Dorsal Hand Images for Immersive (XR) and Privacy-preserving Age Assurance and Child Safety
Dit artikel stelt het gebruik voor van afbeeldingen van de handrug, vastgelegd door camera's van een XR-headset, als een privacy-vriendelijk en meeslepend alternatief voor gezichtsherkenning voor continue leeftijdsverificatie, waarbij via een diverse dataset wordt aangetoond dat deze methode effectief minderjarigen van volwassenen kan onderscheiden bij de drempel van 18 jaar met robuustheid tegen variaties in huidskleur.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de snel expanderende wereld van virtual reality, waar gebruikers headsets opzetten om in digitale werelden te stappen, loert een hardnekkige veiligheidsuitdaging: hoe te waarborgen dat kinderen niet worden blootgesteld aan inhoud of interacties die bedoeld zijn voor volwassenen. Huidige regels vereisen dat platforms de leeftijd van een gebruiker verifiëren, maar de methoden die vandaag de dag worden gebruikt, zijn vaak onhandig en indringend. De standaardaanpak vertrouwt op gezichtsherkenning, waarbij een gebruiker wordt gevraagd de headset af te zetten, een selfie met een telefoon te maken en deze naar een derde partij te uploaden. Dit proces doorbreekt het gevoel van aanwezigheid, waardoor de gebruiker uit de meeslepende ervaring wordt gehaald, en roept ernstige privacyzorgen op door gevoelige gezichtsgegevens te delen met externe bedrijven. Bovendien is er, zodra een gebruiker zich in een sessie bevindt, geen gemakkelijke manier om continu te controleren of de persoon die de headset draagt nog steeds dezelfde persoon is die zich heeft aangemeld, wat een gat laat waar minderjarigen in ruimtes voor volwassenen kunnen glippen.
Onderzoekers weten al lang dat de huid op de rug van de hand op voorspelbare manieren verandert naarmate mensen ouder worden, waarbij rimpels ontstaan, de textuur verandert en aderen duidelijker zichtbaar worden. Hoewel deze tekenen goed gedocumenteerd zijn in medische studies, zijn ze zelden getest als hulpmiddel voor digitale leeftijdsverificatie, vooral niet om tieners van volwassenen te onderscheiden. Een team onderzoekers aan de University of Greenwich heeft nu onderzocht of de rug van de hand, vastgelegd door de camera's die al in virtual reality-headsets zijn ingebouwd, als een betrouwbare, privacyvriendelijke manier zou kunnen dienen om leeftijd te controleren zonder ooit het gezicht van een gebruiker te tonen.
De onderzoekers zetten zich scharpe schouders onder het bouwen van een nieuwe dataset om dit idee te testen, in het besef dat eerdere studies alleen naar volwassenen keken of gebruik maakten van gecontroleerde laboratoriumomgevingen die de praktijk niet weerspiegelden. Ze rekruteerden 436 deelnemers, variërend van tien tot zesenzeventig jaar oud, waarbij ze zorgden voor een evenwichtige mix van leeftijden, geslachten en huidtinten. Het doel was om beelden vast te leggen onder omstandigheden die nabootsen hoe een persoon een virtual reality-apparaat daadwerkelijk zou gebruiken: de hand vrij in wisselend licht houden, zonder speciale apparatuur om de hand stil te houden of de verlichting te standaardiseren. Met een Meta Quest 3-headset begeleidde het team de deelnemers om hun handen in een specifiek kijkgebied te plaatsen, waarbij beelden van de rug van de hand werden vastgelegd terwijl de gebruiker op natuurlijke wijze met de virtuele wereld interactie had. Dit resulteerde in duizenden afbeeldingen die de rommelige, variabele realiteit van dagelijks gebruik weerspiegelden, in plaats van de perfecte omstandigheden van een medische kliniek.
Met deze diverse collectie afbeeldingen trainde het team verschillende computersystemen om het verschil tussen een kind en een volwassene te leren. Ze testten verschillende soorten kunstmatige intelligentiemodellen, van standaardnetwerken tot meer geavanceerde modellen die ontworpen zijn om complexe patronen te verwerken, waarbij ze de modellen vroegen de leeftijd van de persoon op de foto te voorspellen. De resultaten toonden aan dat deze systemen inderdaad met een redelijke mate van nauwkeurigheid tussen minderjarigen en volwassenen konden onderscheiden. Het best presterende model maakte een gemiddelde fout van ongeveer vijf en drie kwart jaar bij het raden van de exacte leeftijd van een persoon. Hoewel dit een grote marge kan lijken voor het raden van een specifieke verjaardag, waren de onderzoekers minder geïnteresseerd in het exacte getal en meer gefocust op een binaire beslissing: is deze persoon achttien jaar of ouder?
Wanneer het systeem werd afgesteld om zeer voorzichtig te zijn om te voorkomen dat een kind een ruimte voor volwassenen betreedt, presteerde het met een hoge betrouwbaarheid. Door een strikte drempelwaarde in te stellen, kon het systeem effectief alle minderjarigen blokkeren, wat fungeerde als een krachtig eerste filter. De onderzoekers ontdekten dat het systeem consistent goed functioneerde over verschillende huidtinten heen, zonder significante bias tegen mensen met een donkere of lichtere huid. Dit is een cruciale bevinding, aangezien veel leeftijdsverificatietools moeite hebben om eerlijk te werken voor diverse populaties. De studie toonde ook aan dat het maken van meerdere foto's van de hand tijdens een enkele sessie en het combineren van de resultaten het systeem nog nauwkeuriger maakte, waardoor de kans op een fout bij de jongste tieners bijna tot nul werd teruggebracht, terwijl een aanzienlijk deel van de volwassenen nog steeds zonder verdere verificatie door kon gaan.
De implicaties van dit werk reiken verder dan alleen betere nauwkeurigheid; ze raken aan het fundamentele vraagstuk van privacy in digitale ruimtes. In tegen tegenover het gezicht, dat overal in het publieke leven en op sociale media zichtbaar is, wordt de rug van de hand zelden gefotografeerd of gedeeld. Als een handafbeelding zou lekken, zou het voor een derde partij veel moeilijker zijn om deze aan een specifiek individu te koppelen in vergelijking met een gezicht. Dit maakt de hand een veel veiligere biometrische tool voor het beschermen van kinderen, omdat het platforms in staat stelt de leeftijd te verifiëren zonder de gevoelige gezichtsgegevens te verzamelen die in het verleden tot talrijke datalekken hebben geleid. De onderzoekers suggereren dat deze methode direct in virtuele reality-sessies geïntegreerd kan worden, waarbij de leeftijd continu en passief wordt gecontroleerd terwijl een gebruiker met de wereld interacteert, zonder dat zij ooit hun headset hoeven af te zetten of hun ervaring wordt onderbroken.
Hoewel de studie niet beweert dat deze methode een perfecte, op zichzelf staande oplossing is voor elk scenario, stelt het vast dat de rug van de hand genoeg biologische informatie bevat om te dienen als een levensvatbare, privacy-beschermende tool voor leeftijdsverificatie. Het werk vult een kritiek gat in het vakgebied door te bewijzen dat deze methoden kunnen werken over de moeilijke grens tussen kindertijd en volwassenheid, een bereik waar visuele tekenen van veroudering vaak subtiel en inconsistent zijn. Door aan te tonen dat standaardmodellen van kunstmatige intelligentie deze subtiele kenmerken kunnen leren van afbeeldingen genomen in ongecontroleerde verlichting, hebben de onderzoekers een concreet pad geboden voor het creëren van veiligere, meer meeslepende digitale omgevingen waar kinderen beschermd kunnen worden zonder dat hun privacy of hun gevoel van aanwezigheid wordt opgeofferd.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.