تکنولوژی و امنیت

چهره ای در انبوه جمعیت فرودگاه

دوربین های امنیتی در فرودگاه پورتلند، مین، طبق روال معمول، صورت مسافران را در صبح یازده سپتامبر 2001 اسکن می کردند. درست قبل از ساعت 6 صبح، دو مرد جوان که برای بوستون بلیط داشتند از کنار محل ورود مسافرین به هواپیما، گذشتند. تنها بعد از چند ساعت، آن ها هواپیمای خطوط هوایی امریکن فلایت دو را از بوستون خارج کرده، آن را ربودند و به سمت ساختمان های تجارت جهانی واقع در نیویورک هدایت کردند.

نه روز بعد، فیلم دوربین های مداربسته امنیتی از تلویزیون پخش شد. یک مجادله پیش آمد. چرا دیوان تجسس فدرال(FBI) آن مرد ها را متوقف نکرد؟ دوربین ها تصاویر آن ها را ضبط کرده بودند. چرا اف بی آی یا گارد امنیتی و یا حتی هر سازمان دیگری این موضوع که این مرد ها خطرناک اند را متوجه نشد؟

این چنین سوالاتی توجیه پذیراند، اما زیاد واقعی نیستند. تروریست ها هیچ کار غیر معمولی را رو به روی  دوربین ها انجام ندادند.

از روی ظاهر هیچ جنایت کار نمی توان کارهای جنایت کارانه ی آینده ی او را پیش بینی کرد.

مگر این که، یک نفر در فرودگاه حاظر باشد که بداند آن ها چه کسانی هستند و برنامه آن ها چیست. که چنین چیزی ممکن نیست و نمی توان بدون دلیل و مدرک آن ها را متوقف کرد. اما ویدئو های امنیتی الهام بخش برخی تفکرات در مورد امکانات جدید بود. چه می شود اگر یک ماشین بداند میلیون ها فرد خلافکار چه شکلی هستد و زمانی که آن ها در تلاش برای هواپیما ربایی هستند، آن ها را شناسایی کند؟

این ایده، اصلاح شده ی یک ایده ی قدیمی تر به نام تکنولوژی شناخت چهره(FR) است که برای یک هدف جدید، امنیت فرودگاه ها، ارتقا داده شد. در سیستم شناسایی چهره، یک کامپیوتر دارای یک گالری عظیم از عکس گرفته شده ای است که پیش تر تهیه شده اند. اگر یک شخص از جلوی دوربین این سیستم عبور کند چهره اش با عکس های ذخیره شده تطبیق داده می شود. اگر کامپیوتر یک تطابق بیابد، یک هشدار ایجاد می کند.

 فرودگاه مرکزی بوستون، در سال 2002 تحت اولین آزمایش این تکنولوژی قرار گرفت. زیرا بیش از نیمی از هواپیما ربایان از فرودگاه مرکزی خارج شده بودند. کار سیستم شناسایی چهره یک کار مهم و در عین حال ساده بود. هنوز هم جای تعجب دارد که بدانید این سیستم در اولین آزمایش خود چقدر عالی عمل کرد.

در این آزمایش 40 کارمند فرودگاه همکاری داشتند. آن ها عکس های گرفته شده را وارد دیتا بیس سیستم می کردند. سپس این کارمند ها وارد جمعیت فرودگاه شدند.  آن ها همانند دیگر افراد از جلوی دوربین های امنیتی عبور کردند. اگر سیستم به درستی کار کند، هر کدام از این 40 کارمند که عبور کردند، سیستم باید یک هشدار تولید کند(یک تطبیق موفقیت آمیز). این دستگاه نباید در مورد دیگر افراد حاظر در فرودگاه هشداری تولید کند. نتیجه ی این چنین اشتباهی، یک تطبیق نا موفق نام گرفته می شود که می تواند پیامدهای جدی به همراه داشته باشد. پیامدهایی مانند شکایت های سنگین قضایی.

بعد از گذشت حدود سه ماه، تست سیستم دوباره ارزیابی شد. این سیستم هر چند که در اولین آزمایش خود خوب بود ولی به طور کلی درست کار نمی کرد. بیش از یک سوم در هر بار، در شناسایی یکی از 40 کارمند فرودگاه اشتباه می کرد(یک تطبیق ناموفق). در بیش از نیمی از موارد هشدار های ارسال شده یک تطبیق ناموفق بوده اند.

مسولان امنیتی که در طول تست سیستم شناسایی چهره بر روند کار نظارت داشتند، تجربه ی خسته کننده ای داشتند. زیرا سیستم همواره اشتباهات زیادی انجام می داد، آن ها باید دیوانه وار کار کرده و هر تطبیق را دوبار بررسی می کردند. تحت تمام این فشار ها، خود ماموران هم اشتباهات فاحشی انجام دادند. به طور کلی، سیستم فقط مشکلات بیشتری برای انسان به وجود آورد.

دلیل این چنین عملکردهای ضعیفی نامشخص هستند، اما تحلیل گران می توانند نظریه های خوبی درست کنند. سازمان ملی استاندارد ها و تکنولوژی(NIST)، یک آژانس حکومتی فدرال، برخی اوقات برنامه های سیستم تشخیص چهره را تست می کند.این سازمان در یک آزمایش در سال 2002، ده سیستم را آزمایش کرد، که هر کدام توسط شرکت متفاوتی درست شده بود. داده های مهمی از مطالعه ی  NIST به دست آمد. این داده ها عبارت اند از:

بهترین سیستم، با یک دیتا بیس جدید از عکس ها در قسمت داخلی کار می کند که می تواند تا 95 درصد موفقیت آمیز عمل کند.

در همان سیستم، اگر به قسمت های خارجی انتقال داده شود، به طور بالایی غیر قابل اعتماد می شود. سیستمی که در داخل تا 95 درصد مفید کار می کند در خارج تنها حدود 54 درصد اثر گذاری دارد.

دیتا بیسی که دارای عکس های قدیمی است، به سختی قابل تطبیق است. هر چه عکس کهنه تر باشد،  غیر قابل اعتماد تر است. عکس های 5 سال گذشته ی موجود در دیتا بیس 5 درصد کمتر قابل اعتماد هستند. به عبارت دیگر، اگر یک سیستم دارای یک شانس 75 درصدی برای تطبیق یک عکس تازه در دیتا بیس باشد، تنها 70 درصد شانس برای تطبیق یک عکس دارد که دوسال از عمرش می گذرد و 65 درصد شانس برای عکسی که دو سال دیگر نیز از عمرش می گذرد و  همین طور زنجیره وار هر چه عمر عکس بیشتر باشد، قدرت تطبیق کمتر است.

اختلاف در زاویه ی دوربین ها، دلیل مشکلات متعدد در سیستم تشخصی چهره است.

 

اگر دیتا بیس عکس های ذخیره شده بزرگتر شود، سیستم تشخیص چهره کمتر قابل اطمینان می شود. هر بار که سایز دیتا بیس دو برابر شده است، میزان قابل اعتماد بودن سیستم از 2 درصد به 3 درصد کاهش پیدا کرده است.

در آزمون انجام شده در فرودگاه مرکزی، به طور کلی روشنایی مشکل نبوده است. تمامی دوربین ها در خارج بوده اند. نه سایز و نه کیفیت دیتا بیس مشکلی نداشته است.  دیتا بیس 40 عکس را در خود داشت که همگی آن ها اخیرا تهیه شده بودند.

به طور حتم، عکس های تجهیزات امنیتی از عکس های دیتا بیس متفاوت است. زاویه ی دوربین قطعا یک فاکتور بزرگ است.

هیچ کدام از 40 کارمند فرودگاه شرکت کننده در این آزمون، تغییر قیافه نداده بودند. اگر هر کدام از آن ها از عینک، کلاه گیس و یا حتی زنجیر و یا گردن آویز استفاده می کردند برای سیستم قابل شناسایی نبودند. یا حتی به نظر می رسد که تغییرات همه روزه سیستم را به کلی گیج می کند. یک مدل موی جدید، یک آرایش چهره متفاوت، یک لباس فرم غیر معمول یا یک گیره سر روی مو، می تواند برای این که کامپیوتر را به اشتباه بیاندازد کافی است.

قسمت آخر موضوع این است که سیستم اتوماتیک تشخیص چهره نمی تواند به طور قطعی یک تروریست را از تمام جمعیت شناسایی کند.

به این دلیل که، در هر زندگی واقعی دیتا بیس توانایی در بر گیری عکس همه ی تروریست ها را ندارد. بیشتر آن ها در تمام زندگی خود کار غیر قانونی انجام نداده اند، پس برای قانون مداران ناشناخته اند. دلیل دیگر این است که نرم افزارکامپیوتر در برابر تغییراتی که در دنیای واقعی به وجود می آید تا حد زیادی بدون انعطاف پذیری است. در دنیای واقعی حتی اگر یک تصویر انطباق هم داشته باشد، کامپیوتر که نمی تواند  ذهن انسان را بخواند. تمامی این موارد، عوامل محدود کننده ی این تکنولوژی هستند. هرچند این تکنولوژی ها،  روز به روز پیشرفته تر می شوند اما هنوز هم باید بروی آن ها بسیار کار کرد. ترجمه  itrans.ir

 

- نظرات

برای ارسال نظر، لطفا وارد حساب خود شوید یا ثبت نام نمایید.