Tehnologiile de recunoaștere facială au făcut un salt calitativ în ultimul deceniu, devenind disponibile pe scară largă. Într-adevăr,
conform studiului Next Content
publicat în februarie 2019, 61% dintre francezi utilizează sau ar putea utiliza servicii securizate prin biometrie (amprente sau recunoaștere facială).
Aceste progrese sunt determinate în special de
învățarea profundă
și este posibil datorită disponibilității
seturi de date publice
. Aceste seturi de date, care includ mai multe sute de fotografii pentru fiecare persoană din zeci de mii de personalități diferite, sunt fundamentale pentru cercetare, atât în ceea ce privește formarea și dezvoltarea rețelelor neuronale, cât și în ceea ce privește furnizarea unui cadru comun de referință pentru a compara diferite abordări.
Evaluarea performanței unui sistem de recunoaștere facială se concentrează în principal în jurul a două aspecte majore:
– verificări de identitate: este persoana cine pretinde că este?
– identificare: este vorba de o persoană cunoscută? Și cine este ea?
Verificarea identității
Prima problemă este aceea de a verifica dacă o fotografie corespunde unei anumite identități. Vorbim despre o problemă „1:1”: compararea unei fotografii cu o identitate. Cele mai multe cazuri concrete de utilizare se referă la biometrie și la verificarea identității.
Pentru acest tip de problemă, performanța se măsoară în termeni de rată de recunoaștere pentru o rată fixă de acceptare falsă (sau „rată de falsificare”). Compromisul va depinde de constrângerile aplicației.
Pentru această clasă de probleme, cele mai recente cercetări a obținut rate de recunoaștere de 92,7% pentru o rată de acceptări false de 0,1%. Este important de reținut că acest criteriu de referință se bazează pe o mare varietate de fotografii: extrase video, imagini statice, variații mari de vârstă (pentru aceeași persoană) și aspect (coafură, expresie etc.).
Ca parte a procesului de abonare, acest tip de recunoaștere este utilizat pentru a autentifica utilizatorul, cerându-i o fotografie în timp real pentru a o compara cu documentul de identitate. Acest lucru înseamnă că, menținând fluiditatea unei călătorii online, putem crește drastic încrederea în autentificarea persoanei.
Identificare
Cea de-a doua clasă majoră de probleme implică identificarea unei persoane dintr-o fotografie dintr-o populație cunoscută sau dacă persoana respectivă nu face parte din acea populație. Aceasta este cunoscută sub numele de problema „1 : N”.
În cazul abonamentelor digitale, acest caz se aplică mai mult la lupta împotriva fraudei, pentru a verifica dacă fața unui utilizator nu aparține unui grup care a fost deja identificat.
Principala provocare în acest caz constă în mărimea populației care urmează să fie explorată. Cu cât există mai mulți indivizi diferiți, cu atât mai mari sunt șansele de a găsi doi indivizi care seamănă foarte mult unul cu celălalt și, prin urmare, de a păcăli sistemul.
O altă provocare este timpul de calcul: nu mai comparăm un singur model de identitate, ci N. Performanță
Stadiul actual al tehnologiei
este o rată de identificare de 86% (persoana respectivă aparține într-adevăr populației), cu 10% de falsuri pozitive.
Dacă aceste rezultate par puțin dezamăgitoare, ele trebuie puse în balanță cu faptul că aceasta este o problemă care nu este la îndemâna unui operator uman. Este imposibil să ne amintim mii de persoane diferite și să le identificăm.
Într-o epocă a supravegherii în masă, acest tip de spectacol ar permite, într-un mod destul de înfricoșător, să se găsească
o persoană printre milioane de oameni
.
Integrarea acestor noi progrese în cadrul
Încredere și semnalizare
reprezintă o adevărată schimbare în ceea ce privește prevenirea fraudei și experiența clienților. Având în vedere evoluțiile în materie de reglementare, acestea pot fi utilizate și pentru a asigura soliditatea juridică a acestor proceduri de subscriere prin corelarea documentelor de identitate și a utilizatorilor („liveness detection”).