ensemble d’articles expliquant pourquoi les systèmes biométriques sont si souvent jugés moins fiables avec certains groupes démographiques et comment mesurer ces disparités ont été publiés par des chercheurs du Laboratoire des sciences de l’identité et des données du Maryland Test Center.
John Howard de MdTF, qui est utilisé pour les tests biométriques du DHS, a expliqué les documents dans un post sur LinkedIn.
« L’effet disparate dans la reconnaissance faciale provient de l’effet d’homogénéité large : une étude de cas et une approche pour corriger les attributs » la question du biais biométrique au « regroupement démographique ». C’est le phénomène où l’utilisation de caractéristiques déterminées (au moins en partie) par le sexe ou l’origine ethnique des individus augmente les cotes de ressemblance entre les personnes.
Le document montre qu’il est possible de supprimer les modèles de caractéristiques partagé au sein des groupes de groupe tout en conservant des fonctionnalités uniques qui peuvent être utilisées pour la reconnaissance faciale. Le groupe a utilisé des stratégies de dimensionnalité directe pour augmenter « l’équité » de 2 algorithmes ArcFace, mesurés de quatre manières différentes, sans diminuer les taux de correspondance réels.
‘Évaluer les modèles d’équité proposés pour les algorithmes de reconnaissance faciale’ réfléchit à la Fairness Inconsistency Rate (FDR) proposé par les scientifiques de l’Idiap et le Injustice Rate (IR) proposé par les scientifiques du NIST. Les deux métriques se révèlent difficiles à interpréter en raison de caractéristiques mathématiques fondamentales. Les auteurs de l’étude proposent donc les critères de procédure d’équité fonctionnelle (FFMC) pour faciliter l’interprétation des mesures ci-dessus.
Ils développent également une toute nouvelle procédure, le taux d’agrégation de Gini pour l’équité biométrique (GARBE). Cette méthode de mesure est basée sur le coefficient de Gini, qui est une mesure statistique de la dispersion normalement utilisée pour déterminer l’inégalité des revenus.
Les travaux sur une approche d’examen sont prévus pour soutenir directement la norme ISO 19795-10, qui fixe une norme mondiale pour la prédisposition dans la reconnaissance faciale.
Les deux documents sont apparus dans la publication de la 26e Conférence internationale sur la reconnaissance des modèles (ICPR 2022) Fairness in Biometrics Workshop.
Toute l’actualité en temps réel, est sur L’Entrepreneur
