Google은 스마트 폰 ID 시스템을 개발하여 코를 막 볼 수 있습니다.

연구자들은 서로 다른 조명 조건에서 50 명의 아이폰 사용자들의 정면을 향한 카메라의 얼굴 비디오를 사용하여 시스템을 테스트했다.

Google은 휴대 전화의 전면 카메라를 사용하여 사용자가 은행이나 이메일 계정에 로그인했을 때 사용자를 계속 인증하는 실시간 얼굴 인식 기술을 개발하고 있습니다.

세션의 시작 부분에서 자격 증명 만 사용하는 오늘날의 접근 방식에서는 지속적인 인증이 개선 될 수있는 유망한 방법으로 인식됩니다.

보안 전문가 인 Lenny Zeltser가 강조한 것처럼 지속적인 인증을 구현하는 한 가지 방법은 휴대 전화의 센서를 사용하여 키 입력 및 지문과 같은 합법적 인 사용자의 고유 한 생체 신호를 수동적으로 모니터링하고 사기범이 발견되면 액세스를 차단하는 것입니다.

이 목표를 달성하는 또 하나의 방법은 휴대 전화의 카메라를 이용한 얼굴 인식이지만, 여러 연구자가 새로운 논문에서 강조한 것처럼 과거의 사례는 실시간 사용에 적합하지 않으며 실제 상황에서 카메라가 보는 것을 감지하도록 설계되지 않았습니다 .

회사는 Google의 네트워크 사양의 개인 정보 보호 영향에 대한 우려로 개인 정보 보호가 확보 될 때까지 안면 인식 Glassware를 금지하겠다고 약속했습니다.

일상적으로 사용하는 기술은 얼굴을 인식하는 얼굴 인식 시스템의 기능에 영향을주는 부분적으로 보이거나 잘린 얼굴에 대처할 수 있어야합니다.

메릴랜드 대학, Rutgers 대학 및 Google의 ATAP (Advanced Technology and Projects) 부서의 연구원들은이 문제를 해결했다고 생각합니다.

그들은 기계 학습 기술을 사용하여 비디오 모드의 스마트 폰 전면 카메라가 부분 얼굴 이미지를 사용하여 실시간 얼굴 인식을 수행 할 수있게 해주는 간단한 알고리즘을 개발하고 있습니다.

소위 ‘얼굴 세그먼트 기반의 얼굴 검출기'(FSFD)는 세 가지 주요 단계로 구성됩니다. 첫 번째는 사람의 얼굴 이미지를 여러 개 사용하여 훈련 이미지가됩니다.

이러한 이미지는 얼굴 반쪽, 왼쪽 눈, 오른쪽 눈과 같은 얼굴 세그먼트로 분류 된 다음 그룹화되어 학습 이미지에서 얼굴 영역을 추정합니다.

기계 학습 단계에서는 이러한 세그먼트를 사용하여 ‘제안 된 얼굴’을 제시함으로써 얼굴 인식 시스템이 얼굴의 부분 이미지에 자신감을 부여 할 수 있습니다.

“핵심 아이디어는 프레임의 얼굴 세그먼트를 감지하고 얼굴을 포함 할 가능성이 가장 높은 영역을 얻기 위해 결과를 클러스터링하는 것”이라고 연구진은 지적했다.

그들은 다양한 조명 조건에서 50 명의 아이폰 사용자의 전면 카메라에서 얼굴 비디오를 사용하여 시스템을 테스트했습니다.

그 결과에 따르면, FSFD는 부분 얼굴과 전체 얼굴을 감지 할 수 있었고 “조명과 포즈 변화에 거의 영향을받지 않았습니다”.

페이스 북은 메신저를위한 포토 매직 얼굴 인식을, 아마존은 “셀피로 지불”특허, 공개 릴리스로 설정된 안면 인식 소프트웨어를 차단하는 프라이버시 바이저

보안, FBI가 Crackas 회원을 체포하여 미국 공무원 해킹에 대한 태도, 보안, WordPress는 중요한 보안 구멍을 고치기 위해 사용자를 업데이트 할 것을 촉구하고 보안, 백악관은 첫 번째 연방 정보 보안 책임자 (COO)를 임명하고 보안, 펜타곤은 사이버 정부 감시원의 비상 사태 대응

얼굴의 단편이 매우 이상한 각도로 보이고, 너무 많은 모션 블러가있는 상황에서는 실패했습니다.

연구자들은 FSFD 기술이 “우수한 정밀도로 높은 회수율로 인해 모바일 장치에서 얼굴 기반의 지속적인 인증에 적합하다고 믿습니다.” 다음 작업 단계에서는 정확한 얼굴 표식 감지를 살펴볼 것입니다.

FBI, 미국 정부 관료 해킹에 대한 태도로 Crackas 회원을 체포

WordPress는 사용자가 중요한 보안 취약점을 수정하기 위해 지금 업데이트하도록 촉구합니다.

안면 인식

백악관, 연방 정보 보안 책임자 (Federal Chief Information Security Officer) 선임

미 국방부, 정부의 감시로 사이버 비상 대응 비판