كيف تعمل تقنية التعرف على الوجه؟
تقنية التعرف على الوجه هي نوع من تقنيات المقاييس الحيوية التي تستخدم البيانات للتحقق من وجود وجه الإنسان في الالتقاط الرقمي. هناك نوعان من الاستخدامات الرئيسية لبرامج التعرف على الوجه: التعرف والمصادقة.
- تقنية التعرف على الوجوه (FRT) – تتحقق من وجود فرد معين في الالتقاط الرقمي.
- برنامج مصادقة الوجه (FAS) – يمنح فردًا معينًا وصولًا ماديًا أو رقميًا إلى شيء ما. يشير استخدام كلمة المصادقة إلى أن المستخدم قد أعطى موافقته على جمع بيانات بصمة وجهه وتخزينها. بالإضافة إلى ذلك، تم إخبارهم بما يتم استخدام البيانات من أجله ويمكنهم طلب إلغاء الاشتراك في النظام في أي وقت.
تقنية التعرف على الوجه.
تضيف إضافة إمكانيات التعرف على الوجه إلى أي نظام تكنولوجيا معلومات مستوى عالٍ من الأمان مع توفير تجربة مستخدم خالية من الاحتكاك.
يستخدم تطبيق Microsoft Photos في نظامي التشغيل Windows 10 و Windows 11. على سبيل المثال، اكتشاف الوجوه وتقنيات تجميع الوجه لتنظيم صور المستخدم.
في المقابل، يعد Windows Hello و Apple Face ID مثالين شائعين لكيفية استخدام برامج التعرف على الوجه اليوم للمصادقة.
تتمثل إحدى الفوائد الرئيسية لاستخدام مصادقة الوجه للتحكم في الوصول المادي في أنها توفر مستوى أعلى من الأمان عند مقارنتها بالأنظمة التقليدية القائمة على بيانات الاعتماد المادية.
فائدة أخرى مهمة هي أنها تحرر المستخدمين من الاضطرار إلى إنشاء كلمات مرور قوية فريدة وتحديثها وتوفر تجربة مستخدم أفضل. حيث تتطلب تقنيات التعرف على الوجوه والمصادقة على الوجه اشتراك المستخدم.
اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي وقانون حماية المستهلك في كاليفورنيا (CCPA) في الولايات المتحدة الأمريكية. وهما مثالان مهمان لكيفية إنشاء الحماية التشريعية للحد من استخدام برامج التعرف على الوجه غير التعاونية من أجل حماية النهاية، أي خصوصية المستخدم.
كيف يعمل برنامج التعرف على الوجه؟
أثناء التسجيل، يتم إرسال صورة (على سبيل المثال، صورة فوتوغرافية، أو لقطة رقمية، أو مقطع فيديو) لوجه شخص معروف إلى نظام التعرف على الوجه.
بينما قد تختلف تقنيات كل نظام، بشكل عام، يتم قياس الخصائص المميزة لكل وجه. مثل المسافة بين العينين، وعرض الأنف، وعمق تجويف العين.
تُعرف هذه الخصائص باسم “النقاط العقدية”. يتم استخراج النقاط العقدية من صورة الوجه ويتم تحويلها من خلال استخدام الخوارزميات إلى ملف فريد يسمى نموذج مرجعي أو نموذج قياس حيوي.
يتم تخزين العينات المرجعية وقوالب القياسات الحيوية في مستودع بيانات للمقارنة المستقبلية مع الالتقاطات الأخرى.
تقليديًا، استندت مصادقة الوجه، مثل العديد من تقنيات المقاييس الحيوية، إلى حساب احتمال أن البيانات التي تمثل هوية الشخص في الوقت الفعلي تعكس بدقة العينة المرجعية للفرد التي تم جمعها أثناء التسجيل.
يستخدم نهج واحد لكثير تقنيات مثل مسافة الطرق لحساب النسبة المئوية للأرقام الثنائية (بت) من الالتقاط المباشر التي تتطابق مع العينة المرجعية للفرد.
عيب هذا النهج هو أنه على عكس بصمات الأصابع أو مسح قزحية العين، غالبًا ما يتغير مظهر الوجه بمرور الوقت. عندما يتم جمع عينات مرجعية فقط أثناء التمكين، يمكن أن يؤدي تغيير جذري في مظهر وجه شخص ما إلى رفض النظام للدخول.
لحسن الحظ، فإن التحسينات في التعلم الآلي (ML) والذكاء الاصطناعي (AI) تجعل من الممكن تحديث العينات المرجعية باستمرار في الوقت الفعلي.
بالإضافة إلى تحسين الدقة، فإن هذا له تأثير إيجابي في تسهيل استخدام هذا النوع من النظام على مدى فترة زمنية طويلة.
استخدامات برامج التعرف على الوجه.
يلعب التعرف على الوجوه دورًا مهمًا في المصادقة متعددة العوامل ويتم استخدامه بشكل متزايد في بعض أنحاء العالم لإضافة طبقة إضافية من الأمان لمعاملات أجهزة الصراف الآلي ومحطات نقاط البيع (POS).
تشمل الاستخدامات الشائعة الأخرى ما يلي:
- الأمن الرقمي – فتح الهاتف الذكي أو الكمبيوتر المحمول أو الملف الحساس أو تطبيق الأعمال.
- الأمان المادي – فتح البوابة أو الباب.
- إنفاذ القانون – التعرف على مجرم أو مفقود معروف في حشد من مسافة بعيدة.
- البيع بالتجزئة – تنبيه مديري المتاجر عندما يدخل السارقون المدانون إلى مؤسسة بيع بالتجزئة معينة.
- الحضور والتحكم في الحشود – تقديم رؤى استخباراتية للحشود حول المساحات داخل المبنى التي يتم استخدامها ومن قبل من.
إقرأ أيضاً… تطبيقات إنترنت الأشياء IoT في حياتنا الواقعية.
التعرف على الوجه والثقة الصفرية.
يلعب التعرف على الوجوه دورًا مهمًا في استراتيجية الأمان المعروفة باسم عدم الثقة أو الثقة الصفرية (Zero Trust).
المفهوم الأساسي لعدم الثقة هو أنه لا توجد ثقة ضمنية ممنوحة للأصول أو حسابات المستخدمين بناءً فقط على موقعها الفعلي أو موقع الشبكة.
تركز الثقة الصفرية على حماية الموارد وفرضية أن الثقة لا تُمنح ضمنيًا أبدًا ويجب تقييم الثقة باستمرار. تضيف أنظمة المصادقة التي تتضمن مكونات التعرف على الوجه مستوى من التحقق يتوافق مع مبادئ الثقة الصفرية.
يتمثل التحدي في معرفة كيفية قفل كل مورد دون مقاطعة سير العمل. والنتيجة هي أن أنظمة القياسات الحيوية، التي لم تتمتع في بعض الحالات بعمليات نشر جماعية بسبب سوء تجربة المستخدم.
تستخدم الآن خوارزميات التعلم الآلي والذكاء الاصطناعي للتغلب على أحد أكبر العوائق أمام التبني على نطاق واسع – الحاجة إلى تحديث المرجع باستمرار عينات.
مخاوف بشأن تقنية التعرف على الوجه.
خضعت برامج التعرف على الوجه لتدقيق شديد في السنوات العديدة الماضية لأن بعض الشركات استفادت من التكنولوجيا بطرق يعتقد الكثير من الناس أنها تنتهك حقوق الخصوصية الخاصة بهم.
جمعت هذه الشركات خلسة بيانات القياسات الحيوية من المستخدمين الذين لم يكونوا، في بعض الحالات، على دراية بجمع البيانات. تم بعد ذلك تجميع البيانات في قواعد بيانات كبيرة تمت مشاركتها، أو حتى بيعها إلى كيانات خارجية.
تتضمن المخاوف الأخرى المتعلقة باستخدام التعرف على الوجه لدعم بنية انعدام الثقة ما يلي:
- احتمالية حدوث تحيزات متعلقة بالعرق أو الجنس أو السن.
- مخاوف الامتثال بشأن كيفية جمع قوالب مرجعية للصور والاحتفاظ بها وتأمينها.
- مخاوف الخصوصية بشأن ما إذا كان يجب إخطار الأشخاص الذين لم يختاروا نظام التعرف على الوجه عند التقاط صورهم أم لا.
- وضع المعايير وتمرير التشريعات التي تحكم استخدام وكالات إنفاذ القانون للتكنولوجيا.
