ArtikelDE – KEEP

Gesichtserkennung, eine wichtige Waffe gegen Betrug.

Gesichtserkennung

Die Technologien zur Gesichtserkennung haben im letzten Jahrzehnt einen gewaltigen Sprung gemacht und ihre Verwendung demokratisiert. Dies ist in der Tat der Fall,
laut der Studie Next Content
die im Februar 2019 veröffentlicht wurde, nutzen 61% der Franzosen Dienste, die durch Biometrie (Fingerabdruck oder Gesichtserkennung) gesichert sind, oder könnten diese nutzen.

Diese Fortschritte werden besonders durch das
deep-learning
Sie werden ermöglicht durch die Bereitstellung von
öffentliche Datensätze
. Diese Datensätze, die mehrere hundert Fotos pro Person von Zehntausenden verschiedener Persönlichkeiten umfassen, sind für die Forschung von grundlegender Bedeutung, da sie einerseits das Training und die Entwicklung neuronaler Netze ermöglichen und andererseits ein gemeinsames Referenzsystem bieten, um verschiedene Ansätze zu vergleichen.

Bei der Bewertung der Leistung eines Gesichtserkennungssystems geht es vor allem um 2 große Probleme:
– Identitätsprüfung: Ist diese Person wirklich die, für die sie sich ausgibt?
– Identifizierung: Handelt es sich um eine bekannte Person? Und wer ist sie?

Die Überprüfung der Identität

Das erste dieser Probleme besteht darin, zu überprüfen, ob ein Foto mit einer bestimmten Identität übereinstimmt. Man spricht von einem „1:1“-Problem: Vergleiche ein Foto, mit einer Identität. Die meisten konkreten Anwendungsfälle beziehen sich auf die Biometrie und die Identitätsprüfung.

Bei dieser Art von Problem wird die Leistung als Erkennungsrate bei einer festgelegten Rate falscher Annahmen (oder „Spoofing-Rate“) gemessen. Der Kompromiss muss in Abhängigkeit von den Einschränkungen der Anwendung beurteilt werden.

Für diese Klasse von Problemen, die neuesten Forschungen erhalten Anerkennungsquoten von 92,7% bei einer falsche Annahmen von 0,1%. Es ist wichtig zu beachten, dass dieser Benchmark auf einer Vielzahl von Aufnahmen beruht: Videoausschnitte, Standbilder, große Unterschiede im Alter (bei ein und derselben Person) und im Aussehen (Frisur, Gesichtsausdruck usw.).

Im Rahmen eines Zeichnungsverlaufs kommt diese Art der Erkennung bei der Authentifizierung des Nutzers zum Einsatz, indem der Nutzer in Echtzeit um ein Foto gebeten wird, das mit dem Foto seines Personalausweises verglichen wird. Dies ermöglicht es, unter Beibehaltung des reibungslosen Ablaufs einer Online-Reise, das Vertrauen in die Authentifizierung der Person drastisch zu erhöhen.

Die Identifizierung

Die zweite große Klasse von Problemen besteht darin, eine Person auf einem Foto aus einer bekannten Population zu identifizieren oder zu sagen, ob die Person nicht zu dieser Population gehört. Man spricht von einem „1 : N“-Problem.

Bei digitalen Abonnements wird dieser Fall eher im Zusammenhang mit der Betrugsbekämpfung angewendet, um zu überprüfen, ob das Gesicht eines Nutzers nicht zu einer bereits identifizierten Gruppe gehört.

Die größte Herausforderung hierbei ist die Größe der zu untersuchenden Population. Denn je mehr verschiedene Individuen es gibt, desto größer ist die Chance, zwei Individuen zu finden, die einander sehr ähnlich sind, und damit das System zu täuschen.

Eine weitere Herausforderung ist auch die Rechenzeit: Hier geht es nicht mehr darum, ein einzelnes Identitätsmodell zu vergleichen, sondern N. Die Leistung
nach dem Stand der Technik
liegt bei einer Identifikationsrate von 86% (die Person gehört tatsächlich zur Bevölkerung), bei 10% falsch-positiven Ergebnissen.

Diese Ergebnisse erscheinen zwar etwas enttäuschend, sind aber im Zusammenhang mit der Tatsache zu sehen, dass es sich um ein Problem handelt, das außerhalb der Reichweite eines menschlichen Bedieners liegt. Es ist nämlich unmöglich, sich an Tausende von unterschiedlichen Personen erinnern zu können, um sie zu identifizieren.

In Zeiten der Massenüberwachung würde diese Art von Leistung es auf etwas beängstigende Weise ermöglichen, Folgendes zu finden
eine Person unter Millionen
.

Die Integration dieser neuen Fortschritte in die Plattform
Trust and Sign
ist ein echter „Game-Changer“ in Bezug auf die Betrugsbekämpfung, aber auch auf die Kundenerfahrung. Sie ermöglichen es auch, angesichts der Entwicklung der Vorschriften die rechtliche Solidität dieser Zeichnungswege zu gewährleisten, indem sie Identitätsdokument und Nutzer miteinander verbinden („liveness detection“).

 

Interessiert an Gesichtserkennung?

 

Autor des Artikels
Picture of Florent

Florent

Data Scientist | Data Scientist bei Netheos, ich interessiere mich für alle Probleme im Zusammenhang mit Machine Learning und nutze diesen Blog, um Sie an meiner Forschung teilhaben zu lassen.
Artikel teilen
Interview

Pierre Pontier Generaldirektor von Namirial Frankreich

Weiße Bücher
Newsletter

Infografiken