更多關於生物辨識資料保護法（歐盟、英國和美國視角）的資訊。
印度及其國家生物辨識計劃 Aadhaar 在印度，由於 2017 年 8 月 27 日做出的 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。
反彈效應：法律制度及其職業變得更加強大。
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，並發揮著備受追捧的作用。
#6 叛軍 – 臉部辨識駭客
儘管這種技術和法律武器庫目的在保護資料、公民及其匿名性，但批評聲音仍然很高。
一些政黨對這些事態發展感到擔憂和震驚，有些人已經採取了行動。
但臉部辨識會被愚弄嗎？
- 俄羅斯的格里戈裡·巴庫諾夫發明了一種解決方案，以逃避適當的臉部檢測，並混淆面部檢測裝置。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，在意識到罪犯可以多麼容易地使用它後，他還沒有將他的產品推向市場。
- 在德國，柏林藝術家 Adam Harvey 開發了一種名為 CV Dazzle 的類似裝置。他現在正在研究以圖案為特色的服裝，以防止被發現。超臉偽裝包括織物圖案，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 的面容 ID 人臉辨識功能。然而，駭客攻擊太複雜，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揭示了一個駭客攻擊，該駭客允許他們透過紅外線列印臉部影來繞過 Windows 10 Hello 的臉部認證。
- 福布斯在 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「隱藏」應用程式。該軟體逐漸扭曲了你的自拍和其他你可能在社交媒體上留下的照片。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在網路上之前，應用一個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，Generated Media 提供了一個名為 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，但會欺騙臉部辨軟體。這可能是一個有趣的解決方案，可以愚弄像 Clearview A.I. 這樣的系統，這些系統正在從社交媒體上拋棄數百萬臉孔（瞭解更多關於 Clearview A.I. 爭議的資訊）。
我們於 2020 年 11 月 27 日測試了 Anonymizer。但我們得到的 40 多個二重身看起來遠不像上傳的原始肖像。
托馬斯·史密斯（Thomas Smith）於 2021 年 1 月 28 日發表的一項有趣的實驗，揭示了一種讓你隱形的簡單技術。
根據他的測試，戴上一次性口罩和不透明的太陽鏡，是使你隱形的強大組合。
為什麼？
在這種情況下，F.R. 系統被剝奪了太多的寶貴資訊（嘴、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，標準化小組已經具體確定了兩個主題：
- 確保捕獲的影像來自一個人，而不是照片（2D）、影像螢幕（2D）或面具（3D）（活力檢查或活力檢測）
- 確保兩個或更多個人的臉部影像（變形肖像）沒有加入參考檔案，如護照。
#7 進一步合作 —— 走向混合化解決方案
未來的辨識和認證解決方案，將借鑑生物辨識的各個方面。
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 預防詐欺的精神，這是一個用於付款的風險評估和詐欺檢測軟體。
在這個解決方案中，地理位置、IP 地址（正在使用的裝置）和金鑰模式可以建立牢固的組合，以安全地驗證線上銀行或電子政務服務的使用者。
這第七種趨勢屬於我們。
我們的工作是共同設想它，並透過高附加值的生物辨識專案實現它。
