ความเป็นส่วนตัวในการรับรู้: ภาพถ่ายออนไลน์สามารถป้องกันได้หรือไม่?
ความเป็นส่วนตัวในการรับรู้: ภาพถ่ายออนไลน์สามารถป้องกันได้หรือไม่?
ความเป็นส่วนตัวในการรับรู้: ภาพถ่ายออนไลน์สามารถป้องกันได้หรือไม่?
- เขียนโดย:
- November 4, 2022
สรุปข้อมูลเชิงลึก
เนื่องจากเทคโนโลยีการจดจำใบหน้า (FRT) แพร่หลาย กลุ่มต่างๆ จึงพยายามจำกัดประสิทธิภาพเพื่อรักษาความเป็นส่วนตัว แม้ว่าความพยายามที่จะเอาชนะระบบจดจำใบหน้านั้นไม่สามารถทำได้เสมอไป นักวิจัยได้เริ่มทดลองใช้วิธีสร้างความสับสนให้กับแอปออนไลน์ที่รวบรวมและรวบรวมรูปภาพสำหรับเครื่องมือจดจำใบหน้า วิธีการเหล่านี้รวมถึงการใช้ปัญญาประดิษฐ์ (AI) เพื่อเพิ่ม "สัญญาณรบกวน" ให้กับรูปภาพและซอฟต์แวร์ปิดบัง
การรับรู้บริบทความเป็นส่วนตัว
เทคโนโลยีการจดจำใบหน้าถูกนำมาใช้มากขึ้นในภาคส่วนต่างๆ รวมถึงการบังคับใช้กฎหมาย การศึกษา การค้าปลีก และการบิน เพื่อวัตถุประสงค์ตั้งแต่การระบุอาชญากรไปจนถึงการเฝ้าระวัง ตัวอย่างเช่น ในนิวยอร์ก การจดจำใบหน้าเป็นเครื่องมือในการช่วยให้ผู้สืบสวนทำการจับกุมจำนวนมากและระบุกรณีของการโจรกรรมข้อมูลประจำตัวและการฉ้อโกงได้อย่างมีนัยสำคัญนับตั้งแต่ปี 2010 อย่างไรก็ตาม การใช้งานที่เพิ่มขึ้นนี้ยังทำให้เกิดคำถามเกี่ยวกับความเป็นส่วนตัวและการใช้เทคโนโลยีดังกล่าวอย่างมีจริยธรรม .
ในด้านความมั่นคงชายแดนและการย้ายถิ่นฐาน กระทรวงความมั่นคงแห่งมาตุภูมิของสหรัฐอเมริกาใช้การจดจำใบหน้าเพื่อตรวจสอบตัวตนของนักเดินทางที่เข้าและออกจากประเทศ ซึ่งทำได้โดยการเปรียบเทียบภาพถ่ายของนักท่องเที่ยวกับภาพที่มีอยู่ เช่น ภาพถ่ายในหนังสือเดินทาง ในทำนองเดียวกัน ผู้ค้าปลีกกำลังใช้การจดจำใบหน้าเพื่อระบุผู้ที่อาจขโมยของในร้านโดยการเปรียบเทียบใบหน้าของลูกค้ากับฐานข้อมูลของผู้กระทำผิดที่ทราบ
แม้จะมีประโยชน์ในทางปฏิบัติ แต่การใช้เทคโนโลยีจดจำใบหน้าที่เพิ่มมากขึ้นได้ก่อให้เกิดความกังวลเกี่ยวกับความเป็นส่วนตัวและความยินยอม ตัวอย่างที่โดดเด่นคือกรณีของ Clearview AI บริษัทที่รวบรวมรูปภาพนับพันล้านภาพจากแพลตฟอร์มโซเชียลมีเดียและอินเทอร์เน็ตโดยไม่ได้รับอนุญาตอย่างชัดแจ้ง เพื่อฝึกระบบจดจำใบหน้า แนวทางปฏิบัตินี้เน้นย้ำเส้นแบ่งระหว่างโดเมนสาธารณะและโดเมนส่วนตัว เนื่องจากบุคคลที่แบ่งปันรูปถ่ายของตนทางออนไลน์มักมีการควบคุมวิธีใช้รูปภาพเหล่านี้อย่างจำกัด
ผลกระทบก่อกวน
ในปี 2020 ซอฟต์แวร์ชื่อ Fawkes ได้รับการพัฒนาโดยนักวิจัยจากมหาวิทยาลัยชิคาโก ฟอกส์นำเสนอวิธีการป้องกันการจดจำใบหน้าที่มีประสิทธิภาพโดยการ "ปิดบัง" ภาพถ่ายเพื่อหลอกลวงระบบการเรียนรู้เชิงลึก ขณะเดียวกันก็ทำการเปลี่ยนแปลงเพียงเล็กน้อยซึ่งไม่สามารถมองเห็นได้ด้วยตามนุษย์ เครื่องมือนี้กำหนดเป้าหมายเฉพาะระบบที่เก็บเกี่ยวภาพส่วนบุคคลโดยไม่ได้รับอนุญาต และไม่ส่งผลกระทบต่อโมเดลที่สร้างด้วยรูปภาพที่ได้รับมาอย่างถูกกฎหมาย เช่น โมเดลที่ใช้โดยหน่วยงานบังคับใช้กฎหมาย
ฟอกส์สามารถดาวน์โหลดได้จากเว็บไซต์ของโครงการ และใครๆ ก็สามารถใช้งานได้โดยทำตามขั้นตอนง่ายๆ ไม่กี่ขั้นตอน ซอฟต์แวร์ปิดบังข้อมูลใช้เวลาเพียงไม่กี่นาทีในการประมวลผลภาพถ่ายก่อนที่ผู้ใช้จะสามารถโพสต์ภาพเหล่านั้นต่อสาธารณะได้ ซอฟต์แวร์นี้ยังมีให้สำหรับระบบปฏิบัติการ Mac และ PC
ในปี 2021 บริษัทเทคโนโลยีในอิสราเอล Adversa AI ได้สร้างอัลกอริธึมที่เพิ่มสัญญาณรบกวนหรือการเปลี่ยนแปลงเล็กน้อยให้กับภาพถ่ายใบหน้า ซึ่งทำให้ระบบสแกนใบหน้าสามารถตรวจจับใบหน้าที่แตกต่างกันโดยสิ้นเชิง อัลกอริธึมประสบความสำเร็จในการเปลี่ยนภาพของบุคคลเป็นคนอื่น ๆ ที่พวกเขาเลือกได้สำเร็จ (เช่น CEO ของ Adversa AI สามารถหลอกลวงระบบค้นหารูปภาพเพื่อระบุว่าเขาเป็น Elon Musk ของ Tesla) เทคโนโลยีนี้มีเอกลักษณ์เฉพาะตัวเนื่องจากสร้างขึ้นโดยไม่มีความรู้โดยละเอียดเกี่ยวกับอัลกอริธึมของ FRT เป้าหมาย ดังนั้น บุคคลสามารถใช้เครื่องมือนี้กับเครื่องมือจดจำใบหน้าอื่นๆ ได้
ความหมายของความเป็นส่วนตัวในการจดจำ
ความหมายที่กว้างขึ้นของความเป็นส่วนตัวในการจดจำอาจรวมถึง:
- โซเชียลมีเดียและแพลตฟอร์มตามเนื้อหาอื่น ๆ ที่ใช้เทคโนโลยีความเป็นส่วนตัวในการจดจำ
- สมาร์ทโฟน แล็ปท็อป และกล้อง รวมถึงโปรแกรมที่สามารถปิดบังรูปภาพของผู้ใช้ ช่วยเพิ่มความเป็นส่วนตัวของผู้ใช้
- จำนวนที่เพิ่มขึ้นของการเริ่มต้นพัฒนาลายพรางไบโอเมตริกซ์หรือโปรแกรมเพื่อจำกัดการตรวจจับ FRT
- รัฐบาลระดับชาติและระดับท้องถิ่นที่บังคับใช้กฎหมายที่จำกัดหรือห้าม FRT ในการสอดส่องสาธารณะ
- คดีฟ้องร้องเพิ่มเติมเกี่ยวกับระบบจดจำใบหน้าที่ขูดภาพส่วนตัวอย่างผิดกฎหมาย รวมถึงการทำให้บริษัทโซเชียลมีเดียรับผิดชอบต่อการขาดมาตรการรักษาความปลอดภัย
- การเคลื่อนไหวของพลเมืองและองค์กรที่ต่อต้านการใช้ FRT ที่เพิ่มขึ้น
คำถามที่ต้องพิจารณา
- จะทำอะไรได้บ้างเพื่อปรับสมดุลการใช้ระบบจดจำใบหน้า?
- คุณใช้การจดจำใบหน้าในที่ทำงานและในชีวิตประจำวันอย่างไร?
ข้อมูลอ้างอิงเชิงลึก
ลิงก์ที่เป็นที่นิยมและลิงก์สถาบันต่อไปนี้ถูกอ้างอิงสำหรับข้อมูลเชิงลึกนี้: