Position: Age Estimation Models Do Not Process Biometric Data
Dieses Positionspapier argumentiert, dass Altersschätzmodelle keine biometrischen Daten verarbeiten, da empirische Belege zeigen, dass ihnen die für die Individualidentifizierung erforderlichen identitätsdiskriminierenden Fähigkeiten fehlen, und fordert Regulierungsbehörden auf, eine solche vorübergehende Verarbeitung von der Speicherung von Templates zu unterscheiden, um unnötige rechtliche Belastungen zu vermeiden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die große Frage: Ist ein „Raten" dasselbe wie ein „Fingerabdruck"?
Stellen Sie sich vor, Sie betreten einen Laden. Eine Kamera macht ein Foto Ihres Gesichts, um Ihr Alter zu schätzen. Die Frage, die dieses Papier stellt, lautet: Macht diese Kamera nur eine „Schätzung" Ihres Alters, oder erstellt sie heimlich einen digitalen Fingerabdruck, der Sie identifizieren könnte?
Wenn die Antwort lautet: „Sie erstellt einen Fingerabdruck", dann greifen strenge Datenschutzgesetze (wie die DSGVO in Europa oder BIPA in Illinois). Diese Gesetze besagen, dass Sie eine ausdrückliche Einwilligung geben müssen, sonst drohen dem Unternehmen hohe Geldstrafen. Wenn die Antwort lautet: „Sie schätzt nur", gelten diese strengen Regeln möglicherweise nicht.
Die Autorin, Nikita Marshalkin, argumentiert, dass Altersschätzungsmodelle keine biometrischen Daten verarbeiten, da sie darin, Personen zu identifizieren, schlecht sind. Sie sind wie ein Wettervorhersager, der hervorragend Regen vorhersagen kann, aber darin versagt, Gesichter zu erkennen.
Die rechtliche Verwirrung: „Können" vs. „Wollen"
Das Papier hebt eine verwirrende Lücke im Gesetz hervor.
- Das „Zweck"-Argument: Einige Regulierungsbehörden sagen: „Wenn das Unternehmen beabsichtigt, Ihr Alter zu schätzen und Sie nicht zu identifizieren, ist das in Ordnung."
- Das „Fähigkeits"-Argument: Andere Regulierungsbehörden sagen: „Wenn die Technologie Sie theoretisch identifizieren könnte, auch wenn sie es nicht will, handelt es sich um biometrische Daten."
Das Papier konzentriert sich auf das Fähigkeits-Argument. Es fragt: Selbst wenn das Unternehmen es nicht will, erlaubt die Mathematik im Computer ihnen tatsächlich, Sie zu identifizieren?
Das Experiment: Der „Geschmackstest"
Um dies zu beantworten, hat die Autorin nicht nur geraten; sie führte ein massives Experiment durch. Stellen Sie sich das wie einen Geschmackstest vor.
- Der Aufbau: Sie nahm 14 verschiedene „Altersschätzer"-Modelle (einige kommerziell, einige quelloffen).
- Die Herausforderung: Sie stellte diesen Modellen eine andere Frage: „Schauen Sie sich diese beiden Fotos an. Sind es dieselbe Person?"
- Sie testete dies an drei verschiedenen „Hindernisparcours" (Benchmarks):
- Der einfache Parcours: Normale Fotos (LFW).
- Der Zeitreise-Parcours: Fotos derselben Person mit 30 Jahren Abstand (AgeDB-30).
- Der Winkel-Parcours: Ein Foto von vorne, eines von der Seite (CFP-FP).
- Sie testete dies an drei verschiedenen „Hindernisparcours" (Benchmarks):
- Der Vergleich: Sie verglich die „Altersschätzer" mit einem „Gesichtsidentifier" (ein Modell, das speziell entwickelt wurde, um Personen zu erkennen, wie dasjenige, das zum Entsperren von Handys verwendet wird).
Die Ergebnisse: Die Altersschätzer versagten kläglich
Die Ergebnisse waren klar und dramatisch.
- Der Gesichtsidentifier: Er war wie ein Meisterdetektiv. Er bekam die Antwort fast 100 % der Zeit richtig.
- Die Altersschätzer: Sie waren wie eine betrunkene Person, die versucht, ihr eigenes Spiegelbild zu erkennen. Sie versagten kläglich.
Die Analogie:
Stellen Sie sich einen Sicherheitskontrollpunkt vor, der ein Passwort zum Betreten erfordert.
- Der Gesichtsidentifier hat das richtige Passwort.
- Die Altersschätzer versuchen, das Passwort zu erraten, indem sie auf die Farbe des Himmels schauen. Sie sind zwei Größenordnungen (100-mal) schlechter als das, was erforderlich ist, um tatsächlich jemanden zu identifizieren.
Selbst als die Autorin versuchte, den Altersschätzern beizubringen, Gesichter zu erkennen, indem sie eine kleine Trainingsschicht darüber legte (wie ihnen ein Spickzettel gegeben wurde), versagten sie bei den schwierigeren Tests weiterhin. Ihnen fehlten einfach die „Zutaten" (Daten) in ihnen, um eine Identität zu konstruieren.
Der Mythos vom „Geist in der Maschine"**
Einige Menschen befürchten, dass das Modell, selbst wenn es keine Gesichts-ID speichert, möglicherweise einen temporären „Geist" (eine Zwischenrepräsentation) im Computer erzeugt, der später zur Identifizierung einer Person verwendet werden könnte.
Das Papier argumentiert, dass dies wie die Sorge ist, ein Thermometer enthalte eine geheime Karte Ihres Hauses.
- Ein Thermometer misst die Temperatur. Während es Ihre Haut berührt, erzeugt es eine vorübergehende Messung.
- Sobald es die Temperatur abgelesen hat, verwirft es die Messung.
- Selbst wenn Sie in die inneren Zahnräder des Thermometers schauen würden, könnten Sie daraus keine Karte Ihres Hauses rekonstruieren.
Ähnlich zeigt das Papier, dass der „Geist" in einem Altersschätzer zu unscharf ist, um jemanden zu identifizieren. Es ist kein Fingerabdruck; es ist ein unscharfer Fleck, der nur weiß: „Das sieht aus wie ein 25-Jähriger", nicht aber: „Das ist John Doe."
Der Aufruf zum Handeln
Das Papier endet mit zwei Aufforderungen:
- An die Forscher: „Seien Sie nicht vage." Sagen Sie der Welt klar: Speichert dieses System eine Gesichts-ID? Nein. Wirft es die Daten sofort weg? Ja. Seien Sie transparent darüber, was das System kann und was nicht.
- An die Regulierungsbehörden: „Behandeln Sie nicht alle Gesichtskameras gleich." Unterscheiden Sie zwischen einem System, das eine Gesichts-ID speichert, um eine Person zu finden (wie eine Polizeidatenbank), und einem System, das ein Gesicht vorübergehend verarbeitet, um ein Alter zu schätzen und die Daten dann löscht. Letzteres sollte nicht mit denselben strengen Regeln bestraft werden wie Ersteres.
Das Fazit
Das Papier kommt zu dem Schluss, dass Altersschätzungsmodelle Personen nicht identifizieren können. Sie sind darin so schlecht, dass sie weit unter den gesetzlichen Standards für das liegen, was als „biometrische Daten" gilt. Daher sollten sie nicht gezwungen werden, die strengsten Datenschutzregeln zu befolgen, die für Systeme entwickelt wurden, die tatsächlich wissen, wer Sie sind.
Hinweis: Die Autorin stellt klar, dass dies keine Rechtsberatung ist, sondern wissenschaftliche Beweise, um Regulierungsbehörden bei besseren Entscheidungen zu unterstützen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.