فن‌آوری بیومتریک تشخیص چهره

فن‌آوری تشخیص چهره، علم بیومتریک را در اندازه‌گیری ویژگی‌های چهره کاربر به کار می‌گیرد. الگوریتم‌های تشخیص چهره با شناسایی و اندازه‌گیری مشخصه‌ها و ویژگی‌های نقاط مختلف چهره انسان، ازجمله محل قرارگیری چشم‌ها، ابروها، بینی، دهان، چانه و گوش‌ها یک الگوی بیومتریک ایجاد می‌کند. دو الگو با یکدیگر مقایسه می‌شوند تا میزان مطابقت مشخص شود، و این میزان نشان می‌دهد که چقدر احتمال دارد هردو تصویر به یک شخص تعلق داشته باشد.

برای اطمینان از این‌که منبع نمونۀ بیومتریک یک بازتولید دیجیتالی یا کاغذی نیست، از الگوریتم تشخیص زنده بودن فرد (live detection) استفاده می‌شود.

موارد استفاده

سازمان‌های مجری قانون از فن‌آوری تشخیص چهره برای جستجوی مجرمان تحت‌تعقیب و شناسایی قطعی فرد موردنظر استفاده می‌کنند. آنها می‌توانند یک عکس یا فیلم را که اخیراْ گرفته شده، با یک پایگاه داده از عکس‌های موجود مطابقت دهند تا به شناسایی شخص کمک کند. دولت‌های سراسر جهان از تشخیص چهرۀ بیومتریک برای انواع برنامه‌ها ازجمله گمرک و امنیت مرزی، جلوگیری از کلاهبرداری و شناسۀ شهروندی استفاده می‌کنند.

به تازگی احراز هویت موبایل‌ها به رایج‌ترین گزینه‌ای تبدیل‌شده که بخش خصوصی (private-sector) از آن برای تشخیص چهره استفاده می‌کند و به واسطۀ آن تصویر چهرۀ ما جایگزین کلمۀ رمز عبور شده است. کاربران می‌توانند با استفاده از قابلیت تشخیص چهره، به عنوان یک گزینۀ راحت و مطمئن، به جای پین‌ها و رمز‌های عبور، به سیستم‌‌های خود وارد شوند. گنجاندن تشخیص چهره در یک برنامۀ تلفن همراه مثل برنامه‌های بانکی یا سایر برنامه‌های امنیتی، به ارائه‌دهندۀ برنامه این امکان را می‌دهد تا کنترل بیشتری بر ویژگی‌های امنیتی داشته باشد.

مزایای فن‌آوری بیومتریک شناسایی چهره

هر روش بیومتریک مزایا و معایبی به همراه دارد. تشخیص چهره در مقایسه با سایر روش‌های بیومتریک چند مزیت دارد:

1) تکثیر داده‌های تصاویر دیجیتال چهره:

میلیارد‌ها تصویر چهرۀ دیجیتالی از منابع بی‌شمار وجود دارند، که برای آموزش الگوریتم بی‌نهایت مفید هستند، به ویژه الگوریتم‌هایی که از تکنیک‌های یادگیری ماشین (machine learning) استفاده می‌کنند.

2) بهبود شناسایی دستی چهرۀ انسان:

از بیومتریک می‌توان هم‌زمان با فرایند‌های تشخیص چهرۀ بصری انسان، مانند مقایسۀ یک فرد زنده با تصویر صورتش، در گواهینامۀ رانندگی یا کارت‌های شناسایی دیگر، استفاده کرد. از فناوری تشخیص چهره می‌توان برای اتوماسیون و تقویت این فرایند بهره گرفت و دقت تطبیق بیشتری را فراهم کرد. در هر فرایندی که یک فرد صورت یک شخص را برای تشخیص هویت وی استفاده می‌کند، بیومتریک می‌تواند برای بهبود این فرایند به‌کار رود.

3) فراگیر شدن دوربین‌ها در دستگاه‌های تلفن همراه:

تقریباْ همۀ تلفن‌های هوشمند، تبلت‌ها و لپ‌تاپ‌ها دارای دوربین‌های سلفی باکیفیتی هستند که می‌توانند عکس‌هایی با کیفیت بالا فراهم کنند. وجود این دوربین‌ها مقایسۀ یک نمونۀ زنده با یک الگو را با هدف تشخیص چهره، راحت‌تر می‌کند.

4) مناسب برای استفادۀ هم‌زمان با سایر روش‌های احراز هویت در تلفن همراه:

ثبت تصویر چهره با استفاده از دوربین جلوی تلفن همراه، می‌تواند به‌صورت غیرمستقیم و هم‌زمان با سایر روش‌ها، مانند ضبط صدا و واردکردن کلید واژۀ عبور، انجام شود تا عملکرد مطابقت و تشخیص زنده‌بودن (live detection) بهبود یابد.

چالش‌های شناسایی چهره:

برای کاربردی بودن تشخیص چهره باید به چالش‌های زیر توجه کنید:

1) تنوع گستردۀ شرایط محیطی (مثل نور، سایه) تطبیق دقیق را چالش‌برانگیزتر می‌کند. تغییرات ژست‌ها، پیری، عینک، حالت چهره و مو‌های صورت نیز می‌توانند تطابق را دشوارتر کنند. تفاوت بین سنسور‌ها و تنظیمات دوربین نیز می‌تواند تأثیرگذار باشد.

2) در دسترس بودن زیاد تصاویر چهره در رسانه‌های اجتماعی و سایر رسانه‌ها به این معناست که کلاهبرداران این امکان را دارند که به‌راحتی آن دسته از تصاویر قربانیان را که می‌توان برای این کار استفاده کرد، به‌دست آورند. بر خلاف فن‌آوری تشخیص چهره (face detection) که صرفاً وجود یک چهره را در عکس یا ویدئو تشخیص می‌دهد، الگوریتم‌های تشخیص چهره(face recognition algorithms) باید بتوانند یک چهرۀ زنده را از یک تصویر دیجیتالی چهرۀ غیرزنده، تشخیص دهند.

کلاهبرداران می‌توانند از چند طریق از این چالش‌ها بهره ببرند:

ابتدا، آنها ممکن است تلاش کنند با ارائۀ یک تصویر غیر زنده از یک کاربر مجاز، بیومتریک چهره را که در احراز هویت و کنترل دسترسی استفاده می‌شود، دور بزنند.

در مرحلۀ بعد، آن‌ها می‌توانند سعی کنند که یک حساب‌کاربری جدید بسازند و برای این کار یک نمونه چهره را ثبت کنند که در جست‌وجوی نسخه‌های تکراری قابل‌استفاده نباشد. به عنوان مثال آنها می‌توانند با استفاده از آرایش، کلاه و عینک آفتابی تصویری را ثبت کنند که ویژگی‌های صورت را تحریف می‌کند یا مانعِ دیدنشان می‌شود. همچنین می‌توانند عکس فردی را که وجود ندارد یا عکس چهره‌های مشهور را از وب‌ها بارگیری و استفاده کنند. همۀ این‌ها هنگام جستجو‌های تأیید هویت منجر به عدم تطابق‌هایی می‌شود که گمراه‌کننده‌اند.

مقابله با چالش‌ها

برای بهینه‌سازی امنیت، کارایی، و تجربۀ کاربر می‌توان چند قدم برداشت:

ضبط خودکار تصاویر باکیفیت

نرم‌افزاری که ضبط تصاویر چهره را خودکار می‌کند، فریم‌های ویدیوی درحال پخش را فوراْ تحلیل می‌کند. وقتی فوکوس، نحوۀ قرارگیری صورت، نور و سایر جزئیات عکس‌برداری برای مطابقت با استاندارد‌های کیفیت تأیید شود، تصویربرداری به‌طور خودکار آغاز می‌شود.

پس از ثبت، عکس دوباره تحلیل و بهینه‌سازی می‌شود. مقیاس‌گذاری خودکار، چرخش، برش، روشنایی و بهبود کنتراست به صورت خودکار کیفیت تصویر نامناسب را افزایش می‌دهد، بنابراین نیازی به دوباره عکس گرفتن نیست.

انجام قاطعانۀ تشخیص چهره

کلاهبرداران ممکن است سعی کنند یک الگوریتم تشخیص چهره را با فیلم‌ها و تصاویر دیجیتالی غیرزنده، که به صورت آنلاین به‌دست آورده‌اند، جعل کنند. الگوریتم‌های تشخیص زنده‌بودن(live detection)  تصویر صورت چاپ شده، دیجیتال، ویدئویی و زنده را از یکدیگر تشخیص می‌دهد.

تشخیص غیرمستقیم زنده‌بودن به دنبال یافتن شاخص‌های تصویر غیرزنده است، مانند ناسازگاری و تناقض میان ویژگی‌های پیش‌زمینه و پس‌زمینۀ عکس؛ و از تکنیک‌های مختلف شناسایی برای جستجوی موارد مصنوعی در تصویر مانند بریدگی‌ها، ماسک‌ها، پوست، بافت، حاشیه‌ها و ویژگی‌های مختلف دیگر استفاده می‌کند، که به آن کمک می‌کند تا نمای کاذب چهرۀ کاربر را تشخیص دهد. این فرایند برای کاربر نامرئی است، و همین موضوع دورزدن فرایند تشخیص را برای کلاهبرداران دشوار می‌کند.

تشخیص مستقیم زنده‌بودن، کاربر را وادار می‌کند تا پلک بزند یا سر خود را تکان دهد تا زنده‌بودن او تشخیص داده شود. ترکیبی از روش‌های مستقیم و غیرمستفیم، موجب می‌شود که تطبیق بالاترین سطح کارایی را داشته باشد. برنامه‌های تحلیل تشخیص چهره ممکن است از روش دومی مانند شناسایی صدا، برای اطمینان از زنده‌بودن استفاده کنند.

استفاده از الگوریتم‌هایی با عملکرد بالا

در چند سال گذشته، الگوریتم‌های هوش مصنوعی و یادگیری ماشین روش‌های اصلی استخراج خودکار اطلاعات فوق، و سپس مقایسۀ آن با تصاویر دیگر بوده‌اند. این الگوریتم‌ها بدون هیچ تأثیری بر تجربۀ کاربر، امنیت بیومتریک فن‌آوری شناسایی چهره را افزایش می‌دهند.