人工智慧 (AI) > 人臉辨識
人臉辨識解析：當您的面孔成為商品
人臉辨識可用於解鎖手機、驗證身分、管制存取，以及從相片或影片中辨識人物。同樣的技術也能搜尋龐大的影像資料庫，或在公共空間辨識某人。以下說明人臉辨識的運作方式、使用場景，以及它對您的隱私有何影響。
什麼是人臉辨識？
人臉辨識是一種生物辨識技術，用於從影像或影片驗證或辨識人物。視系統而定，它可能確認某人的身分、辨識未知人物，或找出同一人物的其它影像。
這些用途對隱私的影響大不相同：
類型 | 作用 | 隱私影響 |
|---|---|---|
人臉驗證 | 檢查人臉是否與已儲存的單一身分相符 | 通常涉及為特定目的而在知情情況下登錄的人臉 |
人臉識別 | 將人臉與多筆已儲存的身分比對，以找出可能的相符對象 | 辨識從未主動同意被搜尋的人 |
人臉搜尋 | 使用相片在影像索引中找出同一人物的其它影像 | 將未知人臉與網站、個人檔案及其它個人資訊連結起來 |
人臉辨識如何運作？
人臉辨識會測量臉部特徵，並將其轉換成生物辨識資料點，以供比對。例如，智慧型手機比對這些資料點與您設定人臉解鎖時所記錄的資料點，而人臉搜尋系統則可能將其與數百萬或數十億張其它影像的資料比對。具體流程可能有所不同，但通常會經過幾個基本步驟：
- 擷取人臉：相機、相片或影片會提供包含人臉的影像。
- 偵測並準備：軟體會定位人臉並調整影像，以便進行分析。
- 建立生物辨識範本：臉部特徵會轉換成數學表示形式，有時稱為人臉特徵碼或人臉嵌入。
- 比對人臉：將該範本與已儲存的範本或其它人臉的資料庫進行比對。
- 計算相符程度：系統會產生相似度或信心分數。如果分數夠高，系統就會將其視為同一人。
AI 出現前後的人臉辨識
電腦化人臉辨識可追溯至 1960 年代。早期系統仰賴研究人員找出關鍵臉部特徵，例如眼睛、鼻子和嘴巴，然後測量這些特徵之間的距離與關係，讓電腦能比對不同人臉。
AI 與機器學習大幅改變了這個流程。現代系統會自動分析人臉、偵測複雜許多的模式，並以大規模方式比對影像。人臉辨識現在能搜尋龐大的資料庫，並可能將在公共場所擷取的人臉與在其它地方蒐集的影像和資訊連結起來。
人臉辨識的常見用途
人臉辨識如今廣泛應用於日常服務、商業場所和公共機構，用途從便利、安全到調查與監控，不一而足。
常見用途 | 方式 | 原因 |
|---|---|---|
手機與帳號 | 將您的臉部與先前登錄的範本比對 | 解鎖裝置並驗證帳號存取 |
銀行業務與防詐騙 | 確認某人與某身分或帳號持有人相符 | 防止冒用身分與詐欺交易 |
機場與邊境 | 將旅客與護照照片或其他身分紀錄進行比對 | 自動化身分與安全檢查 |
執法機關 | 在已知人臉資料庫中搜尋照片或影片 | 產生調查線索或辨識人物 |
商店與場館 | 辨識訪客以維護安全、控管進出或提供個人化服務 | 防止盜竊、管制進出或提供客製化服務 |
廣告與個人化 | 將已辨識的人臉與顧客檔案連結 | 個人化優惠、展示內容或行銷 |
人臉搜尋引擎 | 在線上圖片索引中搜尋同一人的其他圖片 | 找出某人出現在網路上的位置 |
人臉辨識的隱私風險
人臉辨識可能暴露的資訊，遠不只你的身分。它讓人更容易追蹤、建立人物側寫、辨識他人，或將人與其他來源蒐集的資訊連結起來。
人臉辨識追蹤你的行蹤
將攝影機與人臉辨識結合，就能在公共空間中跟蹤人們，而無須要求他們表明身分。在抗議活動或交通樞紐，人臉辨識可能揭露誰曾在場。在更大的攝影機網路中，它可能追蹤移動軌跡，降低匿名性，並可能讓人不敢參加敏感活動。
私人組織也使用相同技術管制進出。例如，Madison Square Garden Entertainment 曾使用人臉辨識來辨識並拒絕(新視窗)任職於對該公司提起訴訟之律師事務所的律師進入。
你的臉是商業識別碼
人臉辨識能將進入商店或場館的人與既有顧客檔案連結。商家接著可能將該身分用於安全、個人化、忠誠度計畫或精準行銷。
Microsoft 合作夥伴 Trakomatic 使用 Microsoft Azure 開發了一套自願加入的零售系統(新視窗)，該系統會在購物者進入商場時辨識他們，並利用其檔案個人化優惠、數位顯示器與服務。
錯誤比對可能造成嚴重後果
人臉辨識系統並非在所有情況下都有同樣良好的表現。準確度會因演算法、影像品質、攝影機角度與搜尋類型而異；美國國家標準暨技術研究院 (NIST) 也發現，偽陽性率存在人口統計上的差異。
人臉辨識錯誤已導致錯誤逮捕與不實指控。 Robert Williams 在底特律遭錯誤逮捕，因為人臉辨識誤將他比對為一名嫌犯；而FTC 表示 Rite Aid 的系統(新視窗)產生了數千筆偽陽性比對結果。
舊照片可能落入人臉辨識系統
上載至社群媒體、新聞網站或其他網站的照片，可能被擷取用來訓練 AI，並用於人臉辨識，儘管這些照片最初發布的目的從來不是為了辨識。
多年前共享的照片，可能落入照片中人物從未預期會加入的人臉辨識系統。 2021年，FTC 指控 Everalbum(新視窗) 使用從使用者照片中擷取的數百萬張人臉影像來協助開發其人臉辨識技術，卻誤導人們人臉辨識會在何時套用。
生物辨識資料難以取代
資料外洩後可以變更密碼。但要改變你的臉卻更難。遭竊的生物辨識資料，可能在最初的安全事件過後很久仍持續構成風險。
2019年，Biostar 2 生物辨識存取系統背後的資料庫有很大部分處於未加密(新視窗)狀態。它暴露了超過一百萬筆指紋紀錄，以及人臉辨識資料與使用者影像。遭遇這類資料外洩的人，無法像更換遭入侵的密碼那樣，直接替換自己的臉孔或指紋。
如何降低暴露於臉部辨識的風險
您無法阻止每台攝影機捕捉您的臉部，但可以減少個人資訊並減少網路上可取得的與您有關的照片，讓臉部比對較不會揭露您的資訊。
限制社群媒體上能看到您照片的對象，並檢視舊的公開帳號。
盡可能從原始來源網站移除不想要的照片。
使用 PimEyes 等服務提供的退出工具，避免您的臉部出現在其搜尋結果中。
從資料仲介商和 TruthFinder 等人物搜尋網站移除個人資訊，讓臉部比對較不會揭露您的資訊。
在應用程式或線上服務中啟用生物辨識功能前，請先檢視臉部辨識設定。
除非您了解臉部影像將如何被儲存及使用，否則請避免將臉部影像上載至這類服務。
關於臉部辨識的常見問題
- 臉部辨識的準確度如何？
- Face ID 是臉部辨識嗎？
- 什麼是臉部搜尋工具？
- 臉部辨識能從一張照片辨識出某人的身分嗎？
- 您可以選擇退出臉部辨識嗎？
