- Da Gesichtserkennung inzwischen an Flughäfen, in Geschäften und sogar bei Online-Fotos weit verbreitet ist, ist es sehr schwierig, einer kontrollierten 1:1-Identitätsprüfung allein durch realistische Veränderungen des Aussehens zu entgehen
- Seit der Pandemie könnten Systeme stärker auf Merkmale rund um die Augen setzen; Masken, Sonnenbrillen und extremes Make-up stören daher eher die Erkennung, als dass sie das Gesicht tatsächlich verändern
- Bei 1:N-Identifikation wie in Überwachungsvideos können Bilder niedriger Qualität, Verdeckungen, das Vermeiden einer Frontalansicht und Bewegungsunschärfe das Matching beeinträchtigen, doch die Wirkung hängt vom Algorithmus, den Schwellenwerten und den Aufnahmebedingungen ab
- Aktive Umgehung mit Spezialbrillen, Make-up oder Gesichtsmasken ist ebenfalls möglich, aber Angriffe, die bei allen funktionieren, sind wenig zuverlässig; personalisierte Methoden erfordern mehr Aufwand
- Der Umgehung von Gesichtserkennung wird durch die Verbreitung der Technik und die Online-Sichtbarkeit von Gesichtern immer schwieriger; langfristige Verteidigung liegt eher in Regulierung biometrischer Daten als darin, das Gesicht zu verändern
Kann man Gesichtserkennung entgehen, indem man sein Gesicht verändert?
- Sobald KI-Modelle und Kameras vorhanden sind, können biometrische Daten erfasst werden; auch in Alltagssituationen wie Flughafensicherheit oder Ladenzutritt kann man Gesichtserkennung ausgesetzt sein
- Die Kernfrage ist, ob man KI-Algorithmen täuschen kann, indem man Gesichtszüge verbirgt oder das Aussehen stark verändert
- Die derzeit sicherste Methode zur Umgehung ist, Kameras auszuweichen; wenn Gesichtserkennung jedoch noch breiter eingesetzt wird, könnte auch das schwieriger werden
- Datenschutzexperten gehen davon aus, dass man beim Schutz biometrischer Daten möglicherweise bereits in einer nachteiligen Position ist; langfristig könnten bundesweite Regulierungen ein wirksames Schutzmittel sein
Moderne Systeme sind robust gegenüber einfachen Gesichtsveränderungen
- Cynthia Rudin schätzt, dass es schwierig ist, das Gesicht auf realistische Weise so zu verändern, dass moderne Gesichtserkennung getäuscht wird
- Da während der Pandemie viele Menschen Nase und Mund mit Masken bedeckten, könnten Systeme so angepasst worden sein, dass sie stärker auf die Augenform angewiesen sind
- Es ist nicht klar, wie man die Augenform realistisch verändern könnte, um ein System zu täuschen
- Sonnenbrillen, Masken und extremes Make-up können die Gesichtserkennung erschweren, sind aber eher eine Form des Verdeckens als eine Veränderung des Gesichts selbst
- Selbst wenn extreme Veränderungen wie Schönheitsoperationen ein Erkennungssystem täuschen, kann eine suchbasierte Gesichtserkennung die Person wieder identifizieren, sobald mit Namen versehene Gesichtsfotos im Internet auftauchen
- Beispiele sind Freunde, die jemanden in sozialen Medien markieren, oder Vortragsvideos, die online gestellt werden
- Wenn das veränderte Gesicht nicht mehr zum Führerschein oder Reisepass passt, kann Reisen schwierig werden
Unterschied zwischen 1:1-Verifikation und 1:N-Identifikation
- Walter Scheirer sieht die Schwierigkeit, Gesichtserkennung zu umgehen, davon abhängig, wie der Algorithmus eingesetzt wird
- In der biometrischen Erkennung von Menschen gibt es häufig zwei Matching-Arten: 1:1-Verifikation und 1:N-Identifikation
- 1:1 prüft, ob die vor der Kamera stehende Person der behaupteten Identität im registrierten Datenbankfoto entspricht
- Diese Methode wird etwa bei Hochsicherheits-Computer-Authentifizierung, Ermittlungen der Strafverfolgung und internationalen Flügen an Flughäfen eingesetzt
- 1:N vergleicht ein Foto einer unbekannten Person mit einer Sammlung registrierter Fotos von Identitäten, die von Interesse sind
- Diese Methode wird häufig in videobasierten Überwachungsumgebungen eingesetzt, darunter Strafverfolgung und staatliche Nachrichtendienste
- In kontrollierten 1:1-Umgebungen ist Umgehung sehr schwierig
- Wenn mit Frontalansicht, neutralem Gesichtsausdruck, guter Beleuchtung und kontrolliertem Hintergrund aufgenommen wird, haben einfache Umgehungen wie Make-up, Hinzufügen oder Entfernen von Bart sowie Änderungen der Frisur keine Wirkung
- Moderne Gesichtserkennung auf Basis künstlicher neuronaler Netze erzielt auch bei unterschiedlichen Erscheinungsbildern derselben Person eine hohe Matching-Genauigkeit
- Neuere Forschung zu den Auswirkungen von Schönheitsoperationen zeigt, dass ästhetisch unvorteilhafte, extreme Veränderungen der Gesichtsstruktur bis zu einem gewissen Grad wirken können; übliche kosmetische Eingriffe haben jedoch weniger Einfluss als gedacht
In Überwachungsumgebungen ist es realistischer, die Bildqualität zu verschlechtern
- Bei 1:N-Identifikation in unkontrollierten Überwachungsumgebungen gibt es relativ mehr Spielraum zur Umgehung, auch ohne chirurgische Maßnahmen
- Selbst gute neuronale Netze haben Schwierigkeiten mit Fotos niedriger Qualität, denen genügend informationsreiche Gesichtspixel fehlen; je größer die Liste möglicher Identitäten ist, desto schwieriger wird es
- Umgehungsmethoden konzentrieren sich darauf, den Algorithmus daran zu hindern, gute Gesichtspixel zu erhalten
- In unauffälligen Situationen kann man das Gesicht verdecken, etwa mit einem Schal im Winter oder einer Sonnenbrille an hellen Tagen
- Ein Hut mit breiter Krempe verbirgt Stirn und Haare und erzeugt Schatten im Gesicht, was als Störfaktor wirkt
- Auch das Verdecken des Gesichts mit der Hand kann helfen
- Wer unterwegs nach unten schaut, macht es Kameras in der Umgebung schwer, ein gutes Frontalbild des Gesichts zu erhalten
- Schnelle Bewegungen wie Joggen oder Radfahren können Bewegungsunschärfe in den Aufnahmen verursachen
- Der praktischste Rat lautet, zu wissen, wo Gesichtserkennung eingesetzt wird, und diese Bereiche zu meiden
- Wie lange dieser Rat wirksam bleibt, hängt davon ab, wie weit sich Gesichtserkennung in Zukunft verbreitet
Adversariale Angriffe und individuell angepasste Veränderungen des Aussehens
- Xiaoming Liu definiert „Umgehung von Gesichtserkennung“ als den Zustand, in dem ein Gesichtserkennungssystem das von der Kamera erfasste Gesicht einer Person nicht erkennt
- Zu den Methoden, mit denen Gesichtserkennungssysteme aktiv zum Scheitern gebracht werden können, gehören physische adversariale Angriffe
- KI-Modelle können schon durch kleine Änderungen an Eingabedaten versagen; das gilt auch für Gesichtserkennungssysteme
- Entscheidend ist, bestimmte kleine Änderungen zu finden, die das Gesichtserkennungssystem scheitern lassen
- Es gibt Forschung dazu, Gesichtserkennungssysteme mit Brillen zum Scheitern zu bringen, wie im Fall der Spezialbrillen der CMU
- Auf ähnliche Weise lassen sich auch Schals, Gesichtsmasken oder Schnurrbärte entwerfen
- Es gibt auch die Methode, das Aussehen so zu verändern, dass man für eine andere Person gehalten wird
- Eine gängige Methode ist Make-up
- Wo und wie viel Make-up nötig ist, unterscheidet sich von Person zu Person
- Menschen mit eher häufig vorkommenden Gesichtern, die anderen ähnlicher sehen, können schon durch relativ kleine Make-up-Veränderungen verwechselt werden
- Menschen mit sehr markanten Gesichtern benötigen deutlich umfangreichere Make-up-Veränderungen
- Denkbar ist auch eine Smartphone-App, die per Kamera das Gesicht betrachtet und iterativ anleitet, wo mit welcher Farbe Make-up aufgetragen werden sollte, damit ein Gesichtserkennungssystem mit minimalem Make-up zu einer Verwechslung kommt
- Teure Gesichtsmasken können ebenfalls verwendet werden, sind aber eher aus Hollywood-Filmen bekannt
- Methode 1 ist für Nutzer einfacher, doch universelle adversariale Angriffe, die bei allen funktionieren, sind wenig zuverlässig
- Methode 2 ist stärker personalisiert und kann besser funktionieren, erfordert aber entsprechend mehr Aufwand
Embeddings und Schwellenwerte bestimmen, wie schwierig die Umgehung ist
- Kevin W. Bowyer sieht die Antwort als abhängig vom Gesichtsmatching-Algorithmus und dem dabei verwendeten Schwellenwert
- Gesichtserkennung ist ein Prozess, bei dem zwei Bilder verglichen werden, um zu entscheiden, ob sie ähnlich genug sind, um dieselbe Person zu zeigen, oder unterschiedlich genug, um verschiedene Personen zu zeigen
- Jeder Gesichtserkennungsalgorithmus berechnet aus einem Gesichtsbild einen Merkmalsvektor, also ein Embedding, und vergleicht die Ähnlichkeit zweier Merkmalsvektoren
- Ein Gesichtsbild kann auf eine Liste von 512 Zahlen reduziert werden
- Die Ähnlichkeit zweier Gesichtsbildes kann in Bereichen wie 0 bis 100 oder -1 bis +1 angegeben werden
- 100 oder +1 ergibt sich nur beim Vergleich von Kopien desselben Bildes und ist in realen Situationen selten
- Nimmt man an, dass moderne Algorithmen einen Bereich von -1 bis +1 verwenden, könnten Bildpaare verschiedener Personen Ähnlichkeiten nahe 0,0 oder etwas darüber aufweisen
- Verschiedene Bildpaare derselben Person könnten Ähnlichkeiten nahe 0,8 oder etwas darüber aufweisen
- Bei gut kontrollierten Aufnahmebedingungen wie Führerscheinfotos ist die durchschnittliche Ähnlichkeit zweier Bilder derselben Person höher
- Bei weniger kontrollierten Bedingungen wie Videoframes beim Betreten eines Geschäfts ist die durchschnittliche Ähnlichkeit zweier Bilder derselben Person niedriger
- Wenn der Schwellenwert auf 0,7 festgelegt ist, beurteilt das System zwei Bilder bei einer Ähnlichkeit unter 0,7 als verschiedene Personen und bei 0,7 oder höher als dieselbe Person
- Die Frage „Wie stark muss ich mein Aussehen verändern?“ wird damit zu „Was ist der beste Weg, den Ähnlichkeitswert eines neuen Bildes im Vergleich zu einem vorhandenen Bild zu senken?“
- Mögliche Methoden sind dunkle Sonnenbrillen, Änderungen der Frisur, übertriebene Gesichtsausdrücke, nicht frontal in die Kamera zu schauen, Gewichtszunahme oder -abnahme sowie Make-up
- Keine Methode kann garantieren, dass kein Matching mit vorhandenen Fotos erfolgt
- Möglicherweise ist nicht bekannt, welche vorhandenen Fotos für den Vergleich verwendet werden
- Auch der verwendete Algorithmus und der Schwellenwert können unbekannt sein
- Wenn alle drei bekannt sind, lässt sich der wirksamste Ansatz experimentell ermitteln
1 Kommentare
Meinungen auf Hacker News
An einem internationalen Flughafen wurde ich einfach durchgelassen, ohne dass Bordkarte und Pass kontrolliert wurden; als mir beim Durchgehen durch die Tür dann die Sitzplatznummer genannt wurde, hatte ich einen ähnlichen Gedanken.
In Mexiko hielt mich ein Flughafenmitarbeiter, der Timeshares verkaufte, extrem aggressiv am Arm fest und ließ mich nicht weg. Als ich das meldete, zeigte mir der Flughafen sofort ein Video mit all meinen Bewegungen im Flughafen und identifizierte den Mitarbeiter.
Wie im Artikel gesagt: Es ist wohl nur eine Frage der Zeit, bis solche Systeme überall installiert sind. An Knotenpunkten des öffentlichen Verkehrs hat man sich schon fast ohne Widerspruch daran gewöhnt, und bald werden auch Kommunen oder private Betriebe sie einführen. Dann dürfte schnell die Stimmung entstehen: „Am Flughafen machen sie das doch auch schon“ – warum also die Aufregung im Lebensmittelgeschäft oder auf dem Bürgersteig?
Wer im Leben ein- oder zweimal fliegt, ist eher damit beschäftigt, sich in einer verwirrenden und hektischen Situation zurechtzufinden, als zu merken, dass Gesichtserkennung neu ist oder dass es sich nicht um eine besondere Maßnahme aus der Zeit nach 9/11 handelt. Die Mehrheit der US-Amerikaner war entweder noch nie im Ausland oder nur in einem Land, und selbst dann oft in Mexiko oder Kanada, wohin man häufig mit dem Auto oder zu Fuß gelangt.
Wenn so etwas im vertrauten Alltag in der Nähe des eigenen Zuhauses passiert, ist man weniger gestresst und hat mehr Raum zum Nachdenken – dann bleibt man meiner Ansicht nach zumindest stehen und fragt, was da los ist.
Aus meiner Sicht, als jemand, der schon daran gearbeitet hat, anhand von Cue-Points aus einer Datenbank schnell Zusammenschnitte aus Videobibliotheken zu erzeugen, ist das ein ziemlich spannendes Problem. Ich frage mich, ob das fertige Video ein Schnitt wie in einem Spionagefilm war, bei dem gute Kamerawinkel aneinandergereiht wurden; ob es eine Multicam-Ansicht war, in der mehrere Kameras gleichzeitig zu sehen waren, beginnend ab dem Zeitpunkt, an dem der Ankunftsflug identifiziert wurde; oder ob das System eine Box um die Person zeichnete, als ob es sie „kennen“ würde.
Das macht mich neugierig, wie dystopisch solche Gesichtserkennungssysteme in der Praxis tatsächlich sind.
Gesichtserkennung war dabei überhaupt nicht im Spiel, aber seit dieser Erfahrung stehe ich Videoüberwachung positiver gegenüber.
Bei einer landesweiten öffentlichen Fahndung ist die Falsch-positiv-Rate dagegen zu hoch, als dass das wirklich gut funktionieren könnte. Sobald man den lokalen/zeitlichen Kontext verlässt – etwa einen Vorfall an einem bekannten Ort zu einer bekannten Zeit – und besonders an Orten wie den USA, wo die Nutzung privater Autos weit verbreitet ist und man nicht viele Spuren hinterlässt, sind solche Systeme praktisch oft nicht besonders hilfreich.
US-Staatsbürger können bei der Einreise die Fotoaufnahme verweigern, aber wer nimmt diesen Aufwand schon auf sich? So läuft es dann immer weiter.
Helen Phillips’ neuer Roman Hum behandelt genau diese Frage.
Die Prämisse ist folgende: Eine Frau, die ihren Job verloren hat und finanziell schlecht dasteht, nimmt an einer Studie teil, bei der ein hochentwickelter Roboter ihr Gesicht chirurgisch nur minimal verändert, damit sie als Testperson für modernste Gesichtserkennungssoftware dienen kann.
Ihr Mann ist ein Handwerker mit Gig-Jobs, hauptsächlich in der Schädlingsbekämpfung, und verdient kaum etwas; sie haben zwei kleine Kinder, und sie nimmt teil, weil sie Angst vor der Zwangsräumung hat. Die Studie zahlt im Voraus genug Geld, damit die Familie zehn Monate lang bequem leben kann, ohne anderes Einkommen zu benötigen.
Bald zeigt sich das Problem: Obwohl sich ihr Aussehen nur ganz leicht verändert hat, reagieren Familie und Bekannte alle verstört. Sie sieht aus wie früher, aber irgendetwas ist anders. In der Studie werden solche Gesichter erzeugt, um zu sehen, wie Überwachungsvideos mit Gesichtern umgehen, die im Uncanny Valley liegen.
Diese Einführung stammt aus dem Anfang des Buches, ist also kein Spoiler; danach explodiert die Geschichte in unerwartete und interessante Richtungen. Es ist Science-Fiction, das sechste Buch einer von der Kritik anerkannten und ausgezeichneten Romanautorin, und die Prosa ist wunderschön.
Die ersten 19 Seiten kann man hier lesen: https://www.amazon.com/Hum-Novel-Helen-Phillips/dp/166800883...
Beim Fazit musste ich an den Fall der Chinesin Lao Rongzhi denken. Sie war zusammen mit ihrem Geliebten Fa Ziying eine Serienmörderin[0]; die beiden zogen durchs ganze Land und begingen Erpressungen und Morde.
Fa wurde 1999 nach einer Konfrontation mit der Polizei festgenommen, aber Lao ließ sogar eine Schönheitsoperation durchführen, um ihr Gesicht zu verändern, und war 20 Jahre lang auf der Flucht. Die meisten Menschen hätten sie nicht wiedererkannt.
In diesen 20 Jahren entwickelte sich Gesichtserkennungssoftware jedoch rasant weiter, und eine Kamera in einem Einkaufszentrum erkannte sie und glich sie mit der landesweiten Straftäterdatenbank ab. Zunächst hielt selbst die Polizei das für einen Fehler, doch DNA-Beweise bestätigten, dass es sich um dieselbe Person handelte, und schließlich wurde sie hingerichtet.
Ich glaube, dass sich heutzutage niemand mehr wirklich vor Gesichtserkennung verstecken kann.
[0] https://www.youtube.com/watch?v=I7D3mOHsVhg
„Am 9. September 2021 wurde Lao vom Nanchang Intermediate People's Court wegen vorsätzlicher Tötung, Entführung und Raubes zum Tode verurteilt. Ihre politischen Rechte wurden ihr lebenslang aberkannt, und ihr gesamtes persönliches Vermögen wurde eingezogen. Lao legte gegen das Urteil Berufung ein; die zweite Instanz fand am 18. August 2022 vor dem Jiangxi Provincial Higher People's Court statt. Lao räumte ein, Fas Komplizin gewesen zu sein, behauptete jedoch, Fa habe sie während der gesamten Beziehung körperlich und sexuell misshandelt und sie habe aus Angst um ihr Leben gehandelt. Am 30. November desselben Jahres bestätigte das Gericht das Todesurteil. Am 18. Dezember 2023 vollstreckte der Nanchang Intermediate People's Court mit Genehmigung des Supreme People's Court das Todesurteil gegen Lao Rongzhi.“
https://en.m.wikipedia.org/wiki/Fa_Ziying_and_Lao_Rongzhi
Die tatsächliche Übereinstimmung könnte auch höher gewesen sein. Trotzdem wirkt heutige Gesichtserkennung so, als liefere sie einen konsistenten „Hashwert“ für ein Gesicht, aber mit begrenzter Stellenzahl bzw. Informationsmenge. Wenn man zusätzlich weiß, dass jemand Passagier auf Flug X war, kann man mit sehr hoher Wahrscheinlichkeit erraten, um welche Person es sich handelt; aber im großen Maßstab skaliert das nicht gut, solange man nicht viele bestimmte Personen sucht und dabei False Positives in Kauf nimmt.
Behörden sagen gern, DNA und Gesichtserkennung hätten jemanden gefasst, weil solche Aussagen den Eindruck erwecken, die Behörden seien allwissend und allmächtig. Auch Werte wie die oben genannten „97,3 %“ können falsch oder bedeutungslos sein. Natürlich gibt es Fälle, in denen solche Technik Menschen fasst, aber sie ist weiterhin begrenzt und teuer.
Wenn es darum geht, vorbereitete Fotos von sich zu veröffentlichen, ohne dass Gesichtserkennung sie der eigenen Person zuordnen kann, muss man das Gesicht in der Praxis gar nicht besonders stark verändern. Siehe https://sandlab.cs.uchicago.edu/fawkes/.
Adversarial vorbereitete Bilder können für das menschliche Auge weiterhin vollkommen wie man selbst aussehen, und die Daten, die die Gesichtserkennung aushebeln, sind für die normale menschliche Wahrnehmung nahezu auf dem Niveau von Steganografie kodiert.
Die Aussage „Es ist viel einfacher, die Regierung aufzufordern, Gesetze zu unserem Schutz zu erlassen …“ ist etwas naiv. Die Daten existieren größtenteils bereits, und sobald eine andere Regierung an die Macht kommt, können diese Schutzmechanismen ausgehebelt werden; dafür ist es zu spät.
Deshalb haben Deutsche und Europäer schon seit Langem recht hart gegen Datensammlung gekämpft und versucht, Schutzmechanismen aufzubauen, und verfügen vermutlich über eine der ausgereiftesten Politiken und Regulierungen in diesem Bereich.
Mit der Zeit wird es jedoch fast unmöglich, die Datensammlung auf ein Minimum zu beschränken. Zunächst entstehen kleine Ausnahmen, die für sich genommen plausibel sind; danach kommen mehr Beteiligte hinzu, es normalisiert sich, und am Ende bleiben keine Schutzmechanismen mehr übrig.
Wenn wir jetzt oder bald aufhören, können wir es im Keim ersticken. Wahrscheinlich ist es auch für uns noch nicht zu spät. Gesichtserkennung anhand der Schädelform bleibt zwar besorgniserregend, aber nur dann, wenn die böswillige Seite an aktuelle Aufnahmen von uns gelangt. Andernfalls kann sie nur vergangene Aktivitäten untersuchen.
Bei anderen Arten von Daten gibt es langfristig mehr Einschränkungen, die ihre Nützlichkeit begrenzen. Vorausgesetzt, man macht nicht bei der Fantasie mit, dass „der Geist, der einmal aus der Flasche ist, nicht wieder hineingeht“.
Ich habe mich schon oft gefragt, was passieren würde, wenn man am Kragen helle Infrarot-LEDs befestigt, die für das menschliche Auge kaum sichtbar sind, aber von den meisten CMOS-Chips erfasst werden und mit einer so kurzen Wellenlänge bei 30 Hz oder 60 Hz blinken, dass sie Kameras blenden
Daran denke ich jedes Mal, wenn ich einkaufen gehe. Ich mag es nicht, überwacht zu werden, und ich habe nichts zu verbergen, aber ich mag diesen überredenden und bedrängenden Charakter nicht. Ich habe in meinem Leben noch nie etwas gestohlen. Wenn mir ein Mensch folgt, stört mich das noch etwas weniger, aber die viel effektivere, unheimlichere und invasivere algorithmische Analyse mag ich nicht
Das Ergebnis eines solchen Experiments wäre vermutlich, dass man mich auffordert zu gehen, oder ein unangenehmes Gespräch mit der Polizei. Trotzdem wünsche ich mir, dass jemand Mutigeres als ich es einmal ausprobiert. Wenn man Lichter an Kleidung befestigen kann, warum sollten sie dann nicht infrarot sein?
Wie stark muss man sein Gesicht verändern, um Gesichtserkennung zu entgehen? Die von W.O.P.R. inspirierte, tabuisierte Antwort lautet: das Spiel nicht spielen
Meide, wenn möglich, Bereiche mit Kameras. Das wirkt sich auf den Umsatz aus
Führe mit Unternehmen oder Geschäftspartnern nach Möglichkeit Zoom- oder Jitsi-Anrufe
Sei autark. Gib kein Geld aus, wenn es nicht nötig ist, und lass dir gesunde Lebensmittel liefern. Das senkt die Steuereinnahmen
Arbeite von zu Hause, wenn dein Unternehmen es erlaubt. Lebe so weit wie möglich off-grid
Beauftrage andere mit unvermeidbaren Besorgungen. Gib dem Nachbarskind Bargeld und lass es in die Stadt gehen
Ich weiß, dass diese Aussagen bei niemandem beliebt sein werden, aber so bin ich eben
Insgesamt kein schlechter Artikel, aber die praktischen Ratschläge haben sich kaum verändert, seit ich mich vor über zehn Jahren zuletzt mit diesem Bereich beschäftigt habe
Im Großen und Ganzen: nicht nach oben schauen, so viel vom Gesicht wie möglich bedecken, Muster variieren, damit es für Algorithmen schwierig ist, dich über die Zeit derselben Person zuzuordnen, Kamerapositionen kennen und wissen, wie man ihnen ausweicht, und wenn du bekannte Überwachungszonen betreten musst, möglichst schnell und leise wieder herauskommen. Wenn du besonders paranoid bist, solltest du zwischen Überwachungszonen auch die Kleidung wechseln
Allerdings solltest du die Hoffnung, staatliche Überwachung täuschen zu können, sofort begraben. Wenn ein kompetenter staatlicher Akteur es auf eine bestimmte Person abgesehen hat, hat er sie bereits im Netz. Er verfügt schon über genug Informationen, um ein Gesicht selbst auf verwaschenen schwarz-weißen Analogaufnahmen einer alten Supermarktkamera zuzuordnen
Ohne nennenswerte plastische Chirurgie oder Prothesen kannst du nicht gewinnen, und selbst dann würden sie, wenn sie dich wirklich wollen, Teilfingerabdrücke von Gegenständen nehmen, die du berührt hast, und dich damit identifizieren
Die erste Regel der Sicherheit lautet: Wenn jemand etwas, das du hast, wirklich unbedingt will, kannst du ihn nicht aufhalten. Mit diesem Gedanken muss man planen. Deshalb gehe ich nicht auf Demonstrationen und meide Veranstaltungen, bei denen Gesichtserkennungstechnologie eingesetzt wird. Durch frühere Arbeit bin ich bereits mehrfach in diesen Datensätzen, samt hochwertigem Referenzmaterial, und werde durch Passfotos oder Zugriff auf Global Entry auch aktualisiert
Die sicherste Option ist, mich gar nicht erst in eine solche Lage zu bringen, und für die meisten dürfte das ebenfalls das Beste sein
In klügeren Diskussionen ist der entscheidende Punkt bei biometrischen Daten: „Einmal kompromittiert, für immer kompromittiert.“ Biometrische Daten sind kein Passwort, sondern eher ein öffentlicher Schlüssel oder Benutzername
Zum Glück gilt das nicht im selben Sinne für Regierungen. Selbst wenn die aktuelle Regierung kompromittiert ist, kann sie durch demokratische Verfahren wieder in einen nicht kompromittierten Zustand versetzt werden
Man könnte also sagen, dass es einfacher ist, die Regierung zu ändern, als sein Gesicht zu ändern. Dort sollte man seine Anstrengungen investieren
Sobald man sie auf eine riesige Population wie die gesamte USA anwendet und zeitliche sowie regionale Kontexte ignoriert, kommt es zu Kollisionen. Das gilt besonders, wenn man Teilsamples berücksichtigt, sei es wegen Sensorfehlern oder aus anderen Gründen
Weil Gerichte die Realität ignoriert haben, dass biometrische Abgleiche immer nur eine Übereinstimmungswahrscheinlichkeit und keine garantierte Übereinstimmung sind, sind schon Unschuldige ins Gefängnis gekommen
Wenn Sonnenbrillen und etwas im Gesicht wie eine Maske oder übertriebene Schminke die Gesichtserkennung erschweren, das aber kein Verändern, sondern ein Verbergen des Gesichts ist und deshalb als „Schummeln“ gilt, dann trag einfach Sonnenbrille und Maske. Wen kümmert es, ob das Schummeln ist