ما أنظمة التعرّف على الوجه المدعومة بالذكاء الاصطناعي؟ التقنيات والدقة ودليل KVKK
كيف تعمل أنظمة التعرّف على الوجه المدعومة بالذكاء الاصطناعي؟ نستعرض تقنياً التحقق من الوجه 1:1، وتحديد الهوية 1:N، واكتشاف الحيوية، وكاميرات AI، والتكامل مع أنظمة التحكم بالدخول، ومعايير الدقة لدى NIST، ومتطلبات KVKK.

تحلل أنظمة التعرّف على الوجه المدعومة بالذكاء الاصطناعي سمات بيومترية محددة للوجه للتحقق من هوية شخص أو مطابقة هويته مع أشخاص مسجلين. وتُستخدم هذه الأنظمة، بالاستعانة بخوارزميات التعلم العميق والرؤية الحاسوبية، في التحكم بالدخول والتحقق من الهوية وإتاحة الوصول إلى المناطق عالية الأمن وبعض التطبيقات الأمنية.
في أنظمة الدخول التقليدية المعتمدة على البطاقات، تُتحقق هوية المستخدم ببطاقة مادية أو رقم PIN أو بيانات اعتماد مماثلة، بينما تستخدم تقنية التعرّف على الوجه السمات المستخلصة من وجه الشخص للمقارنة.
لكن الأداء التقني لأنظمة التعرّف على الوجه لا يعتمد على تطور الخوارزمية وحده. بل يجب تقييم موضع الكاميرا والإضاءة وجودة الصورة وعتبات المطابقة البيومترية وفحوص الحيوية وأمن البيانات والامتثال القانوني مجتمعة.
قد تنطوي تقنية التعرّف على الوجه على معالجة بيانات بيومترية لتحديد الأشخاص على نحو فريد. ولذلك يلزم إجراء تقييم دقيق، ولا سيما في تطبيقات مثل مراقبة الموظفين وأمن المتاجر ومراقبة الأماكن العامة، بموجب قانون حماية البيانات الشخصية رقم 6698.
ما نظام التعرّف على الوجه المدعوم بالذكاء الاصطناعي؟
نظام التعرّف على الوجه المدعوم بالذكاء الاصطناعي حلٌّ للأجهزة والبرمجيات يمثّل رقمياً السمات المميزة المستخلصة من صور الوجه لإجراء التحقق من الهوية أو تحديدها.
تُستخدم المصطلحات التالية في الاصطلاحات التقنية الدولية:
Face Detection: اكتشاف الوجه
Face Recognition: التعرّف على الوجه
Face Verification: التحقق من الوجه
Face Identification: تحديد هوية الشخص من وجهه
Face Embedding: التمثيل الرقمي لسمات الوجه
Face Matching: مطابقة الوجه
Presentation Attack Detection (PAD): اكتشاف محاولات العرض الاحتيالي
Face Quality Assessment: تقييم جودة صورة الوجه
لا تعني هذه المصطلحات جميعها الشيء نفسه.
فعلى سبيل المثال، لا يعني اكتشاف كاميرا أمنية وجهاً في الصورة أنها قادرة على تحديد هوية صاحبه.
كيف يعمل التعرّف على الوجه بالذكاء الاصطناعي؟
قد تختلف الخوارزميات المستخدمة في أنظمة التعرّف على الوجه، لكن مراحل المعالجة الأساسية متشابهة.
1. التقاط صورة الوجه
يلتقط النظام صورة وجه الشخص باستخدام كاميرا أو جهاز تصوير مناسب.
تؤثر في هذه المرحلة دقة الصورة والإضاءة وزاوية الوجه وضبابية الحركة.
2. اكتشاف الوجه
تحدد خوارزمية للرؤية الحاسوبية المنطقة التي يوجد فيها الوجه ضمن الصورة.
إذا احتوت الصورة على وجوه متعددة، فقد يكتشفها النظام كلّاً على حدة، وفقاً لقدراته.
3. محاذاة الوجه ومراقبة الجودة
تُطبّع بعض الأنظمة موضع الوجه وزاويته.
يمكن تهيئة صورة الوجه للتحليل باستخدام العينين والأنف ونقاط مرجعية أخرى.
قد تُرفض الصور غير الكافية الجودة، أو قد يُطلب التقاط صورة جديدة.
4. استخراج السمات البيومترية
يمكن لنموذج تعلم عميق إنشاء متجه سمات رقمي من صورة الوجه.
يُطلق عادةً على هذا التمثيل اسم face embedding.
رغم أن بيانات face embedding ليست صورة فوتوغرافية يمكن للإنسان قراءتها مباشرة، فقد تُعد بيانات بيومترية إذا استُخدمت للتعرّف على شخص بعينه على نحو فريد.
5. المطابقة البيومترية
يُقارن متجه السمات المُنشأ بالبيانات البيومترية المرجعية.
قد يحسب النظام درجة تشابه أو قيمة مسافة، وفقاً للخوارزمية المستخدمة.
6. اتخاذ القرار
تُقارن نتيجة المطابقة بعتبة قرار محددة مسبقاً.
فعلى سبيل المثال، قد تؤدي المطابقة في تطبيق للتحكم بالدخول إلى إصدار قرار بالسماح بالوصول.
لكن درجة المطابقة لا تعبّر عن يقين مطلق بشأن هوية الشخص.
الفرق بين التحقق من الوجه 1:1 والتعرّف على الوجه 1:N
من أهم الفروق التقنية في أنظمة التعرّف على الوجه الفرق بين التحقق وتحديد الهوية.
1:1 Face Verification — التحقق من الوجه
في التحقق من الوجه 1:1، يدّعي الشخص هوية محددة، ويقارن النظام صورة وجهه بالسجل المرتبط بتلك الهوية.
على سبيل المثال، يمرر المستخدم بطاقته أولاً أو يُدخل رقم المستخدم. ثم تُقارن صورة الوجه بالبيانات البيومترية المسجلة لذلك المستخدم وحده.
تحاول هذه العملية أساساً الإجابة عن السؤال التالي:
«هل هذا الشخص هو من يدّعي أنه؟»
1:N Face Identification — تحديد هوية الشخص من وجهه
في أنظمة 1:N، تُقارن صورة الوجه الملتقطة بعدة مراجع بيومترية مسجلة.
يقيّم النظام ما إذا كانت هناك مطابقة محتملة في قاعدة البيانات.
تسعى هذه العملية للإجابة عن السؤال التالي:
«لأي شخص مسجل قد يعود هذا الوجه؟»
قد تنطوي المطابقة 1:N على مخاطر مختلفة للمطابقة الخاطئة، تبعاً لحجم قاعدة البيانات وقيم العتبات.
مقارنة تقنية
السمة | التحقق من الوجه 1:1 | التعرّف على الوجه 1:N |
|---|---|---|
الغرض الأساسي | التحقق من ادعاء الهوية | البحث عن هوية ضمن السجلات |
المقارنة | مرجع واحد | مراجع متعددة |
التطبيق المعتاد | التحقق من المستخدم | البحث عن شخص مسجل |
مقاييس الخطأ الأساسية | FMR وFNMR | FPIR وFNIR |
تأثير قاعدة البيانات | أكثر محدودية | يهمّ كلٌّ من الحجم وطريقة البحث |
التقييم القانوني | معالجة البيانات البيومترية | معالجة البيانات البيومترية ومخاطر المراقبة الإضافية |
يمكن أن يجتمع النهجان في النظام نفسه. لكن لا ينبغي افتراض أن كل جهاز يدعم وظيفتي 1:1 و1:N.
الفرق بين التعرّف على الوجه واكتشاف الوجه
اكتشاف الوجه عملية تهدف إلى تحديد ما إذا كان وجه إنسان موجوداً في الصورة.
أما التعرّف على الوجه فيتضمن مقارنة وجه معين بمراجع بيومترية مسجلة.
فعلى سبيل المثال، لا يعني اكتشاف كاميرا متجر خمسة وجوه في الصورة أنها تعرف هويات أصحابها.
وبالمثل، لا يُعد تقدير العمر أو تحليل تعابير الوجه تلقائياً تعرّفاً على الهوية.
ومع ذلك، قد تظل الالتزامات المتعلقة بمعالجة البيانات الشخصية قائمة عند معالجة صور الوجوه.
التقنيات المستخدمة في أنظمة التعرّف على الوجه بالذكاء الاصطناعي
خوارزميات التعلم العميق
يمكن لأنظمة التعرّف على الوجه الحديثة استخدام شبكات عصبية عميقة لاستخراج سمات مميزة من صور الوجوه.
يمكن لهذه الأساليب تحسين أداء المطابقة مع اختلاف زوايا الوجه وظروف الصورة.
لكن أداء الخوارزمية يعتمد على النموذج وبيانات التدريب وظروف التطبيق.
أنظمة كاميرات RGB
تنتج كاميرات RGB صوراً ملونة ضمن نطاق الضوء المرئي.
يمكن استخدامها لاكتشاف الوجه ومطابقته عندما تكون جودة الصورة مناسبة.
لكن ضعف الإضاءة والإضاءة الخلفية الشديدة وضبابية الحركة قد تؤثر في الأداء.
التصوير بالأشعة تحت الحمراء (IR)
تستخدم بعض أجهزة التحقق من الوجه إضاءة بالأشعة تحت الحمراء أو كاميرا IR.
قد يسهّل هذا النهج التقاط الصور في ظروف إضاءة معينة.
لكن وجود كاميرا IR وحده لا يثبت أن الجهاز يوفر حماية كافية من هجمات انتحال الوجه.
استشعار العمق 3D
يمكن لبعض الأجهزة البيومترية استخدام مستشعرات العمق للحصول على بيانات عن هندسة الوجه ثلاثية الأبعاد.
قد تساعد هذه التقنية في تمييز بعض محاولات العرض الاحتيالي.
لكن استشعار 3D وحده لا يضمن الحماية من جميع أنواع الهجمات.
معالجة Edge AI
يمكن في أنظمة Edge AI إجراء التحليل البيومتري مباشرة على الطرفية أو الجهاز المحلي.
يمكن لهذه البنية تقليل الاعتماد على خادم مركزي.
لكن يجب تخزين البيانات البيومترية على الجهاز وتحديثها وحذفها بأمان.
التعرّف على الوجه المعتمد على الخادم
يمكن معالجة صور الوجه أو بيانات السمات على خادم في الأنظمة المركزية.
قد يسهّل هذا النهج إدارة عدة أجهزة طرفية.
لكن قاعدة البيانات البيومترية المركزية قد تشكل مخاطر أمنية كبيرة مرتبطة بالوصول غير المصرح به وانتهاكات البيانات.
ما اكتشاف الحيوية في أنظمة التعرّف على الوجه؟
يشير اكتشاف الحيوية إلى الفحوص المصممة لكشف استخدام أساليب انتحال مثل الصور الفوتوغرافية أو صور الشاشة أو الأقنعة أو وسائل عرض مشابهة بدلاً من وجه إنسان حقيقي أثناء التحقق البيومتري.
يُعرف هذا المجال عادةً في الأدبيات التقنية باسم Presentation Attack Detection (PAD).
الانتحال باستخدام صورة فوتوغرافية
محاولة خداع نظام التحقق بعرض صورة فوتوغرافية لوجه شخص أمام الكاميرا.
الانتحال عبر الشاشة
استخدام وجه معروض على شاشة هاتف أو جهاز لوحي للتحقق البيومتري.
الأقنعة والأجسام ثلاثية الأبعاد
محاولات انتحال تُنفذ باستخدام أجسام مادية صُممت لتشبه وجه إنسان حقيقي.
كيف يُقاس أداء PAD؟
توفر سلسلة ISO/IEC 30107 مصطلحات وأساليب تقييم لاكتشاف هجمات العرض البيومترية.
يمكن استخدام مقاييس مثل APCER وBPCER في هذا المجال.
APCER: معدل الخطأ الذي تُقبل به عروض الهجوم على أنها لمستخدمين حقيقيين.
BPCER: معدل الخطأ الذي تُصنّف به عروض المستخدمين الحقيقيين على أنها هجمات.
تقيس هذه المقاييس بُعداً أمنياً يختلف عن دقة تحديد الهوية في خوارزمية مطابقة الوجه.
أين تُستخدم أنظمة التعرّف على الوجه بالذكاء الاصطناعي؟
أنظمة التحكم بالدخول
يمكن استخدام التحقق البيومتري من الوجه للدخول عبر الأبواب والبوابات الدوارة الخاضعة للرقابة، عند استيفاء الشروط القانونية والتقنية المناسبة.
لكن ينبغي تقييم ما إذا كانت البدائل الأقل تدخلاً، مثل الدخول بالبطاقة أو PIN، كافية.
مراكز البيانات والمنشآت الحيوية
قد يشكل التحقق البيومتري جزءاً من بنية مصادقة متعددة العوامل في مناطق معينة ذات متطلبات أمنية عالية.
ومع ذلك، لا يقضي التعرّف على الوجه وحده على جميع مخاطر الوصول.
الخدمات المصرفية والتحقق الرقمي من الهوية
يمكن استخدام تقنيات مطابقة الوجه في إجراءات ضم العملاء عن بُعد والتحقق من الهوية.
وتكتسب اللوائح القطاعية ذات الصلة والتحقق من وثائق الهوية وفحوص مكافحة الاحتيال أهمية في هذه التطبيقات.
المستشفيات ومرافق الرعاية الصحية
يمكن النظر في التحقق من دخول الموظفين إلى مناطق معينة خاضعة للرقابة.
لكن يجب استيفاء الشروط القانونية اللازمة لمعالجة البيانات البيومترية.
الفنادق ومرافق الإقامة
يمكن النظر في بعض حالات التحقق من الدخول عند استيفاء الشروط القانونية المناسبة.
لكن ينبغي ألا يُعامل جمع البيانات البيومترية للنزلاء على أنه شرط إلزامي أو افتراضي للخدمة.
متاجر التجزئة
رغم إمكانية تطبيق تقنية التعرّف على الوجه تقنياً في بيئات البيع بالتجزئة، فإن تحديد هويات العملاء من الصور ينطوي على مخاطر خصوصية أكبر بكثير من عدّ الأشخاص المعتاد أو تحليل كثافة الحشود دون تحديد هويتهم.
وقد يثير، على وجه الخصوص، إدراج العملاء دون علمهم في قوائم مراقبة بيومترية، أو تصنيفهم تلقائياً كمشتبه بهم، أو تتبعهم بين المتاجر، مخاوف قانونية وأخلاقية جسيمة.
لذلك ينبغي أن يبدأ أمن متاجر التجزئة بالنظر في حلول تحليل الفيديو واكتشاف الحوادث التي لا تتطلب تحديد الهوية البيومترية.
الفرق بين كاميرا التعرّف على الوجه وجهاز التعرّف على الوجه الطرفي
السمة | كاميرا التعرّف على الوجه | جهاز التعرّف على الوجه الطرفي |
|---|---|---|
الاستخدام المعتاد | تصوير الفيديو والتحليل البيومتري المدعوم | التحقق من المستخدم |
موضع الكاميرا | وفقاً لمنطقة المراقبة | وفقاً لنقطة التحقق الخاضعة للرقابة |
التحكم بالدخول | قد يتطلب تكاملاً إضافياً | مدمج في بعض الطرازات |
تفاعل المستخدم | يعتمد على المنتج | عادةً عملية تحقق محددة |
فحص الحيوية | يعتمد على الطراز | يعتمد على الطراز |
قاعدة البيانات | محلية أو مركزية | محلية أو مركزية |
المخاطر القانونية | تعتمد على الغرض من الاستخدام | تعتمد على الغرض من الاستخدام |
لا يعني تزويد كاميرا بخاصية التعرّف على الوجه أنها مناسبة للتحكم البيومتري بالدخول عالي الأمن.
موضع الكاميرا في أنظمة التعرّف على الوجه
زاوية الوجه
يؤثر موضع وجه الشخص بالنسبة إلى الكاميرا في أداء المطابقة.
يمكن للصور الأمامية أو الملتقطة بزاوية مناسبة أن توفر نتائج أكثر اتساقاً مع كثير من الخوارزميات.
ارتفاع الكاميرا
ينبغي تحديد ارتفاع الكاميرا بما يتيح تصوير وجوه المستخدمين باختلاف أطوالهم من زاوية مناسبة.
الإضاءة
قد تجعل الإضاءة الضعيفة والإضاءة الخلفية الشديدة تصوير سمات الوجه أمراً صعباً.
كثافة البكسل
في تطبيقات التعرّف على الوجه، تهم أبعاد البكسل التي يشغلها الوجه في الصورة، وليس عدد ميغابكسلات الكاميرا وحده.
ضبابية الحركة
يمكن أن يؤدي زمن التعريض الطويل إلى تقليل وضوح الصورة للأشخاص المتحركين.
جودة الصورة
تُظهر تقييمات NIST أن ضعف جودة الصورة قد يزيد أخطاء مطابقة الوجه.
لذلك ينبغي ألا يستند اختيار الكاميرا والاختبار الميداني إلى أرقام ظروف التشغيل المثالية الواردة في كتالوج الشركة المصنّعة وحدها.
كيف تُقاس الدقة في أنظمة التعرّف على الوجه بالذكاء الاصطناعي؟
لا تكفي نسبة دقة إجمالية واحدة لتقييم أنظمة التعرّف على الوجه.
وينبغي، على وجه الخصوص، تقييم أخطاء القبول الخاطئ والرفض الخاطئ كلٌّ على حدة.
FMR — معدل المطابقة الخاطئة
FMR هو معدل قبول المقارنات بين أشخاص مختلفين على أنها تطابقات بالخطأ.
فعلى سبيل المثال، قد يشكل قبول وجه شخص آخر على أنه يطابق المستخدم المسجل في التحقق 1:1 خطراً أمنياً.
FNMR — معدل عدم المطابقة الخاطئة
FNMR هو معدل الحكم خطأً بعدم تطابق عينتين بيومتريتين تعودان إلى الشخص نفسه.
قد يحول ذلك دون تمكن مستخدم حقيقي من الوصول إلى النظام.
FPIR — معدل تحديد الهوية الإيجابي الخاطئ
في أنظمة البحث 1:N، هو معدل الخطأ في إرجاع مطابقة هوية خاطئة عندما لا يكون الشخص المستهدف موجوداً في قاعدة بيانات البحث.
FNIR — معدل تحديد الهوية السلبي الخاطئ
في أنظمة البحث 1:N، هو معدل الخطأ في عدم تحديد هوية الشخص المطلوب رغم وجوده في قاعدة البيانات.
عتبة القرار والموازنة الأمنية
يمكن لتغيير عتبة القرار في أنظمة المطابقة البيومترية أن يؤثر في معدلات القبول الخاطئ والرفض الخاطئ.
قد تقلل شروط المطابقة الأكثر صرامة بعض مخاطر القبول الخاطئ، لكنها قد تزيد احتمال رفض المستخدمين الحقيقيين.
لذلك ينبغي تحديد العتبة وفقاً للمتطلبات الأمنية للتطبيق والتحقق من صلاحيتها بالاختبارات الميدانية.
لماذا تُعد اختبارات NIST للتعرّف على الوجه مهمة؟
يختبر المعهد الوطني الأمريكي للمعايير والتكنولوجيا (NIST) خوارزميات التعرّف على الوجه ضمن برامج تقييم مستقلة.
يشمل إطار التقييم الحالي مجالين مهمين:
FRTE — Face Recognition Technology Evaluation: تقييم خوارزميات التحقق من الوجه وتحديد الهوية.
FATE — Face Analysis Technology Evaluation: تقييم تقدير العمر وجودة الصورة ووظائف محددة لتحليل الوجه.
تتيح تقييمات NIST مقارنة أداء الخوارزميات المختلفة.
لكن نجاح خوارزمية في اختبار NIST لا يضمن أن يقدم كل جهاز تجاري يُدّعى استخدامه لها الأداء نفسه.
يجب تقييم الكاميرا وإصدار البرنامج وإعدادات العتبة وظروف الاستخدام الفعلية كلٌّ على حدة.
اختلافات الأداء الديموغرافي في أنظمة التعرّف على الوجه
قد تختلف معدلات أخطاء خوارزميات التعرّف على الوجه بين فئات المستخدمين المختلفة.
تُظهر أبحاث NIST أن جودة الصورة وخصائص الخوارزمية قد تؤثر في معدلات المطابقة الخاطئة والرفض الخاطئ لدى فئات ديموغرافية مختلفة.
فعلى سبيل المثال، قد تؤدي ظروف الإضاءة التي لا توفر جودة صورة مناسبة لمختلف درجات لون البشرة إلى زيادة معدلات الخطأ لدى بعض الفئات.
وبالمثل، قد تؤثر أوجه التفاوت في تمثيل الفئات ضمن بيانات تدريب الخوارزمية في الأداء.
لذلك ينبغي أن تفحص التقييمات المهنية معدلات الخطأ لدى فئات المستخدمين والفروق المنهجية في الأداء، لا الدقة الإجمالية فحسب.
الأمن السيبراني في أنظمة التعرّف على الوجه
لا يقتصر الأمن في أنظمة التعرّف البيومتري على دقة الخوارزمية.
أمن البيانات البيومترية
يجب حماية قوالب الوجه والبيانات البيومترية الأخرى من الوصول غير المصرح به.
التشفير
ينبغي استخدام وسائل حماية تشفيرية مناسبة عند نقل البيانات وتخزينها.
صلاحيات الوصول
ينبغي تقييد الوصول إلى قاعدة البيانات البيومترية وواجهات الإدارة.
التحديثات الآمنة
ينبغي إدارة تحديثات برامج الأجهزة وخوارزميات التحليل بأمان.
حذف البيانات
عند حذف سجل مستخدم، ينبغي التحقق من كيفية إزالة البيانات البيومترية المرتبطة به من جميع مكونات النظام.
المصادقة البديلة
ينبغي تحديد بديل آمن ومتاح للاستخدام عند فشل التحقق البيومتري.
KVKK والبيانات البيومترية في أنظمة التعرّف على الوجه
في تركيا، يُعد قانون حماية البيانات الشخصية رقم 6698 أحد التشريعات الأساسية لتقييم مشروعية أنظمة التعرّف على الوجه.
تُصنّف البيانات البيومترية بموجب القانون ضمن البيانات الشخصية ذات الطبيعة الخاصة.
لكن لا تُعد كل صورة للوجه تلقائياً بيانات بيومترية. ويتوقف التقييم على ما إذا كانت الصورة تخضع لمعالجة تقنية خاصة لتحديد هوية الشخص على نحو فريد أو للتحقق منها.
استخدام التعرّف على الوجه في أماكن العمل
تناول قرار مجلس حماية البيانات الشخصية المؤرخ 4 أغسطس 2022، رقم 2022/797، استخدام التعرّف على الوجه لمراقبة الدخول إلى مكان العمل والخروج منه.
شملت المسائل الرئيسية التي تناولها القرار ضرورة معالجة البيانات البيومترية والوسائل البديلة وشروط المعالجة وإجراءات الاحتفاظ بالبيانات.
وبناءً عليه، لا يتوقف جواز استخدام نظام التعرّف على الوجه لتتبع دخول الموظفين وخروجهم على الإمكان التقني أو توفر المنتج في السوق وحدهما.
الموافقة الصريحة وشروط المعالجة الأخرى
يجب تقييم الشروط الواردة في المادة 6 من KVKK عند معالجة البيانات الشخصية ذات الطبيعة الخاصة.
عندما يستند التطبيق إلى الموافقة الصريحة، من المهم أن تُمنح الموافقة بإرادة حرة.
ينبغي التدقيق في صحة الموافقة الصريحة، ولا سيما في علاقة صاحب العمل بالموظف.
التناسب والوسائل البديلة
إذا أمكن تحقيق الهدف الأمني نفسه باستخدام بطاقة دخول أو PIN أو وسيلة أخرى أقل تدخلاً، فينبغي بحث ضرورة استخدام التعرّف على الوجه على نحو مستقل.
مدة الاحتفاظ
ينبغي تحديد مدد الاحتفاظ بصور الوجوه والقوالب البيومترية وسجلات المطابقة.
نقل البيانات إلى خارج البلاد
إذا نُقلت بيانات شخصية إلى الخارج عبر أنظمة بيومترية سحابية، فيجب أيضاً تقييم الأحكام ذات الصلة في KVKK.
مهم: إن تسويق منتج للتعرّف على الوجه على أنه «متوافق مع KVKK» لا يثبت وحده أن معالجة البيانات البيومترية في مؤسسة بعينها قانونية.
قانون الذكاء الاصطناعي للاتحاد الأوروبي وأنظمة التعرّف على الوجه
يخضع قانون الذكاء الاصطناعي للاتحاد الأوروبي أنظمة تحديد الهوية البيومترية لقواعد مختلفة تبعاً للغرض منها ومخاطرها.
تُفرض قيود صارمة جداً واستثناءات محددة، على وجه الخصوص، على أنظمة تحديد الهوية البيومترية عن بُعد وفي الوقت الفعلي المستخدمة لإنفاذ القانون في الأماكن العامة.
كما تُعد بعض أنظمة تحديد الهوية البيومترية عن بُعد تطبيقات ذكاء اصطناعي عالية المخاطر.
لكن لا يقع كل نظام تحقق بيومتري 1:1 تلقائياً ضمن فئة المخاطر نفسها.
يجب على المصنّعين ومتكاملي الأنظمة والمؤسسات المستخدمة العاملة في سوق الاتحاد الأوروبي تقييم الأحكام المنطبقة وفقاً لغرض استخدام النظام.
ما الذي ينبغي مراعاته عند اختيار نظام للتعرّف على الوجه؟
معيار الاختيار | ما ينبغي التحقق منه |
|---|---|
الغرض من الاستخدام | هل المطلوب تحقق 1:1 أم بحث 1:N؟ |
الامتثال القانوني | شروط المعالجة والتناسب بموجب KVKK |
الخوارزمية | تقييم مستقل للأداء |
الدقة | FMR وFNMR وFPIR وFNIR |
فحص الحيوية | اختبارات PAD وسيناريوهات الهجوم |
الكاميرا | حجم الوجه بالبكسل والزاوية والإضاءة |
قاعدة البيانات | السعة وأمن البيانات |
بنية المعالجة | Edge أو خادم محلي أو سحابة |
التكامل | التحكم بالدخول وVMS وAPI |
الأمن السيبراني | التشفير والتفويض والتحديثات |
الطريقة البديلة | بطاقة أو PIN أو وسيلة تحقق أخرى |
التحقق الميداني | الاختبار في ظروف التشغيل الفعلية |
التحقق الميداني من أنظمة التعرّف على الوجه
لا يكفي في مشروع احترافي للتعرّف على الوجه إثبات أن الجهاز يعمل فحسب.
يجب تقييم ما إذا كان النظام يعمل بموثوقية وأمان ومشروعية في الظروف الفعلية.
مثال على عملية التحقق:
تحديد الغرض من الاستخدام والأساس القانوني.
تقييم البدائل غير البيومترية.
اختيار بنية 1:1 أو 1:N.
التحقق من موضع الكاميرا وجودة الصورة.
اختبار إجراءات إنشاء السجلات البيومترية المرجعية.
تنفيذ سيناريوهات التحقق للمستخدمين الحقيقيين.
قياس معدلات القبول الخاطئ والرفض الخاطئ.
تقييم فحوص الحيوية باستخدام إجراءات اختبار معتمدة.
فحص ظروف الإضاءة والمستخدمين المختلفة.
اختبار التكامل مع نظام التحكم بالدخول.
التحقق من إجراءات الاحتفاظ بالبيانات والوصول إليها وحذفها.
إعداد تقرير بالنتائج وفق معايير القبول.
يجب إجراء الاختبارات بوسائل قانونية وفي ظل تدابير حماية البيانات اللازمة.
قائمة التحقق التقنية
- هل حُدد غرض استخدام التعرّف على الوجه بوضوح؟
- هل جرى تقييم البدائل غير البيومترية؟
- هل حُدد أساس قانوني بموجب KVKK؟
- هل فُصلت متطلبات 1:1 عن متطلبات 1:N؟
- هل روجعت نتائج الأداء المستقلة للخوارزمية؟
- هل جرى تقييم قيم FMR وFNMR؟
- هل قيس FPIR وFNIR في أنظمة 1:N؟
- هل جرى التحقق من فحوص الحيوية وأداء PAD؟
- هل اختُبرت زاوية الكاميرا وجودة الصورة؟
- هل فُحص الأداء لدى فئات المستخدمين المختلفة؟
- هل تُخزّن البيانات البيومترية بأمان؟
- هل جرى تقييم مخاطر الوصول غير المصرح به وانتهاكات البيانات؟
- هل أُعدت سياسات حذف بيانات المستخدمين والاحتفاظ بها؟
- هل وُضعت وسيلة بديلة للمصادقة؟
- هل اكتمل التحقق الميداني؟
الأسئلة الشائعة
ما نظام التعرّف على الوجه المدعوم بالذكاء الاصطناعي؟
هي تقنية تحلل السمات البيومترية المستخلصة من وجه الإنسان للتحقق من الهوية أو مطابقة الشخص مع أشخاص مسجلين.
هل التعرّف على الوجه واكتشاف الوجه شيء واحد؟
لا. يحدد اكتشاف الوجه وجود وجه في الصورة، بينما يتضمن التعرّف على الوجه مطابقة الوجه بمراجع بيومترية مسجلة.
ما الفرق بين التعرّف على الوجه 1:1 و1:N؟
يتحقق التحقق 1:1 من ادعاء هوية واحد، بينما يبحث تحديد الهوية 1:N عن الوجه بين مراجع مسجلة متعددة.
هل تعمل أنظمة التعرّف على الوجه بدقة 100 بالمئة؟
لا. قد تقع أخطاء قبول خاطئ ورفض خاطئ. ويعتمد الأداء على الخوارزمية وجودة الصورة وإعدادات العتبة وظروف الاستخدام.
لماذا يلزم اكتشاف الحيوية؟
يُستخدم للمساعدة في اكتشاف محاولات الانتحال باستخدام الصور أو الشاشات أو الأقنعة.
هل تعمل أنظمة التعرّف على الوجه ليلاً؟
يمكنها العمل في بعض ظروف الإضاءة المنخفضة باستخدام تقنيات مناسبة للكاميرا والإضاءة. لكن الأداء الفعلي يعتمد على المنتج والظروف الميدانية.
هل يمكن إجراء التعرّف على الوجه باستخدام كاميرات IP الحالية؟
قد يكون ذلك ممكناً تقنياً إذا كانت جودة الصورة ودعم البرامج مناسبين. لكن يجب تقييم غرض الاستخدام ومتطلبات حماية البيانات والأداء على نحو مستقل.
هل يمكن استخدام نظام التعرّف على الوجه لتتبع دخول الموظفين وخروجهم؟
رغم إمكان ذلك تقنياً، يلزم في تركيا تقييم قانوني مستقل لشروط معالجة البيانات البيومترية والضرورة والتناسب والوسائل البديلة.
هل تتوافق أنظمة التعرّف على الوجه مع KVKK؟
لا يكفي ادعاء عام وغير مشروط بامتثال المنتج نفسه. فالامتثال يعتمد على غرض نشاط معالجة البيانات المحدد وأساسه القانوني والتدابير الأمنية والالتزامات الأخرى.
الخلاصة
تستخدم أنظمة التعرّف على الوجه المدعومة بالذكاء الاصطناعي تقنيات متقدمة للرؤية الحاسوبية للتحقق البيومتري من الهوية وتحديدها.
يمكن لتقنيات مثل التحقق من الوجه 1:1 وتحديد الهوية 1:N ومطابقة الوجه المعتمدة على التعلم العميق وفحوص الحيوية أن توفر حلولاً لاحتياجات أمنية مختلفة.
لكن أداء المطابقة الخوارزمية وحده لا يكفي لتقييم نجاح نظام التعرّف على الوجه.
يجب النظر معاً في معدلات القبول والرفض الخاطئين، ومقاومة هجمات الانتحال، وموضع الكاميرا، والأمن السيبراني، وحماية البيانات الشخصية، والتحقق الميداني.
تكتسب الضرورة والتناسب وتقييم البدائل الأقل تدخلاً أهمية حاسمة، ولا سيما عند معالجة البيانات البيومترية.
لا يُقاس نجاح نظام احترافي للتعرّف على الوجه بقدرته على التعرّف على الأشخاص فحسب، بل بمدى تحقيقه ذلك بدقة قابلة للقياس وأمن قوي للبيانات ونموذج استخدام قانوني.