生物识别中的人口群体偏见：一项关键挑战的调查

Mar, 2020

生物识别中的人口群体偏见：一项关键挑战的调查

Demographic Bias in Biometrics: A Survey on an Emerging Challenge

P. Drozdowski, C. Rathgeb, A. Dantcheva, N. Damer, C. Busch

TL;DR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。

Abstract

Systems incorporating biometric technologies have become ubiquitous in personal, commercial, and governmental identity management applications. Both cooperative (e.g. access control) and non-cooperative (e.g. surveillance and forensics) systems have benefited from biometrics. Such syst

biometrics systemic bias automated decision systems face recognition algorithms biometric bias estimation

发现论文，激发创造

生物特征识别：信任，但验证

本文就生物识别技术面临的问题进行了调查，包括认知性能、安全性、公平性、数据归集和用户隐私等，并提出了如何解决这些问题以提高其安全性和公信力的建议。

May, 2021

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

生物识别中测量偏差的公平性指数

本文提出了多个基于 biometric 系统评分的统计特征的评估指标和权重策略，通过评估数据得出生物识别系统的公平性。

Jun, 2023

战略可视范围：生物识别中的残障歧视

本文旨在探讨生物识别技术对残障人士在接触现代科技方面的影响，主要考虑了个人特征和行为特征等方面带来的可能的益处和损害。

Jul, 2022

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

生物识别语言：分析公众看法

本文调查了公众对生物识别技术的理解、认知和接受程度，结果表明大多数人虽然了解生物识别技术，但只限于常见技术，而忽略了新兴领域，例如行为生物识别。本文提供了独特的观察角度来了解公众对生物识别技术的认知和了解程度，以及他们对生物识别技术应用领域的知识缺乏的情况。

May, 2019

迈向公正的面部验证：对人口统计偏见的深入分析

通过深入分析，本文重点讨论了涉及种族、年龄和性别等因素的交叉偏见问题，提出了在当前文献中较少探索的种族、年龄和性别组合方面的性能差异。此外，本文在定量分析中引入了五个补充指标，包括不公平影响和不公平待遇指标，以克服当前主流方法中常被忽视的重要局限。研究结果表明，人脸识别系统存在普遍偏见，不仅限于种族，不同的人口统计因素导致显著不同的结果。通过揭示这些偏见及其影响，本文旨在促进进一步研究，以开发更公正、更公平的人脸识别和验证系统。

Jul, 2023

生物计量学的理论极限

生物测量学在识别准确性方面表现出了其能力。本文提出了一种理论分析方法来解决生物识别系统的可区分性问题，并展示了人口规模与避免冲突所需的独立位数之间的简单关系。研究结果令人鼓舞，因为整个地球人口的生物测量数据可以储存在一个普通硬盘上，还留有一些空间用于噪声和冗余。

Nov, 2023

利用神经网络的生物计量学

生物识别技术在数字身份识别中发挥着重要作用，然而当前的技术仍存在一定的安全性和精确性问题。本文调查了基于神经网络的各种生物识别技术，强调了对提高精确性和可靠性的不断追求，得出了神经网络与生物特征结合不仅可以提高准确性，还有助于整体安全性的结论。

Feb, 2024

超越人口统计偏见的人脸识别偏差全面研究

分析了面部属性对人脸识别系统的影响，探讨了人口统计学以外的因素如饰品、发型、脸型等在身份验证性能方面的影响，提出了进一步增强人脸识别系统鲁棒性、可解释性和公平性的需求。

Mar, 2021