El reconocimiento facial durante una pandemia de coronavirus cuando la mayoría de las personas usan máscaras es un tema candente en seguridad.
Un nuevo NIST (Instituto Nacional de Estándares y Tecnología) El estudio de la tecnología de reconocimiento facial creada después del inicio de la pandemia Covid-19 revela un progreso significativo en el reconocimiento de rostros enmascarados. El informe, titulado “Prueba continua del proveedor de reconocimiento facial, parte 6B: Precisión del reconocimiento facial con máscaras faciales que utilizan algoritmos posteriores a COVID-19,”Detalla el rendimiento de una docena de nuevos algoritmos de reconocimiento facial.
El informe de julio anterior que detalla el período anterior a marzo 2020 mostró que el software tenía problemas con rostros enmascarados. Parece que ahora los algoritmos funcionan mucho mejor. El nuevo estudio describe el desempeño de 65 nuevos algoritmos de reconocimiento facial, agregándolos a los previamente probados. Esto hace 152 algoritmos totales con capacidades mejoradas de reconocimiento facial.
¿Cómo se crearon los algoritmos de reconocimiento facial??
“Usando el mismo conjunto de 6.2 millones de imágenes como lo había hecho anteriormente, el equipo volvió a probar la capacidad de los algoritmos para realizar coincidencias "uno a uno", en el que una foto se compara con una foto diferente de la misma persona, una función que se usa comúnmente para desbloquear un teléfono inteligente,” señala el informe.
Cabe señalar que las imágenes utilizadas en el análisis tenían formas de máscara aplicadas digitalmente en lugar de personas con máscaras reales..
Así, ¿Qué descubrió el informe en términos de confiabilidad del algoritmo de reconocimiento facial??
- Cuando tanto la nueva imagen como la imagen almacenada son caras enmascaradas, las tasas de error aumentan.
- Cuanto más cubre una máscara, cuanto mayor tiende a ser la tasa de error del algoritmo.
- Los colores de la máscara afectan la tasa de error.
- Algunos algoritmos funcionan bien con cualquier combinación de rostros enmascarados o desenmascarados.
Otra conclusión significativa basada en el análisis muestra que "los algoritmos individuales difieren". Los usuarios de los algoritmos deben estar familiarizados con el rendimiento de su software en situaciones específicas.. También es mejor utilizar máscaras físicas reales en lugar de simulaciones digitales..
El reconocimiento facial se puede omitir
En agosto, expertos en seguridad publicaron hallazgos sobre cómo las tecnologías modernas de reconocimiento facial puede ser engañado por usuarios malintencionados utilizando una debilidad descubierta en los algoritmos de aprendizaje automático.
Uno de los métodos descubiertos se basó en el uso de un software especial diseñado para generar rostros fotorrealistas.. Este modelo de ataque se basa en varios marcos para crear tales imágenes..
Milena Dimitrova
Un escritor inspirado y administrador de contenido que ha estado con SensorsTechForum desde que comenzó el proyecto.. Un profesional con 10+ años de experiencia en la creación de contenido atractivo. Centrado en la privacidad de los usuarios y el desarrollo de malware, ella cree firmemente en un mundo donde la seguridad cibernética juega un papel central. Si el sentido común no tiene sentido, ella estará allí para tomar notas. Esas notas pueden convertirse más tarde en artículos! Siga Milena @Milenyim
Sígueme: