Se débarrasser des fonctions faciales associées à la race et au sexe peut rendre les algorithmes biométriques des visages moins susceptibles de dérouter les gens en fonction de ces données démographiques, selon une nouvelle recherche du département américain de la Sécurité intérieure.
L’article « Mesurer le niveau auquel les caractéristiques de race et de genre déterminent l’identité dans les algorithmes de reconnaissance faciale des entreprises » révèle que l’identité raciale et de genre contribue à environ 10 % à la variation des cotes de ressemblance biométrique des visages.
La composition de la base de données biométrique avec laquelle une image est comparée pourrait avoir une influence majeure sur l’étendue des distinctions de précision pour divers groupes, en particulier dans les applications policières, le scientifique principal des données du DHS Maryland Test Center, John Howard, décrit dans un article sur LinkedIn. Il suggère que l’ensemble des travaux existants sur l’équité dans la biométrie faciale basée sur l’appariement 1:1, ou la confirmation, n’offre pas toujours un aperçu précis du problème dans les circonstances 1:N ou de reconnaissance.
Le document a été rédigé par Howard, Yevgeniy Sirotin et Jerry Tipton du Maryland Test Facility (MdTF) du DHS, avec Arun Vemury de la Direction des sciences et de la technologie du DHS.
Ils ont utilisé les données recueillies lors du rallye de la technologie biométrique 2018 pour évaluer quelles fonctions sont utilisées pour établir l’identité. Ils ont découvert que les algorithmes de biométrie du visage, bien que pas les algorithmes de reconnaissance de l’iris, utilisent des fonctions liées à la race et au sexe. Les cotes de ressemblance sont plus élevées pour les personnes de la même race ou du même sexe par rapport aux cinq principaux algorithmes de reconnaissance faciale.
Les scientifiques proposent ensuite un système pour mesurer l’utilisation des caractéristiques associées à la race et au sexe, et ont examiné la possibilité d’éliminer ces fonctions de la considération. L’efficacité des algorithmes a été réduite lorsqu’ils se sont débarrassés de ces fonctionnalités, selon l’article, mais pas en dessous des niveaux utiles.
La majorité des algorithmes biométriques des entreprises ne semblent pas restreindre l’extraction de fonctionnalités ou la prise en compte de ceux qui ne sont pas liés à la race et au sexe, dont les scientifiques pensent qu’ils pourraient être dus à l’utilisation de réseaux de neurones convolutifs profonds, qui sont censés emprunter des « routes » en utilisant des informations corrélées, mais finalement fausses dans la catégorie d’articles.
L’utilisation de caractéristiques particulières et de galeries de référence biométriques bien équilibrées représenterait un écart par rapport à la méthode actuelle courante de réduction des bases, soulignent les chercheurs, qui se concentre sur la fourniture de taux d’erreur de correspondance incorrects similaires pour divers groupes de groupes.
Le NIST explore également les prédispositions en matière d’IA dans le but d’aider le marché à baisser et éventuellement à l’éliminer.
Toute l’actualité en temps réel, est sur L’Entrepreneur
