Dorsal Hand Images for Immersive (XR) and Privacy-preserving Age Assurance and Child Safety
Dieses Paper schlägt die Verwendung von Bildern des Handrückens, die mit den Kameras eines XR-Headsets aufgenommen wurden, als datenschutzfreundliche und immersive Alternative zur Gesichtserkennung für die kontinuierliche Altersprüfung vor und demonstriert anhand eines vielfältigen Datensatzes, dass diese Methode Minderjährige effektiv von Erwachsenen an der 18-Jahre-Schwelle unterscheiden kann, wobei sie gegenüber Variationen des Hauttons robust ist.
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
In der rasant expandierenden Welt der virtuellen Realität, in der Nutzer Headsets aufsetzen, um in digitale Welten einzutauchen, droht eine beständige Sicherheitsherausforderung: sicherzustellen, dass Kinder nicht mit Inhalten oder Interaktionen konfrontiert werden, die für Erwachsene bestimmt sind. Aktuelle Regeln erfordern von Plattformen, das Alter eines Nutzers zu verifizieren, doch die heute verwendeten Methoden sind oft umständlich und aufdringlich. Der Standardansatz stützt sich auf Gesichtserkennung, wobei von einem Nutzer verlangt wird, das Headset abzunehmen, ein Selfie mit einem Telefon zu machen und dieses an einen Drittanbieter hochzuladen. Dieser Prozess unterbricht das Gefühl der Präsenz, zwingt den Nutzer aus dem immersiven Erlebnis heraus und wirft ernsthafte Datenschutzbedenken auf, da sensible Gesichtsdaten mit externen Unternehmen geteilt werden. Darüber hinaus gibt es nach dem Eintritt in eine Sitzung keine einfache Möglichkeit, kontinuierlich zu überprüfen, ob die Person, die das Headset trägt, noch dieselbe Person ist, die sich angemeldet hat, was eine Lücke hinterlässt, durch die Minderjährige in Räume für Erwachsene gelangen könnten.
Forscher wissen schon lange, dass sich die Haut auf dem Handrücken in vorhersehbaren Weisen verändert, während Menschen älter werden, indem sie Falten entwickelt, die Textur sich verändert und Venen deutlicher hervortreten. Während diese Anzeichen in medizinischen Studien gut dokumentiert sind, wurden sie als Werkzeug zur digitalen Altersverifizierung, insbesondere zur Unterscheidung zwischen Teenagern und Erwachsenen, selten getestet. Ein Team von Forschern der University of Greenwich hat nun untersucht, ob der Handrücken, der durch die bereits in Virtual-Reality-Headsets eingebauten Kameras natürlich erfasst werden kann, als zuverlässige, datenschutzfreundliche Methode zur Altersprüfung dienen könnte, ohne jemals das Gesicht zeigen zu müssen.
Die Forscher setzten sich zum Ziel, einen neuen Datensatz zu erstellen, um diese Idee zu testen, da sie erkannten, dass frühere Studien nur Erwachsene betrachtet oder kontrollierte Laborumgebungen genutzt hatten, die nicht den realen Gebrauch widerspiegelten. Sie rekrutierten 436 Teilnehmer im Alter von zehn bis siebenundsechzig Jahren und stellten so eine ausgewogene Mischung aus Alter, Geschlecht und Hautton sicher. Das Ziel war es, Bilder unter Bedingungen aufzunehmen, die simulieren, wie eine Person ein Virtual-Reality-Gerät tatsächlich verwenden würde: die Hand frei haltend unter variierendem Licht, ohne spezielle Ausrüstung, um die Hand ruhig zu halten oder das Licht zu standardisieren. Mit einem Meta Quest 3 Headset leiteten die Forscher die Teilnehmer an, ihre Hände in einen spezifischen Sichtbereich zu halten, wobei Bilder des Handrückens aufgenommen wurden, während der Nutzer natürlich mit der virtuellen Welt interagierte. Dies resultierte in tausenden Bildern, die die unordentliche, variable Realität des alltäglichen Gebrauchs widerspiegelten, statt der perfekten Bedingungen einer medizinischen Klinik.
Mit dieser vielfältigen Sammlung von Bildern trainierte das Team mehrere verschiedene Computersysteme, um den Unterschied zwischen einem Kind und einem Erwachsenen zu erlernen. Sie testeten verschiedene Arten von Modellen der künstlichen Intelligenz, von Standardnetzwerken bis hin zu fortgeschritteneren Modellen, die für komplexe Muster entwickelt wurden, und baten sie, das Alter der Person auf dem Foto vorherzusagen. Die Ergebnisse zeigten, dass diese Systeme tatsächlich in der Lage waren, zwischen Minderjährigen und Erwachsenen mit einem angemessenen Maß an Genauigkeit zu unterscheiden. Das leistungsfähigste Modell machte einen durchschnittlichen Fehler von etwa fünf und drei Vierteln Jahren bei der Schätzung des exakten Alters einer Person. Dies mag wie eine große Spanne für die Schätzung eines spezifischen Geburtstages erscheinen, doch die Forscher waren weniger an der genauen Zahl interessiert als vielmehr an einer binären Entscheidung: Ist diese Person achtzehn oder älter?
Als das System darauf getrimmt wurde, sehr vorsichtig zu sein, um kein Kind in einen Erwachsenenraum zu lassen, arbeitete es mit hoher Zuverlässigkeit. Durch das Festlegen eines strengen Schwellenwerts konnte das System effektiv alle Minderjährigen blockieren und somit als leistungsstarkes Erstfilter fungieren. Die Forscher fanden heraus, dass das System über verschiedene Hauttöne hinweg konsistent gut funktionierte und keine signifikante Voreingenommenheit gegenüber Menschen mit dunklerer oder hellerer Haut zeigte. Dies ist ein entscheidender Befund, da viele Altersverifizierungswerkzeuge Schwierigkeiten haben, über diverse Populationen hinweg fair zu arbeiten. Die Studie zeigte auch, dass das Aufnehmen mehrerer Bilder der Hand während einer einzigen Sitzung und das Kombinieren der Ergebnisse das System noch genauer machte, wodurch die Chance auf einen Fehler für die jüngsten Teenager auf nahezu Null senkte, während gleichzeitig ein erheblicher Teil der Erwachsenen ohne weitere Verifizierung hindurchgelassen werden konnte.
Die Implikationen dieser Arbeit gehen über eine bessere Genauigkeit hinaus; sie berühren die grundlegende Frage des Datenschutzes in digitalen Räumen. Im Gegensatz zu einem Gesicht, das im öffentlichen Leben und in sozialen Medien überall sichtbar ist, wird der Handrücken selten fotografiert oder geteilt. Wenn ein Bild der Hand durchsickern sollte, wäre es für einen Dritten weitaus schwieriger, es im Vergleich zu einem Gesicht einer bestimmten Person zuzuordnen. Dies macht die Hand zu einem viel sichereren biometrischen Werkzeug zum Schutz von Kindern, da es Plattformen ermöglicht, das Alter zu verifizieren, ohne die sensiblen Gesichtsdaten zu erfassen, die in der Vergangenheit zu zahlreichen Datenschutzverletzungen geführt haben. Die Forscher schlagen vor, dass diese Methode direkt in Virtual-Reality-Sitzungen integriert werden könnte, um das Alter kontinuierlich und passiv zu prüfen, während der Nutzer mit der Welt interagiert, und zwar ohne jemals zu verlangen, dass er sein Headset abnimmt oder seine Erfahrung unterbricht.
Obwohl die Studie nicht behauptet, dass diese Methode eine perfekte, eigenständige Lösung für jedes Szenario ist, etabliert sie, dass der Handrücken genügend biologische Informationen trägt, um als praktikables, datenschutzwahrendes Werkzeug zur Altersbestimmung zu dienen. Die Arbeit schließt eine kritische Lücke im Feld, indem sie beweist, dass diese Methoden an der schwierigen Grenze zwischen Kindheit und Erwachsenenalter funktionieren können – einem Bereich, in dem die visuellen Zeichen der Alterung oft subtil und inkonsistent sind. Durch den Nachweis, dass Standardmodelle der künstlichen Intelligenz in der Lage sind, diese subtilen Hinweise aus Bildern unter unkontrollierten Lichtverhältnissen zu erlernen, haben die Forscher einen konkreten Weg aufgezeigt, um sicherere, immersivere digitale Umgebungen zu schaffen, in denen Kinder geschützt werden können, ohne dass ihre Privatsphäre oder ihr Gefühl der Präsenz geopfert werden muss.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.