★ 臉部辨識：7 大趨勢（技術、供應商、案例）

THALES

上敦 AXXON 台灣總代理

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識那樣激發我們的想像力。

同樣，近年來，它的到來引發了令人深切的擔憂和令人驚訝的反應。

但稍後會有更多關於那個的資訊。

在這份網路檔案中，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-一直在變得更好。
2019-2024 年市場和主要用例
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：臉部辨識可以被愚弄嗎？
走向混合解決方案。

讓我們馬上跳進去。

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。它根據個人的臉部細節來捕捉、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，根據個人的臉部特徵，將類比資訊（臉部）轉換為數位資訊（資料或向量）。
人臉匹配過程驗證兩張臉，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。

一名來自大華盛頓特區地區的學生，使用開源臉部提取應用程式，在 1 月 6 日國會大廈內外的活動期間，從 Parler 上釋出的 827 個影像中檢測，並刪除了 6000 多張臉部影像（來源：Wired 2021 年 1 月 20 日。）他建立了一個名為 Faces of the Riot 的網站，展示這些肖像。

示威者、暴徒和記者已經用他們的智慧手機，完成了部分人臉捕捉步驟（類比人臉到數位圖片）。
他使用臉部檢測從 20 萬張圖片中提取臉孔。
由聯邦調查局進行調查，將肖像（數位畫素轉換為向量），並可能將臉部與現有資料庫進行匹配，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。

這是有充分理由的 —— 例如，我們不是透過看指紋或鳶尾花來辨識自己，而是透過看自己的臉來辨識自己。

在我們繼續之前，讓我們快速定義兩個關鍵詞：「辨識」和「身份驗證」。

用於辨識和驗證的人臉辨識資料

生物辨識技術用於使用該人唯一和特定於該人的可識別和可驗證的資料來識別和身份驗證。

有關生物辨識定義的更多資訊，請連線至我們的生物辨識網路檔案。

身份辨識回答了問題：「你是誰？」

認證回答了這個問題：「你真的是你所說的人嗎？」

和我們在一起。以下是一些例子：

在臉部生物辨識的情況下，2D 或 3D 感測器可以「捕獲」一張臉。然後，在將捕獲的影像與資料庫中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（幾何形狀），在短短幾秒鐘內辨識或檢查個人的身份：眼睛間距、鼻樑、嘴唇輪廓、耳朵、下巴等。他們甚至可以在人群、動態和不穩定的環境中做到這一點。
iPhone X 的使用者已經接觸到了臉部辨識技術。

當然，透過人體的其他特徵也存在，如指紋、虹膜掃描、語音辨識、手掌靜脈數位化，和行為測量。

那麼，為什麼要人臉辨識呢？

臉部生物辨識仍然是首選的生物辨識基準。

那是因為它易於佈署和實施。沒有與終端使用者的物理互動。

此外，驗證/辨識的人臉檢測和人臉匹配過程很快。

那麼，最好的人臉辨識軟體是什麼？

#1 Top 臉部辨識技術

幾個專案正在爭奪生物辨識創新競賽中的第一名。

谷歌、蘋果、臉書、亞馬遜和微軟（GAFAM）也參與其中。

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

由香港中文大學研究人員，於 2014 年開發的 GaussianFace 演算法，獲得了 98.52% 的臉部辨識分數，而人類的得分為 97.53%。儘管在所需記憶體容量和計算時間方面存在弱點，但評分非常好。

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到的臉是否屬於同一個人，準確率為 97.25%。在參加相同的測試時，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 方面變得更好了。在廣泛使用的 Wild Labeled Faces（LFW）資料集中，FaceNet 實現了99.63%（0.9963 ± 0.0009）的新精度。使用人工神經網路和新演算法，這家來自山景城的公司，設法將一張臉與其所有者聯結起來，結果幾乎完美。

這項技術被納入谷歌照片中，用於對圖片進行分類，並根據辨識的人自動標記它們。

證明了其在生物辨識領域的重要性，隨後很快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，與淺色皮膚的男性相比，微軟、IBM 和總部位於中國的 Megvii（FACE++）工具，在辨識深色皮膚女性時的錯誤率更高。

2018 年 6 月底，微軟在一篇部落格文章中宣佈，它已經大幅改進了其有偏見的臉部辨識技術。

亞馬遜

2018 年 5 月，Ars Technica 報導稱，亞馬遜已經在積極向執法機構，推廣其名為 Rekognition 的雲端的臉部辨識服務。該解決方案可以在單個影像中辨識多達 100 人，並與包含數千萬張臉的資料庫進行人臉匹配。

2018 年 7 月，《新聞週刊》報導稱，亞馬遜的臉部辨識技術，錯誤地認定了 28 名美國國會議員是因犯罪被捕的人。

主要的生物辨識匹配技術供應商

2018 年 5 月底，美國國土安全科學和技術局公佈了馬里蘭州測試設施（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。

泰雷茲使用臉部辨識軟體（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 多名志願者的現場，測試確定了效能最好的臉部辨識技術。

有關效能基準的更多資訊：NIST（美國國家標準和技術研究所）報告於 2018 年 11 月釋出，詳細介紹了 127 種演算法的辨識精度，並將效能與參與者姓名相關聯。

2019 年底進行的 NIST 持續臉部辨識供應商測試（FRVT）3 提供了額外的結果。參見 NIST報告。

正如 ITIF 在 2020 年 1 月報告的那樣，NIST 還顯示，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進行臉部辨識精度」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，或複雜情緒，如悲傷、憤怒。

辨識或解釋人類情緒還有三個步驟：

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，而不是一種情緒。

臉部表情可以用幾何或外觀特徵來表示，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（用於品牌行銷的臉部和情感辨識）、Noldus、Afectiva 或 Sightcorp。

2021 年 5 月，歐盟白皮書中描述有關臉部情緒辨識（FER）的更多資訊。

#2 透過深度學習來學習

所有這些顛覆性技術的共同特徵是人工智慧（A.I.），更準確地說，是深度學習，系統可以從資料中學習。

為什麼它很重要？

它是泰雷茲和其他關鍵參與者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、人臉跟蹤、人臉匹配和對話實時翻譯的秘訣。

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，辨識準確性取得了巨大進步，超過了 2010-2013 年期間。

2018 年大多數人臉辨識演算法的表現，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% 的搜尋未能匹配正確的影像，而 2014 年的失敗率為 4%。

還有更多

在 NIST 的 2020 年測試中，最好的臉部辨識演算法的錯誤率為 0.08% —— 這比 1000 張圖片的錯誤少於一個。（來源：臉部辨識系統的準確性，CSIS）

是的，你明白，對嗎？

六年來，它進步了 50 倍。

這樣想：

人工神經網路演算法正在幫助人臉識算法更加準確。

#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 億美元的營收，並得到 2019-2024 年 16% 的複合年成長率（CAGR）的支援。

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許多其他應用。

根據這項研究，主要臉部辨識供應商包括：

Accenture、Aware、BioID、Certibio、富士通、Fulcrum Biometrics、Thales、HYPR、Idemia、Leidos、M2SYS、NEC、Nuance、Phonexia 和 Smilepass。

Klacci 凱樂奇 Kii Assistant 智慧酒店服務系統

主要的臉部辨識應用可以分為三大類。

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型。

1. 安全-執法

鑑識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增加為主導的。

臉部辨識系統對警務的好處是顯而易見的：檢測和預防犯罪。

臉部辨識用於簽發身份證件，通常與其他生物辨識技術（如指紋（防止身份證詐欺和身份盜竊）相結合。
臉部匹配用於邊境檢查，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，泰雷茲為巴黎魯瓦西·戴高樂機場的 PARAFE 系統（外部邊境自動快速通道過境點）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，由於聯邦調查局的臉部辨識軟體，確定了對布魯塞爾恐怖襲擊負責的「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這一點。
在美國，26 個州（可能多達 30 個）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。聯邦調查局可以連線存取來自 18 個州的駕駛執照照片。
無人機和航拍攝影機，在大規模活動期間，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《基辛檔案和身份雜誌》，一些懸停無人機系統可以攜帶一個 10K 的攝影機鏡頭，可以辨識從 800 米到 100 米高度的嫌疑人。無人機可以透過無線電源的電源電纜連線到地面。與地面控制的通訊無法被攔截，因為它也使用一條線路。

臉部辨識 CCTV 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：

尋找失蹤的兒童和迷失方向的成年人。
辨識並找到被剝削的兒童。
辨識和追蹤罪犯。
支援並加快調查。

尋找失蹤的兒童和迷失方向的成年人。

人臉辨識 CCTV 系統可以透過新增失蹤兒童父母提供的參考照片，並將其與影像中拍攝的該人臉的過去外觀進行匹配，從而大大加快操作員的努力。警方可以使用人臉辨識來搜尋兒童，被宣佈失蹤的估計地點和時間的影像序列（akavideo 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。

警察可以在孩子失蹤前，更好地弄清楚孩子的動向，並找到他/她最後一次被看到的地方。每當有匹配時，即時警報都可以觸發警報。然後，警察可以確認其準確性，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、癲癇或阿茨海默病）。

辨識並找到被剝削的兒童。

隔離特定個人在影像序列中的外觀非常重要。它也可以加快調查，人員在剝削兒童案件中的工作。

影像分析可以幫助建立年表，追蹤地圖上的活動，揭示細節，並發現案例中玩家之間的不明顯的聯絡結。

辨識和追蹤罪犯。

人臉辨識 CCTV 可用於，使警方能夠追蹤和辨識，過去涉嫌實施其他違規行為的罪犯。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）中的已知罪犯影像，操作員可以在即時影像中檢測匹配，並在為時已晚之前做出反應。

支援並加快調查。

臉部辨識 CCTV 系統可用於支援調查人員，在事件發生後尋找影像證據。

隔離嫌疑人和個人外表的能力，對於加速調查人員對影像證據的審查相關細節非常重要。他們可以更好地瞭解情況是如何發展的。

2. 健康

這一領域取得了重大進展。

多虧了深度學習和臉部分析，已經有可能：

更準確地追蹤患者的用藥情況
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，這個區域是臉部辨識最不期望的區域。然而，很有可能，它承諾最多。

透過線上臉部辨識瞭解你的客戶（KYC）將成為 2021 年的熱門話題。

為什麼？

2022年因為僅在美國，64% 的主要支票賬戶開戶，是在第二季線上完成的（36% 在分行）。

疫情加速了這種新興的動態，許多分支機構暫時關閉。

此外，行動通信使用量的增加，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，該技術應提供動態檢測，以避免使用靜態影像進行詐欺。

活力檢測證明自拍來自真人。

結果？

為了適應當前客戶的偏好，金融機構（F.I.s）透過線上和行動管道投資於數位入職。

帶有動態檢測的臉部辨識，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 年增加了新的 DAO 系統，或增強了現有系統。

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。

具體如何？

與 Facebook 最近設計的系統一樣，銷售人員會獲得從他們的社交媒體個人資料中提取的客戶資訊，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，亞馬遜 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，X5 零售集團的 52 家 Perekrestok 商店（Перекрёсток），推出了帶有 Visa 支付系統，和 Sberbank 的自助結賬終端的非接觸式支付。

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。

據國際文訊報報導，莫斯科人可以在 2021 年底支付地鐵費用。

#4 新使用者對映

雖然美國目前提供了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。中國和印度在該領域領先。

中國的人臉辨識

人臉辨識技術是中國的新熱門話題，從銀行和機場到警察。

現在，隨著警方開始在北京郊區使用臉部辨識太陽鏡，當局正在擴大臉部辨識太陽鏡計劃。

中國也在他們國家的國境內，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。

這與中國政府正在開發的社會信用體系有關。

在人均街道攝影機最多的前 10 個城市中，重慶、深圳、上海、天津和濟南位居榜首。

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）方面的野心很大。該國的目標是到 2030 年，成為人工智慧領域的世界領導者。

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連線存取。

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

臉部辨識將成為 2020 年東京奧運會（推遲到 2021 年 9 月）的一個重要話題。

這項技術將自動辨識授權人員，並授予他們連線許可權，增強他們的體驗和安全性。它也在日本被用於更輕鬆的行動銀行連線存取。

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。

它目前正在為金融服務進行測試（2020 年10月）。

臉部身份驗證將作為，融合模式下的附加服務和指紋、虹膜或 TOTP 等其他身份驗證因素提供。

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）釋出了一項 RFP，邀請投標開發一個全國性的臉部辨識系統。

根據 160 頁的檔案，該系統將是一個網路託管，在德里 NCRB 資料中心的集中式 Web 應用。它將可用於進入所有警察局。

它將從中央 CCTV 的影像和圖像中，自動辨識人員。該局表示，它將幫助警方抓捕罪犯，找到失蹤人員，並辨識屍體。

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雷茲來應對生物辨識的挑戰，以獨特的方式辨識選民。

自 2017 年以來，俄羅斯中央銀行一直在佈署一項全國性計劃，目的在收集人臉、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，這個過程進展非常緩慢。

莫斯科聲稱，到 2019 年底，莫斯科擁有世界上最大的 16 萬個監控攝影機網路之一，並配備了臉部辨識技術，以確保公共安全。

於 2020 年 1 月開始推出

俄羅斯法律不規範，未經同意的人臉檢測和分析。

#5 當人臉辨識加強法律體系時

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。

這些值得科幻小說的科技壯舉，真的威脅到我們的自由嗎？

和它一起，我們的匿名？

歐盟和英國生物辨識資料保護

《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。

GDPR 自 2018 年 5 月起適用，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。

該指令必然會產生國際影響。

美國生物辨識資料保護景觀

如果沒有聯邦法律，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 月頒布的新法律，正式保護生物辨識資料的州（繼伊利諾伊州和德克薩斯州之後）。

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，將嚴重影響加州居民，和全國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 有可能變得和 GDPR 一樣具有影響性。

2018 年 7 月，Bradford 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，他敦促國會研究它並監督其使用。

2019 年 5 月，美國眾議員 Alexandria Ocasio-Cortez，在關於臉部辨識技術（對我們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「停止駭客攻擊和提高電子資料安全」（SHIELD）的法律，於 2020 年 3 月 21 日生效。它要求為紐約實施網路安全計劃，和保護州居民措施。

該法案適用於收集紐約居民個人資訊的企業。

有了這個法案，紐約現在與加利福尼亞站在一起。

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獲得牽引力，隱私和民權問題在該國不斷升級，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控條例，禁止包括舊金山警察局在內的城市機構，自 2019 年 6 月起使用該技術。

是的，這包括執法。

還有更多。

據《波士頓環球報》2019 年 6 月 27 日報導道，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，也不打算使用它。
在加州新法律之前，聖地亞哥於 2019 年 12 月底做出了同樣的決定。這項關於臉部辨識和其他生物辨識監控的新法律（大會第 215 號法案），明確禁止在加利福尼亞州使用警察隨身攝影機。截至 2020 年 1 月 1 日，該禁令已實施三年。
據《波士頓先驅報》報導，2020 年 6 月 24 日，波士頓投票禁止警察使用臉部監控技術。
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」的，如同私人商店。（美國有線電視新聞網）。
麻塞諸賽州於 2020 年 12 月，透過一項限制使用臉部辨識的改革法案。它從 2021 年 5 月生效。
弗吉尼亞州立法機構（2021 年 4 月）透過一項新法案（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。

自舊金山、薩默維爾、奧克蘭，以及現在的聖地亞哥、波士頓和波特蘭的裁決以來，許多城市和州的辯論越來越激烈，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使用臉部辨識技術。它對當地一所高中處以罰款（全國第一個 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？
禁令只是一個更好地評估風險的「暫停按鈕」嗎？
這是對公共安全的倒退嗎？
有政策真空嗎？在哪個級別？

請繼續關注所有這些討論的結果，因為美國國會正在受到來自活動人士的壓力，要求禁止該技術，並受到供應商的監管。

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，對不分青紅皂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。她承諾儘快釋出 A.I. 立法藍圖。

歐盟委員會白皮書的最終版本可線上獲取。歐盟委員會在 2021 年 4 月提出了嚴格的規則草案。但據路透社報導，這些法規可能需要幾年時間才能生效。

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（為一種目的收集的資料被用於另一種目的）問題是辯論的核心。

在我們的生物辨識資料檔案中，瞭解更多關於生物辨識資料保護法（歐盟、英國和美國的觀點）。

印度及其國家生物辨識計劃，Aadhaar

在印度，由於 2017 年 8 月 27 日普塔斯瓦米判決，最高法院將隱私權載入了該國憲法。這一決定重新平衡了公民和國家之間的關係，並為擴大 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，資料保護官已成為企業的必要條件，並具有備受追捧的作用。

#6 反叛者 – 臉部辨識駭客

儘管這個技術和法律武器庫，目的在保護資料、公民及其匿名性，但批評的聲音仍然被提出來。

一些各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。

但臉部辨識可以被愚弄嗎？

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，可以建立特殊的構成來欺騙軟體。然而，在意識到犯罪分子使用產品是多麼容易後，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。他現在正在研究有圖案的服裝，以防止被發現。超臉偽裝包括織物圖案，如眼睛和嘴巴，以欺騙人臉辨識系統。
2017 年底，一家越南公司成功使用口罩，入侵了蘋果 iPhone X 的Face ID 臉部辨識功能。然而，駭客攻擊太複雜了，無法大規模開發。
大約在同一時間，一家德國公司的研究人員透露了一項駭客攻擊，該駭客允許他們透過列印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》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（又名隱私過濾器）的演算法。
2020 年 8 月，Verge 詳細介紹了一個名為 Fawkes 的「cloaking」應用程式。該軟體會逐漸扭曲你的自拍，和你可能留在社交媒體上的其他照片。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在網路上之前，應用一個過濾器來修改影像中的特定畫素。人眼無法察覺這些變化，但對臉部辨識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，看起來也像你，但會欺騙臉部辨識軟體。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取消數百萬張臉。

我們在 2020 年 11 月 27 日測試了匿名者。但我們得到的 40 多個替身，看起來遠不像上傳的原始肖像。

托馬斯·史密斯於 2021 年 1 月 28 日發表的一項有趣的實驗，揭示了一種讓你隱身的簡單技術。

根據他的測試，佩戴一次性口罩和不透明的太陽鏡是讓你隱身的強大組合。

為什麼？

在這種情況下，F.R.系統被剝奪了太多有價值的資訊（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：