Gezichtsherkenning tijdens een coronavirus-pandemie waarbij de meeste mensen maskers dragen, is een hot topic in beveiliging.
Een nieuwe NIST (National Institute of Standards and Technology) Onderzoek naar gezichtsherkenningstechnologie die is ontstaan nadat de Covid-19-pandemie begon, onthult aanzienlijke vooruitgang bij het herkennen van gemaskerde gezichten. Het verslag, getiteld "Doorlopende Face Recognition Vendor Test Part 6B: Nauwkeurigheid van gezichtsherkenning met gezichtsmaskers met behulp van post-COVID-19-algoritmen,”Beschrijft de prestaties van een tiental nieuwe algoritmen voor gezichtsherkenning.
Het vorige juli-rapport met details over de periode vóór maart 2020 toonde aan dat de software problemen had met gemaskerde gezichten. Het lijkt erop dat de algoritmen het nu veel beter doen. De nieuwe studie schetst de prestaties van 65 nieuwe algoritmen voor gezichtsherkenning, ze toe te voegen aan de eerder geteste. Dit maakt 152 totale algoritmen met verbeterde gezichtsherkenningsmogelijkheden.
Hoe zijn de algoritmen voor gezichtsherkenning gemaakt??
“Met dezelfde set 6.2 miljoen afbeeldingen zoals voorheen, het team testte opnieuw het vermogen van de algoritmen om "één-op-één" -afstemming uit te voeren, waarin een foto wordt vergeleken met een andere foto van dezelfde persoon - een functie die vaak wordt gebruikt om een smartphone te ontgrendelen,” stelt het rapport.
Opgemerkt moet worden dat op de afbeeldingen die in de analyse zijn gebruikt, maskervormen digitaal waren aangebracht in plaats van dat mensen echte maskers droegen.
Dus, wat ontdekte het rapport in termen van betrouwbaarheid van gezichtsherkenningsalgoritmen?
- Als zowel de nieuwe afbeelding als de opgeslagen afbeelding gemaskeerde gezichten zijn, foutpercentages lopen hoger.
- Hoe meer een gezicht een masker bedekt, hoe hoger het foutenpercentage van het algoritme.
- Maskerkleuren zijn van invloed op het foutenpercentage.
- Enkele algoritmen presteren goed met elke combinatie van gemaskerde of ongemaskeerde gezichten.
Een andere belangrijke conclusie op basis van de analyse laat zien dat 'individuele algoritmen verschillen'. Gebruikers van de algoritmen moeten goed bekend zijn met hoe hun software presteert in hun specifieke situaties. Het is ook beter om echte fysieke maskers te gebruiken in plaats van digitale simulaties.
Gezichtsherkenning kan worden omzeild
In augustus, beveiligingsexperts publiceerden bevindingen over hoe moderne gezichtsherkenningstechnologieën kunnen door kwaadwillende gebruikers voor de gek gehouden worden met behulp van een ontdekte zwakte in de algoritmen voor machine learning.
Een van de ontdekte methoden was gebaseerd op het gebruik van speciale software die was ontworpen om fotorealistische gezichten te genereren. Dit aanvalsmodel is afhankelijk van verschillende kaders voor het maken van dergelijke afbeeldingen.
Milena Dimitrova
Een bevlogen schrijver en contentmanager die sinds de start van het project bij SensorsTechForum werkt. Een professional met 10+ jarenlange ervaring in het creëren van boeiende inhoud. Gericht op de privacy van gebruikers en malware ontwikkeling, ze gelooft sterk in een wereld waar cybersecurity speelt een centrale rol. Als het gezond verstand heeft geen zin, ze zullen er zijn om aantekeningen te maken. Deze toelichtingen kunnen later om te zetten in artikelen! Volg Milena @Milenyim
Volg mij: