数据保护与生物识别技术相结合，已成为一种强大的鸡尾酒——无论出于正确和错误的原因。 一方面，前所未有的生物特征识别能力可以为当今的企业提供一个微笑的重要理由。然而，他们中的许多人努力避免法律问题，例如基于 .出于未知目的将人脸保存在数据库中可能会让消费者感到不舒服——不一定是因为它可能被滥用，而是因为一个人的肖像感觉失控了。 伊利诺伊州隐私保护法 这就是为什么最近几个月涌现出许多创新来对生物识别数据的使用进行一定程度的控制。密码学和安全通信的结合帮助引入了所谓的 .它将一个人的身份完全置于用户控制之下，使他们能够选择他们想要如何分享他们的身份特征。 自我主权身份 生物识别技术是访问自我主权身份的天然伴侣，因为它可以毫无疑问地证明所有者始终被识别。现在，欧盟国家已经在讨论如何将自我主权身份付诸实践。 实现这一目标的关键是提高计算能力和专用芯片组。这些促成因素 可以卸载生物识别和边缘设备（例如相机）所需的计算。这意味着通过网络发送的数据不包含整个视频流，而仅包含经过预处理的人脸，并以模板的形式提取。这些都比实际图像小 - 大大降低了带宽要求 - 并且不能用于重建原始人脸。即使被截获，这些数据对黑客来说也毫无用处。 边缘计算 高级计算支持在云上匹配提取的数据，减少对自己的、现场硬件及其相关安全框架的需求。最重要的是，托管在大型云存储库中的服务器通常比小型提供商维护的服务器具有更好的默认安全性。这样，企业可以将一些安全责任委托给云提供商。 最后但并非最不重要的一点是，神经网络的计算能力和进步允许使用对 通过使用神经网络，公司可以从合成人脸和训练神经网络所需的其他图像（例如 ID）生成数据集。像这样的网站 允许创建看起来逼真但不存在的面孔。这些可以替换现有的训练数据集或扩充它们。 任何人都不是真正个人的数据。 此人不存在 例如，生物识别公司可以使用此类图像生成更多具有某种肤色的面孔，以改进其数据集并避免对某些人群的偏见。生成器还可以处理难以获得的特定情况，例如对戴口罩的人进行面部识别训练，因为口罩可以以逼真的方式以数字方式添加到图像中。 其他程序可以旋转面部并从不同角度显示它们，从而进一步改进面部识别算法。尽管面部数据集并未在经过训练的算法中进行物理编码，但在获得或撤销训练数据集中人员的同意时可能会出现问题。合成面孔可以解决这些问题，甚至可以平衡可能的偏见——最终解决 在生物识别的壁橱里。 最大的骷髅之一

Read My Stories

該音頻是用故事的原始語言製作的！

太長; 讀書

Boost your HackerNoon story @ $159.99! 🚀

热门生物识别趋势及其处理用户隐私的方式

About Author

註釋

標籤

这篇文章刊登在

Related Stories

如何将您的工作流程提高 10 倍：17 个必备应用程序

成功云迁移的完整指南：策略和最佳实践

架构师指南：构建 AI/ML 数据湖参考架构

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

如何将您的工作流程提高 10 倍：17 个必备应用程序

成功云迁移的完整指南：策略和最佳实践

架构师指南：构建 AI/ML 数据湖参考架构

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps