Các xu hướng sinh trắc học hàng đầu và cách họ tiếp cận quyền riêng tư của người dùng

Bảo vệ dữ liệu, kết hợp với sinh trắc học, đã trở thành một liều thuốc mạnh mẽ - vì cả lý do đúng và sai.

Một mặt, khả năng chưa từng có của nhận dạng sinh trắc học có thể cung cấp một lý do lớn để các doanh nghiệp ngày nay mỉm cười. Tuy nhiên, nhiều người trong số họ đổ mồ hôi công sức cố gắng ngăn chặn các vấn đề pháp lý, chẳng hạn như các vụ kiện dựa trên Đạo luật bảo vệ quyền riêng tư của Illinois . Việc lưu khuôn mặt của một người trong cơ sở dữ liệu cho những mục đích không xác định có thể khiến người tiêu dùng cảm thấy khó chịu - không nhất thiết là vì nó có thể bị lạm dụng, mà vì vẻ ngoài của một người cảm thấy mất kiểm soát.

Đó là lý do tại sao, trong những tháng gần đây, nhiều đổi mới đã xuất hiện để mang lại mức độ kiểm soát việc sử dụng dữ liệu sinh trắc học. Sự kết hợp giữa mật mã và giao tiếp an toàn đã giúp giới thiệu cái gọi là nhận dạng cá nhân toàn quyền . Nó mang lại danh tính của một người hoàn toàn dưới sự kiểm soát của người dùng, cho họ khả năng chọn cách họ muốn chia sẻ các đặc điểm ID của mình.

Sinh trắc học là một người bạn đồng hành tự nhiên để truy cập danh tính có chủ quyền của bản thân, vì nó có thể chứng minh, chắc chắn rằng chủ sở hữu luôn được xác định. Giờ đây, các nước EU nằm trong số những nước đã thảo luận về cách đưa bản sắc tự chủ vào thực tiễn.

Chìa khóa để đạt được điều đó là tăng sức mạnh tính toán và các chipset chuyên dụng. Những yếu tố này cho phép tính toán biên có thể giảm tải tính toán cần thiết cho sinh trắc học và các thiết bị cạnh, chẳng hạn như máy ảnh. Điều này có nghĩa là dữ liệu được gửi qua mạng không bao gồm toàn bộ luồng video mà chỉ bao gồm các khuôn mặt đã được xử lý trước, được trích xuất thành dạng mẫu. Cả hai đều nhỏ hơn hình ảnh thực tế - cắt giảm đáng kể yêu cầu băng thông - và không thể được sử dụng để tái tạo lại khuôn mặt ban đầu. Ngay cả khi bị chặn, dữ liệu sẽ trở nên vô dụng đối với hacker.

Điện toán nâng cao cho phép khớp dữ liệu được trích xuất trên đám mây, giảm nhu cầu về phần cứng riêng, tại chỗ và các khung bảo mật liên quan của nó. Trên hết, các máy chủ được lưu trữ trong các kho lưu trữ đám mây lớn thường có bảo mật mặc định tốt hơn nhiều so với các máy chủ được duy trì bởi các nhà cung cấp nhỏ. Bằng cách này, các doanh nghiệp có thể ủy thác một số trách nhiệm bảo mật cho nhà cung cấp đám mây.

Cuối cùng nhưng không kém phần quan trọng, sức mạnh tính toán và những tiến bộ trong mạng nơ-ron cho phép sử dụng dữ liệu không thực sự cá nhân đối với bất kỳ ai. Bằng cách sử dụng mạng nơ-ron, các công ty có thể tạo bộ dữ liệu từ các khuôn mặt tổng hợp và các hình ảnh khác cần thiết để đào tạo mạng nơ-ron (ví dụ: ID). Các trang web như Người này không tồn tại cho phép tạo ra các khuôn mặt trông thực tế nhưng không tồn tại. Chúng có thể thay thế các tập dữ liệu đào tạo hiện có hoặc tăng cường chúng.

Ví dụ: một công ty sinh trắc học có thể sử dụng những hình ảnh như vậy để tạo thêm khuôn mặt của một nước da nhất định nhằm cải thiện tập dữ liệu của họ và tránh thiên vị đối với một số nhóm người nhất định. Trình tạo cũng có thể xử lý các trường hợp cụ thể khó có được, chẳng hạn như đào tạo nhận dạng khuôn mặt cho những người đeo mặt nạ, vì mặt nạ có thể được thêm kỹ thuật số vào hình ảnh theo cách thực tế.

Các chương trình khác có thể xoay khuôn mặt và hiển thị chúng từ các góc độ khác nhau, cải thiện hơn nữa các thuật toán nhận dạng khuôn mặt. Mặc dù tập dữ liệu về khuôn mặt không được mã hóa vật lý trong thuật toán được đào tạo, nhưng có thể có vấn đề với việc lấy hoặc hủy bỏ sự đồng ý từ người trong tập dữ liệu đào tạo. Khuôn mặt tổng hợp có thể giải quyết những vấn đề như vậy và thậm chí cân bằng những thành kiến có thể xảy ra - cuối cùng cũng giải quyết được một trong những bộ xương lớn nhất trong tủ quần áo sinh trắc học.