La reconnaissance faciale lors d'une pandémie de coronavirus lorsque la plupart des gens portent des masques est un sujet brûlant en matière de sécurité.
Un nouveau NIST (Institut national des normes et de la technologie) L'étude de la technologie de reconnaissance faciale créée après le début de la pandémie de Covid-19 révèle des progrès significatifs dans la reconnaissance des visages masqués. Le rapport, intitulé «Test continu du fournisseur de reconnaissance faciale, partie 6B: Précision de la reconnaissance faciale avec les masques faciaux utilisant des algorithmes post-COVID-19,»Détaille les performances d'une douzaine de nouveaux algorithmes de reconnaissance faciale.
Le précédent rapport de juillet détaillant la période avant mars 2020 a montré que le logiciel avait des problèmes avec les visages masqués. Il semble que maintenant les algorithmes se portent beaucoup mieux. La nouvelle étude décrit les performances de 65 nouveaux algorithmes de reconnaissance faciale, en les ajoutant à ceux testés précédemment. Cela fait 152 algorithmes totaux avec des capacités de reconnaissance faciale améliorées.
Comment ont été créés les algorithmes de reconnaissance faciale?
“En utilisant le même ensemble de 6.2 millions d'images comme auparavant, l'équipe a de nouveau testé la capacité des algorithmes à effectuer des correspondances «un à un», dans laquelle une photo est comparée à une photo différente de la même personne - une fonction couramment utilisée pour déverrouiller un smartphone,” les notes de rapport.
Il convient de noter que les images utilisées dans l'analyse avaient des formes de masque appliquées numériquement au lieu de personnes portant des masques réels.
Si, qu'a découvert le rapport en termes de fiabilité des algorithmes de reconnaissance faciale?
- Lorsque la nouvelle image et l'image stockée sont des visages masqués, les taux d'erreur sont plus élevés.
- Le plus d'un visage qu'un masque couvre, plus le taux d'erreur de l'algorithme a tendance à être élevé.
- Les couleurs du masque affectent le taux d'erreur.
- Quelques algorithmes fonctionnent bien avec n'importe quelle combinaison de visages masqués ou non masqués.
Une autre conclusion significative basée sur l'analyse montre que «les algorithmes individuels diffèrent». Les utilisateurs des algorithmes doivent bien connaître les performances de leur logiciel dans leurs situations spécifiques. Il est également préférable d'utiliser de vrais masques physiques plutôt que des simulations numériques.
La reconnaissance faciale peut être contournée
En août, des experts en sécurité ont publié des résultats sur la façon dont les technologies modernes de reconnaissance faciale peut être trompé par des utilisateurs malveillants utilisant une faiblesse découverte dans les algorithmes d'apprentissage automatique.
L'une des méthodes découvertes reposait sur l'utilisation de logiciels spéciaux conçus pour générer des visages photoréalistes. Ce modèle d'attaque repose sur plusieurs frameworks pour créer de telles images.
Milena Dimitrova
Un écrivain et gestionnaire de contenu inspiré qui travaille avec SensorsTechForum depuis le début du projet. Un professionnel avec 10+ années d'expérience dans la création de contenu engageant. Axé sur la vie privée des utilisateurs et le développement des logiciels malveillants, elle croit fermement dans un monde où la cybersécurité joue un rôle central. Si le bon sens n'a pas de sens, elle sera là pour prendre des notes. Ces notes peuvent se tourner plus tard dans les articles! Suivre Milena @Milenyim
Suivez-moi: