1.4亿张图像！史上最大人脸识别数据研究显示隐私泄露加剧
近日，Mozilla的伊尼卢瓦·德博拉·拉吉(Inioluwa Deborah Raji)和纽约大学跨学科研讨机构AI Now Institute的技术研讨员吉纳维芙·弗里德(Genevieve Fried)就人脸辨认数据研讨发表了一篇名为About Face: A Survey of Facial Recognition Evaluation的论文。
论文就1976年至2019年之间的100多个脸部数据集进行研讨，其研讨规划包括来自超越1700万个查询方针的1.45亿张图像。《麻省理工学院技术谈论》发文称该论文是“有史以来规划最大的人脸辨认数据研讨，并且标清楚深度学习的兴起在多大程度上加重了隐私的损失”。
论文研讨发现，在深度学习对数据的爆炸式增加的驱动下，研讨人员逐渐初步不征求人们附和，从而导致越来越多的人的个人相片在他们不知情的情况下被整合到监视系统中。
论文首要确定了面部辨认展开的四个历史阶段，分别为：第一阶段(1964-1995)前期研讨阶段;第二阶段(1996-2006)被称为“新生物辨认”的商业可行性阶段;第三阶段(2007-2013)不受约束设置的干流开发阶段;第四阶段(2014年-往后)深度学习的突破阶段。
人脸辨认的四大阶段：跟着研讨人员对技术精确性要求的不断提高，人脸辨认数据集的规划呈指数增加。
外媒就该论文对人脸辨认的研讨，总结出了9个令人惊骇又惊奇的成果：
1.人脸辨认在学术环境中的表现与实践运用之间有着巨大的距离
两位作者研讨该项意图最首要原因之一是，为什么人脸辨认在系统测试精确率挨近100%时，在实践世界中的运用依然存在严峻缺陷。例如，人脸辨认在辨认黑人和棕色人种时精确性较差，最近也有报导显现，有三名黑人因被该技术差错辨认后被相继逮捕，一起在这三起案子中，被技术差错辨认的人都是黑人。
2.美国国防部对该技术的初步展开负有责任
虽然人脸辨认技术的开发始于学术环境，但国防部和美国国家规范与技术研讨院(NIST)于1996年将650万美元拨款投入，创立了迄今为止最大的数据集，尔后这项技术初步起步。政府对这一领域很感兴趣，由于在用于监视时，它与指纹辨认不同，不需求人们积极主动参加。
3.前期用于创立人脸辨认数据的相片来自人像摄影，这就产生了严峻缺陷
在2000年代中期之前，研讨人员积累数据库的办法是让人们坐下来摄影。由于现在的一些底子面部辨认技术数据正是来自于此，所以人脸肖像技术的缺陷也产生了一致，即参加者类型单一并且无法精确反映实践情况的阶段设置。
4.当人像摄影不够时，研讨人员便初步抓取Google并不再征求被摄方针的附和
2007年，一个名为“野生标签的面孔(Labeled Faces in the Wild)(LFW)”数据集的呈现，使研讨人员初步直接从Google，Flickr和Yahoo下载图像，而无需担忧是否附和，其间还包括儿童的相片。其他研讨人员随后汇编的名为“LFW +”的数据集，也放宽了对未成年人的归入规范，运用带有“婴儿”，“少年”和“青少年”等搜索词的相片来添加多样性。虽然这使相片的类型更加丰盛，但它也放弃了被摄方针的隐私权。
5.人脸辨认的下一次繁荣来自Facebook
2014年，Facebook运用其用户相片操练了一种称为DeepFace的深度学习模型。Facebook展现了数百万张相片如何创立出更好地能够完结人脸辨认使命的神经网络，从而使深度学习成为现代人脸辨认的柱石。
6.Facebook的大规划人脸辨认活动侵犯了用户的隐私
由于Facebook运用其用户上传的相片进行人脸辨认，而未征得该用户的附和，由此被联邦交易委员会(FTC)处以罚款，并向伊利诺伊州支付了一项宽和金。
7.仅在公共数据会集，人脸辨认就现已在1770万人的人脸上进行了操练
事实上，我们不知道在人脸辨认技术展开的过程中，运用了多少人的相片，和这些人的真实身份。
8.人脸辨认的自动化促生了令人反感的标签系统以及不平等的代表性
人脸辨认系统现已跨越了辨认面部或人物的规划，它们还能够以令人反感的办法符号人物及其属性，其间就包括一些比如“胖子”、“双下巴”、“大鼻子”、“大嘴唇”和“眼袋”等潜在侮辱性的标签。而研讨也标明，人工智能中的小看会强化实践世界中的小看。
9.人脸辨认技术的运用规划从政府监视延伸到广告定位
现在人脸辨认技术不只深耕于其自身的领域，其现在的展开也远超越1970年代其创造者的梦想。论文中标明，从历史背景上能够看出，政府从一初步就促进和支持了这项技术，以便于完结刑事查询和监视。亚马逊现已将其有问题的Rekognition技术出售给了无数警察部分就是其间一个比如。
论文在定论中说明，人脸辨认技术带来了复杂的道德和技术应战，忽视或许分化这种复杂性，对于那些布置不妥的人，也包括我们自己是倒霉的。
作者之一的拉吉希望这篇论文能够激发研讨人员考虑深度学习带来的功用提高、失去一致、详尽的数据验证和详尽的文档记载之间的权衡，她一起敦促那些想要持续树立人脸辨认功用的人考虑开发不同的技术：“要让我们真实测验运用该东西而又不伤及人，则需求从头想象我们所知道的全部。”更多安防动态关注海南安防资质网！