dimanche, 14 avril 2024

Promesse de distillation des connaissances pour débiaiser le PAD biométrique discutée lors d’un événement EAB

La technique ingénieuse pour la formation de dispositifs d’apprentissage de conceptions connue sous le nom de « compréhension de la distillation » est prometteuse pour réduire les biais dans les systèmes biométriques anti-usurpation.

Plus de 130 participants se sont inscrits pour le discours de lancement virtuel de l’Association européenne de biométrie (EAB) sur « l’atténuation des biais dans l’anti-usurpation d’identité par la compréhension de la distillation », présenté par Idriss Mghabbar, ingénieur en vision des systèmes informatiques d’Unissey.

La distillation des connaissances est une méthode largement appropriée, a rappelé Mghabbar au début de la présentation, dans laquelle les conceptions sont construites en tant qu' »instructeurs » pour former d’autres des modèles; leurs « étudiants ». Les modèles d’étudiants, comme les expériences d’Unissey l’ont en fait révélé, peuvent être entraînés pour effectuer une détection d’attaque de présentation biométrique (PAD) avec non seulement une variation plus faible entre les performances parmi diverses données démographiques, mais améliorent également la précision totale.

Unissey a en fait a développé sa propre stratégie de détection de la vivacité passive et a en fait expérimenté la distillation de la compréhension pour atténuer les prédispositions sexuelles et raciales. La technologie PAD biométrique de l’entreprise a été récemment testée pour la conformité aux exigences ISO/IEC par le laboratoire français CLR.

Les conceptions des instructeurs sont formées avec une architecture sans contrainte pour atteindre la meilleure efficacité possible, comme le note Mghabbar « la distillation peut être aussi bon que l’instructeur qu’il utilise. » Le modèle étudiant intègre des contraintes, et est donc très probablement plus léger. La conception du stagiaire est évaluée dans son processus de formation non seulement par rapport à la réalité du terrain, mais également aux « objectifs souples » fournis par la conception de l’instructeur, a décrit Mghabbar.

Il décrit la distillation fixe et dynamique, et conseille la distillation dynamique (c’est-à-dire avec des échantillons accrus).

Un cas d’utilisation pour ce type de méthode est l’atténuation des biais.

Pour ce cas d’utilisation, les instructeurs sont des modèles spécialisés « spécialistes dans leurs domaines particuliers,  » et les modèles de stagiaires sont des étudiants  » multi-domaines « , où chaque domaine est une catégorie, telle qu’une culture ethnique spécifique.

Une conception générique est utilisée pour affiner le modèle de mentor pour compenser le faible nombre d’échantillons dans le domaine offert. Pour chaque formation sur chaque échantillon, seule la conception de l’instructeur liée au domaine particulier est déclenchée. Cela permet à la fois une plus grande précision et une formation plus rapide, explique Mghabbar.

Avoir un ensemble de données bien équilibré reste pour cette raison le composant le plus crucial pour réduire les biais grâce à la compréhension de la distillation, en raison des informations spécifiques au domaine utilisées dans l’instructeur procédure de formation.

Mghabbar a également expliqué comment déterminer correctement le développement de la formation pour s’assurer à la fois une diminution de la prédisposition et une précision PAD biométrique élevée totale.

Suite à la présentation, des préoccupations concernant la formation des instructeurs. et l’évaluation ont été mises en place par Mghabbar, et il a discuté de la nécessité de limiter la variété des domaines utilisés pour empêcher la distillation de réduire les performances globales.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici