AAAIJan, 2020

探究面部识别审计中的伦理关切

PDF
TL;DR为了避免加剧或补充审计系统所传播的伤害，审计人员需要意识到更多的设计考虑和伦理紧张关系。本文针对商业人脸处理技术，展示了五个伦理问题，并提供了这些问题的具体例证，同时反思了这些问题对算法审计的作用和它们所揭示的基本产品局限性的意义。
发现论文，激发创造
  • 面部识别系统数据审计

    本文提出了一种成员推理的面部审核工具 FACE-AUDITOR，可以在不影响人脸识别模型实用性的情况下，更好地保护用户隐私。实验表明，FACE-AUDITOR 可以实现高达 99% 的审核准确性，并且对一些干扰机制具有较强的鲁棒性。

    Apr, 2023

  • 商业人脸识别模型是否和学术模型一样存在偏差？

    本文研究了基于算法的面部识别系统的偏差和损害，通过比较学术模型和商业模型的噪声鲁棒性发现，学术模型在年龄和男性化性别方面的表现存在明显的种族和性别偏见，与商业模型相比，商业模型在公平性方面的表现并不理想。

    Jan, 2022

  • 面部分析中的偏差解剖

    本文提出了用于面部分析的偏差检测 / 估计和减轻算法，并对已提出的偏差检测算法进行了系统综述。其主要贡献是对现有的偏差缓解算法进行了分类和广泛的概述。我们还讨论了偏差面部分析领域中的开放挑战。

    Dec, 2021

  • 关于面部识别评估的调查

    针对超过 100 个面部数据集进行的历史调查表明，这些数据集受到政治动机、技术能力和当前社会规范等多种因素的影响，掩盖了一些可能有害或有问题的实践。因此，需要明确传达这些细节，以建立更加深入的对技术在现实世界中功能的理解。

    Feb, 2021

  • 人工智能时代巴西数据的风险？

    本文讨论了生物识别系统，特别是脸部模态的漏洞和如何通过伪造攻击的方式欺骗生物识别系统，并提出了十个问题，以开始在人工智能时代探讨市民数据安全和数据隐私问题。

    May, 2022

  • 人脸检测中的鲁棒性差异

    这篇研究论文旨在通过详细的基准测试来检查商业和学术模型的人脸检测问题，特别关注这些系统对于不同身份的人的鲁棒性和公平性的问题，结果发现西方男性、年龄偏大、皮肤较暗和光照条件较差的人更容易受到错误的影响。

    Nov, 2022

  • 人脸识别算法对抗攻击和偏见的鲁棒性

    本文总结了挑战人脸识别算法鲁棒性的不同方式，包括物理攻击、化妆伪装、数字对抗攻击以及使用 GAN 的变形和篡改，同时也讨论了偏见对人脸识别模型性能的影响和增强鲁棒性的未来研究方向。

    Feb, 2020

  • 公平保护：调查视觉隐私保护算法的公平性

    本研究旨在探讨视觉隐私保护算法的公平性，利用 PubFig 数据集的实验结果表明，常用的视觉隐私保护算法提供的隐私保护在群体之间不均等。

    Jan, 2023

  • 人脸图像质量评估：文献综述

    通过深度学习的方法，本文综述了可用于人脸图像质量评估的文献，探讨了该技术在人脸识别和其它应用方面的潜在应用。

    Sep, 2020

  • 生物识别中的人口群体偏见：一项关键挑战的调查

    本文深入探讨了生物识别技术在算法偏倚背景下的现存问题及解决方案，尤其关注人脸识别算法的种族歧视和偏见问题，并提出了未来的研究方向。

    Mar, 2020