Når du kjøper via tilknyttede lenker på nettstedet vårt, kan vi motta en provisjon uten ekstra kostnad for deg. Les mer om 
Ansiktsgjenkjenning er en teknologi som identifiserer personer basert på ansiktstrekk, og den brukes i økende grad som et alternativ til passord.Her ser vi nærmere på hvordan teknologien fungerer, og hvilke fordeler og utfordringer den gir som erstatning for tradisjonelle passord.
Hva er ansiktsgjenkjenning?
Ansiktsgjenkjenning er en type biometrisk teknologi som kan gjenkjenne menneskelige ansikter i et digitalt fotografi eller videoopptak ved å analysere pikselmønstre. Teknologien kan brukes i én-til-én-sammenligninger for ansiktsverifisering for å gi fysisk eller virtuell tilgang, eller den kan brukes i én-til-mange ansiktsidentifikasjonssøk for å matche et ukjent ansikt med et kjent ansikt i en database.
Visste du at?
Det første ansiktsgjenkjenningssystemet ble utviklet på 1960-tallet av Woody Bledsoe, sammen med forskerne Helen Chan Wolf og Charles Bisson. Metoden deres gikk ut på å måle og kartlegge ansiktstrekk manuelt, for eksempel avstanden mellom øyne og ører, for å lage en database for sammenligning av fotografier.
Nøkkelpunkter
- Ansiktsgjenkjenningsteknologi (FRT) analyserer pikselmønstre i et digitalt bilde for å identifisere tilstedeværelsen av et menneskelig ansikt.
- Programvaren bruker avstanden mellom øynene og andre målinger til å lage en digital representasjon (ansiktsavtrykk) av hvert ansikt i et bilde.
- Ansiktsavtrykkene kan brukes til å gi adgang eller identifisere bestemte personer i en folkemengde.
- Nøyaktigheten til ansiktsgjenkjenningssystemer kan variere avhengig av algoritmene de bruker og dataene som brukes til å trene dem opp.
- Programvare for ansiktsgjenkjenning bruker tillitspoeng for å angi sannsynligheten for at to bilder er av samme person.
Hvordan ansiktsgjenkjenning fungerer
Ansiktsgjenkjenningsteknologi (FRT) bruker datasyn til å analysere pikselmønstre i et digitalt bilde eller videoopptak, finne ut om det finnes menneskelige ansikter og lage digitale representasjoner (ansiktsavtrykk) for hvert ansikt.
Hvert ansiktsavtrykk vil vanligvis inneholde data om lengden eller bredden på ansiktets nese, avstanden mellom øynene, dybden på øyehulene, formen på kinnbeina og lengden på kjevelinjen.
Dataene kan brukes til å identifisere en ukjent person ved å sammenligne ansiktsavtrykket med kjente bilder i en database. De kan også brukes til å verifisere en påstått identitet ved å sammenligne et bilde tatt i sanntid med et tidligere lagret bilde i et system for identitets- og tilgangsstyring (IAM).
I sanntidsapplikasjoner kan livlighetsfunksjoner brukes til å forhindre spoofing-angrep som prøver å bruke utskrevne bilder eller falske videoer.
Resultatene av ansiktsgjenkjenning er probabilistiske, ikke deterministiske. Teknologien bruker tillitspoeng for å vurdere sannsynligheten for at to bilder er av samme person.
Graden av nøyaktighet avhenger av flere faktorer, blant annet kvaliteten på bildet eller live-opptaket som brukes til sammenligning, kvaliteten på deep learning-algoritmene som brukes under bildeanalysen, og kvaliteten på dataene algoritmene ble trent opp på. Begrensede opplæringsdata kan føre til unøyaktige eller diskriminerende resultater som er partiske mot visse demografiske grupper.
Ansiktsgjenkjenningens historie
- På 1960-tallet utviklet Woodrow Wilson Bledsoe et system som brukte rutenettlinjer til å klassifisere bilder av ansikter, noe som markerte begynnelsen på ansiktsgjenkjenningsteknologien.
- På 1990-tallet utviklet Eigenfaces-algoritmen feltet ved å bruke en statistisk teknikk innen maskinlæring (ML) kalt prinsipal komponentanalyse (PCA) for å gjenkjenne individuelle ansikter i store datasett.
- På 2000-tallet ble både nøyaktigheten og hastigheten til ansiktsgjenkjenningssystemene forbedret med innføringen av dyp læring.
- I dag er ansiktsgjenkjenningsteknologi i stor grad integrert i forbrukerelektronikk og offentlige sikkerhetssystemer.
Bruksområder for ansiktsgjenkjenningssystemer
Systemer for ansiktsgjenkjenning kan brukes til å identifisere et ansikt i et bilde, verifisere en påstått identitet eller matche et bilde av en ukjent person med et bilde av en kjent person.
Populære bruksområder for programvare for ansiktsintegrasjon er blant annet
- Opprette og verifisere digitale ID-er
- Tagging av bilder i sosiale medier
- Søke etter bilder av bestemte personer i et fotobibliotek
- Personalisering av annonser i offentlige rom
- Hjelp til å finne en savnet person
- Identifisere tilstedeværelsen av kjente kriminelle
- Betale for varer eller tjenester
- Potensiell verifisering av en persons alder
Eksempler på ansiktsgjenkjenning
Populære programvaresystemer for ansiktsgjenkjenning og programmeringsgrensesnitt (API-er) inkluderer
- Microsoft Azure Face Service
- Amazon Rekognition
- Face++
- Google Cloud Vision API
- Clearview AI
Ansiktsgjenkjenning vs. andre typer biometrisk identifikasjonsteknologi
Hver biometrisk metode har sine styrker og svakheter, og valget av hvilken biometrisk metode som skal brukes, avhenger av det spesifikke bruksområdet. Ansiktsgjenkjenningsteknologi er for eksempel skalerbar og kan implementeres eksternt, men den er ikke alltid nøyaktig. Fingeravtrykk og irisskanning er derimot svært nøyaktige, men krever nærhet.
Multimodal biometri bruker mer enn én biometrisk teknologi for å forbedre nøyaktigheten og gi et ekstra sikkerhetslag. Denne strategien reduserer ikke bare sannsynligheten for falske treff, den gjør det også vanskeligere for trusselaktører å forfalske systemet.
Sikkerhets- og personvernhensyn ved ansiktsgjenkjenning
Ansiktsgjenkjenningens evne til å operere passivt og på avstand gir både unike fordeler og personvernutfordringer.
Skjult datainnsamling
Med digitale kameraer i det offentlige rom og bilder som enkelt kan hentes fra sosiale medier, kan myndigheter og bedrifter samle inn ansiktsdata uten at folk vet om det. Dette gir grunn til bekymring for personvernet og borgernes rettigheter, særlig hvis dataene misbrukes av myndigheter eller private selskaper.
Risikoer knyttet til datasikkerhet
Sikkerheten til ansiktsgjenkjenningsdata er avgjørende. Hvis en database blir kompromittert, kan det få alvorlige konsekvenser. I motsetning til passord er ansiktsavtrykk permanente og kan ikke endres. Dagens systemer er i økende grad i stand til å håndtere variasjoner i utseende og kan ofte gjenkjenne personer til tross for endringer i ansiktshår, briller, vektsvingninger eller alder.
Fordeler og ulemper med ansiktsgjenkjenningsteknologi
- Styrker sikker tilgang
- Hjelper med å spore kriminelle
- Verifiserer identiteten til reisende
- Automatiserer oppmøte- og ID-oppgaver
- Hjelper med å finne savnede personer
- Muliggjør automatisk tagging av bilder
- Samler inn data uten samtykke
- Tillater sporing uten samtykke
- Reduserer offentlig anonymitet
- Øker antall feil for visse demografiske grupper
- Risikerer identitetstyveri med ansiktsdata
- Øker kostnadene for etterlevelse og vedlikehold
Konklusjon
Ansiktsgjenkjenning er et kraftig autentiserings- og verifiseringsverktøy som også reiser alvorlige spørsmål om personvern, skjevheter og potensielt misbruk.
Det ville være en feil om definisjonene av ansiktsgjenkjenning bare forklarte teknologiens muligheter uten å se på behovet for standarder og regulering.
Ofte stilte spørsmål
Hva er ansiktsgjenkjenning i enkle ord?
Hvordan fungerer ansiktsgjenkjenning?
Hva er et eksempel på ansiktsgjenkjenning?
Hvorfor er ansiktsgjenkjenning ulovlig?
Hvordan vet ansiktsgjenkjenning hvem du er?
Referanser
- Tutorial – Using Face Check with Entra Verified ID and unlocking high assurance verifications at scale – Microsoft Entra Verified ID | Microsoft Learn (Learn.microsoft)
- Facial Recognition Technology: Verification vs. Identification (Leg.mt)
- Confidence Score – an overview | ScienceDirect Topics (Sciencedirect)
- Facial Recognition: Secret History Shows Woody Bledsoe, CIA Roles | Observer (Observer)
- OpenCV Eigenfaces for Face Recognition – PyImageSearch (Pyimagesearch)
- Principal Component Analysis (PCA) Explained | Built In (Builtin)
