CLEVELAND, Ohio polisi, tartışmalı ClearView AI yüz tanıma aracını, şüphelinin evini araştırmayı haklı kılan tek kanıt olarak tartışmalı bir katilini mahkum etme şansını çekmiş olabilir.

Şubat ayında, bölüm Qeyeon Tolbert’i tutukladı ve kan plazma bağış merkezinden ayrıldıktan sonra iki kez arkadan vurulan Blake Story’nin öldürülmesiyle suçladı. Müfettişler, Kuzeydoğu Ohio Bölgesel Füzyon Merkezi’ne bir şüphelinin CCTV videosunu gönderdikten sonra Tolbert’te honladılar – yerel, eyalet ve federal ajansların gözetim yeteneklerini bir araya getiren bir grup – ve videodaki adamın “kimliğini” aldı. , buna göre Mahkeme Kayıtları.

Tanımlamaya dayanarak, SMG, Tolbert’in evi için bir arama emri aldı, burada memurların bir ateşli silah ve diğer kanıtları kurtardığı iddia edildi. Ancak bir Cuyahoga İlçe Hakimi bu ayın başlarında bu kanıtların hiçbirinin duruşmada kabul edilemez olduğuna karar verdi. . Cleveland Stree Dealer kararı ilk bildiren oydu.

Tolbert’in avukatları, CPD’nin füzyon merkezinden bir kimlik alma konusundaki belirsiz hesabının önemli bir gerçeği bıraktığını savundu: Tolbert’e işaret eden tek kanıt, ClearView AI’dan bir rapordu, bu da sonuçların “sonuçlarının” olduğunu açıkça söyleyen bir rapordu. soruşturma ipuçları olarak muamele görür ve sadece tutuklama için güvenilmemelidir. ”

Son zamanlarda yapılan bir yüz tanıma araçlarından sonra, yüz tanıma araçlarının yanlış tanımlanmış görüntülerinden sonra ülke çapında en az sekiz kişi yanlış bir şekilde tutuklandı. Washington Post soruşturması Bu, bir düzineden fazla polis departmanının, diğer destekleyici kanıtlar olmadan yüz tanıma maçlarına dayanarak tutuklamalar yaptığını buldu.

Polisin yüz tanıma eşleşmelerine dayalı yanlış tutuklamalar yaptığı durumlarda, polisin ödemesi sona erdi yüz binlerce dolar davaları çözmek için.

Yüz tanıma araçları genellikle laboratuvar testlerinde yüksek doğruluk metrikleri elde ederken, insanların düşük kaliteli görüntüler veya yanlış kişinin görüntülerini kullanma gibi hatalar getirebileceği gerçek dünya ortamlarında daha az etkili olabilirler.

Cleveland davasında, Fusion Center’ın ClearView AI’dan geçtiği ve Tolbert için bir maç üreten CCTV videosu, 14 Şubat’ta meydana gelen çekimden altı gün sonra. bir kişinin gözetim görüntüleri çekim hikayesinde görülen adamla “aynı yapı, saç stili, kıyafet ve yürüyüş özellikleri” olan bir mağazaya girdiğini gözlemledi. Dedektif, 20 Şubat CCTV görüntülerini mağazadan indirdi ve Fusion Center’a gönderdi.

Sonuç olarak, Tolbert’in avukatı, ClearView yüz tanıma maçının suçun kendisinden bile türetilmediğini, ancak sadece bir polisin görüntüleri atıcıya benzediğini düşündüğünü belirtti.

Cuyahoga İlçe Savcılığı, Bölge Mahkemesinin kararına, polisin Tolbert’in evini aramaktan kurtulduğu iddia edilen kanıtları bastırdığı kararına itiraz etti.

Biyometrik verilerimiz yapay zeka modeli ve kamerası olan herkesin kullanımına ücretsiz olarak sunulmaktadır. Yüz tanıma yazılımı o kadar yaygın bir teknoloji ki, havaalanı güvenliğinden geçtiğimizde veya bir eczaneye girdiğimizde verilerimizi gönderiyoruz. Yüz özelliklerimizi gizlemenin veya en uç noktada görünüşümüzü yapay zeka algoritmasını kandıracak kadar değiştirmenin mümkün olup olmadığını merak etmeye başlıyorsunuz.

Büyük Birader’den kaçmak için N95 maskesi, atkı ve güneş gözlüğü takamaz mıydın? Şu ana kadar yüz tanıma tarafından yakalanmaktan kaçınmanın en iyi yolu kameralardan kaçınmaktı. Ancak bu görev yakında neredeyse imkansız hale gelebilir. Gizlilik uzmanları, biyometrik verilerimizi koruma konusunda zaten kaybetmiş olabileceğimiz konusunda uyarıyor. Yakında tek gerçek savunma federal düzenleme olabilir.

Cynthia Rudin

Gilbert, Louis ve Edward Lehrman Bilgisayar Bilimleri Seçkin Profesörü; Bilgisayar Bilimleri, Elektrik ve Bilgisayar Mühendisliği, İstatistik Bilimleri, Matematik ve Biyoistatistik ve Biyoinformatik Bölümleri; Dük Üniversitesi

Son teknoloji yüz tanımayı kandırmak için yüzünüzü gerçekçi bir şekilde değiştiremeyeceğinizi düşünüyorum. Sanırım salgın sırasında sistemleri büyük ölçüde insanların gözlerinin şekline dayanacak şekilde değiştirdiler çünkü pek çok insan burunlarını ve ağızlarını kapatan maskeler takıyordu. İnsanların bu sistemleri kandırmak için gözlerinin şeklini gerçekçi bir şekilde nasıl değiştirebileceklerini gerçekten bilmiyorum. Güneş gözlüğü takarsanız ve sonra yüzünüze bir şey yaparsanız (örneğin bir maske takarsanız veya çılgınca dramatik bir makyaj yaparsanız) yüzünüzü tespit etmek daha zor olur, ancak bu soruda hile yapmaktır; bu yüzünüzü değiştirmek değildir, sadece onu saklamaktır!

Ancak diyelim ki yüzünüzü değiştirmek için dramatik bir şey yaptınız – gerçekten çok dramatik bir şey – böylece yüz tanıma sistemi sizi tanımayacak. Belki bir çeşit plastik cerrahi olabilir. Peki o zaman ne olacak? Yüzünüz adınızla birlikte internete düştüğünde (bir arkadaşınızın sizi sosyal medyada etiketlediğini veya çevrimiçi görünen bir ders verdiğinizi düşünün), o zaman internetteki insanları arayan tüm yüz tanıma sistemleri bu bilgileri tespit edebilecektir. yine de seni tanımlayacağım.

Artık yüzünüz ehliyetiniz veya pasaportunuzla eşleşmeyecek, dolayısıyla seyahat etmek sizin için gerçekten zor olacak. Peki, dürüst olmak gerekirse, neden uğraşasınız ki? Her halükarda, bu soruyu sormanıza sevindim, çünkü bu, diğer insanların biyometrik bilgilerimizi ele geçirmesinden kaçınmanın ne kadar boşuna olduğunu gösteriyor. Hükümetlerimizden bizi koruyacak yasalar çıkarmalarını istemek, yüzümüzü sürekli dramatik biçimde değiştirmekten çok daha kolaydır.

Walter Scheirer

Dennis O. Doughty Mühendislik Fakültesi Profesörü; Bilgisayar Bilimi ve Mühendisliği Bölümü; Notre Dame Üniversitesi

Yüz tanımayı önlemek için kişinin görünüşünü ne kadar değiştirmesi gerektiği sorusunun cevabı, yüz tanıma algoritmasının kullanılma şekline bağlıdır. İnsan biyometrisinde kimlik eşleştirmenin iki yaygın modu vardır: 1’e 1 ve 1’e çok. 1’e 1 modunda, kamera önündeki kişinin iddia edilen kimliğinin, bu kimliğe ait daha önce sistem veritabanına kayıtlı bir fotoğrafla eşleştiğine dair doğrulama yapılıyor. Bu senaryo, uzun yıllardır yüksek güvenlikli bilgisayar kimlik doğrulaması ve kolluk kuvvetleri soruşturmaları için yaygındı, ancak artık havaalanında uluslararası bir uçağa binmek gibi tüketicinin karşılaştığı diğer bağlamlarda da yaygın. 1’den çoğa modunda, bilinmeyen bir kişinin fotoğrafı, ilgili kimliklerin önceden kaydedilmiş bir dizi fotoğrafıyla eşleştirilir. Bu mod, kolluk kuvvetleri ve hükümet istihbarat operasyonları da dahil olmak üzere video tabanlı gözetim ortamlarında sıklıkla kullanılır.

Kontrollü bir ortamda (örneğin, yerel hapishanedeki rezervasyon odasında) 1’e 1 modundan kaçınmak çok zordur. Tek bir kişi için geniş bir görünüm yelpazesinde oldukça yüksek eşleştirme doğruluğu sağlayan gelişmiş yapay sinir ağlarının kullanımı yoluyla yüz tanıma algoritmalarında büyük ilerlemeler kaydedildi. Elde edilen fotoğrafta nötr bir ifade, iyi aydınlatma ve kontrollü bir arka plan ile önden bir poz varsa, kozmetik, sakal ekleme/çıkarma, saç stilini değiştirme vb. gibi temel kaçınma teknikleri işe yaramayacaktır. Son zamanlarda yapılan araştırmalar, plastik cerrahinin yüz tanıma üzerindeki etkisini inceledi ve yüz yapısında estetik olmayan büyük değişiklikler bir miktar işe yarayabilirken, daha yaygın kozmetik prosedürlerin sanıldığı kadar büyük bir etkisi yok.

Kontrolsüz bir gözetim ortamında 1’den çoğa modundan kaçınmak biraz daha kolaydır; cerrahi önlemlere başvurmaya gerek yoktur. En iyi sinir ağları bile, özellikle geniş bir potansiyel kimlik listesiyle eşleştirildiğinde, insan yüzünün bilgi açısından zengin piksellerinden yoksun olan düşük kaliteli fotoğraflarla mücadele ediyor. Bu nedenle ilk adım, yüzü kapatarak algoritmanın bu pikselleri reddetmesidir. Şüpheli olmayan durumlarda yüzü kapatın; örneğin kışın bir eşarp takın, güneşli bir günde güneş gözlüğü takın. Geniş kenarlı şapkalar da alnı ve saçları gizleyebildiği ve yüze gölge düşürebildiği için kafa karıştırıcıdır. Elinizi yüze tutmak da buna iyi gelir. İkinci adım, hareket halindeyken aşağıya bakmaktır, böylece çevredeki herhangi bir kamera yüzün iyi bir ön görüntüsünü yakalayamaz. Üçüncüsü, hızlı hareket edebiliyorsanız bu, çekilen fotoğrafta hareket bulanıklığına neden olabilir; koşu yapmayı veya bisiklete binmeyi düşünün.

Kaçınma için en iyi pratik tavsiyem: Yüz tanımanın nerede kullanıldığını bilin ve bu alanlardan kaçının. Bu tavsiyenin ne kadar süreyle yararlı kalacağı, teknolojinin önümüzdeki yıllarda ne kadar yaygınlaşacağına bağlı.

Günümüzün algoritmaları, hem masum (örn. sivilce, hafif şişlik) hem de masum (örn. botoks) olsun, yüz görünümündeki ince değişikliklere karşı oldukça toleranslıdır.

Xiaoming Liu

Anil K. ve Nandita K. Jain Ödüllü Profesör; Bilgisayar Bilimi ve Mühendisliği (CSE), Mühendislik Fakültesi; Michigan Eyalet Üniversitesi

Her şeyden önce, benim “yüz tanımayı önleme” tanımım, Yüz Tanıma Sisteminin (FRS), konu bir kamera tarafından yakalandığında kişinin yüzünü tanıyamadığı anlamına gelir.

Bir FRS’de “proaktif olarak” başarısız olmanın birkaç yolu vardır:

1. Fiziksel düşmanca saldırılar. Yapay zeka modellerinin çoğu düşmanca saldırılara karşı savunmasızdır; yani girdi veri örneğinde yapılan küçük bir değişiklik, yapay zeka sistemini tamamen çökertebilir. Aynı şey FRS için de geçerli. Buradaki anahtar, belirli bir “küçük değişikliği” öğrenmektir, böylece bu tür bir değişiklik FRS’de başarısız olabilir. Örneğin, CMU’nun bir makalesi var FRS’de başarısız olabilecek özel gözlüklerin tasarlanması üzerine. Birinin, FRS’de başarısız olabilecek bir eşarp, yüz maskesi ve hatta bıyık tasarlamak için benzer bir fikri takip edebileceğini hayal edebilirsiniz.

2. Ayrıca FRS’nin sizi başka biri olarak tanıyabilmesi için yüz görünümünüzü proaktif olarak değiştirebilirsiniz. Yaygın bir yol makyaj uygulamaktır. Ancak FRS’den kalmamak için nereye ve ne kadar makyaj yapmam gerektiği sorusunun cevabını vermek zor. Cevap büyük ölçüde konuya bağlıdır. Bunun nedeni, bazı kişilerin yüz görünümünün daha yaygın ve diğerlerine daha benzer olması, dolayısıyla nispeten küçük bir makyaj değişikliğinin onu başka biri olarak yanlış tanıması için yeterli olabilmesidir. Buna karşılık, eğer bir kişinin yüz görünümü çok benzersizse, o zaman çok daha fazla makyaj değişikliğine ihtiyaç duyulur. İlginç bir uygulama şu olabilir: Etkileşimli bir akıllı telefon uygulaması telefonumun kamerası aracılığıyla yüzüme bakıyor, makyajı nerede uygulamaya başlayacağımı söylüyor ve tekrar tekrar bana makyajın nerede ve belki de hangi renk olduğu konusunda talimatlar veriyor, böylece beni yanlış tanıyabileceksiniz. Minimal makyajla FRS. Makyajın yanı sıra, Hollywood filmlerinde daha yaygın olabilecek yüksek maliyetli bir yüz maskesi de kullanılabilir.

Anlayabileceğiniz gibi, FRS’de başarılı olma olasılığı da bir şekilde deneğin gösterdiği çabayla ilişkilidir. Yaklaşım 1 kullanıcılar için daha kolaydır ancak çok güvenilir değildir, özellikle de herkes için tek gözlük gibi “evrensel” bir düşman saldırısı tasarlamak istendiğinde. Yaklaşım 2 daha kişiseldir ve daha iyi çalışır, ancak daha fazla çaba gerektirir.

Kevin W. Bowyer

Schubmehl-Prein Ailesi Bilgisayar Bilimi ve Mühendisliği Profesörü; Notre Dame Üniversitesi

Cevap: “Duruma bağlıdır.” Bu, (en azından) kullanılan yüz eşleştirme algoritmasına ve bu algoritmayla kullanılan eşiğe bağlıdır.

Daha iyi anlamak için, yüz tanımanın iki görüntüyü karşılaştırmak ve görüntülerdeki yüzlerin (a) aynı kişi olacak kadar benzer mi, yoksa (b) nereden gelmiş olacak kadar farklı mı olduğuna karar vermekle başladığı gerçeğiyle başlayın. farklı insanlar.

Her yüz tanıma algoritması, bir yüz görüntüsünden bir “özellik vektörü” (bugünlerde genellikle “gömme” olarak adlandırılıyor) hesaplamaya yönelik özel bir yöntem ve ne kadar benzer olduklarına dair bir değer vermek için iki özellik vektörünü karşılaştıran bir yöntemdir. Tek bir yüz görüntüsü 512 sayıdan oluşan bir listeye indirgenebilir (“özellik vektörü” veya “gömme”). İki yüz görüntüsünden alınan özellik vektörleri karşılaştırılabilir ve 0 ile 100 arasında veya -1 ile 100 arasında bir benzerlik sonucu verebilir. +1. 100 veya +1 yalnızca aynı görüntünün iki kopyasını karşılaştırdığınızda elde edilir; pratikte görülmesi alışılmadık bir sonuç olacaktır.

Son teknoloji ürünü bir yüz tanıma algoritması kullandığımızı ve -1 ila +1 aralığına giren bir benzerlik değeri kullandığımızı hayal edin. Farklı kişilerin her türlü görüntü çifti arasındaki karşılaştırmalara ilişkin benzerlik değerleri, 0,0 civarında veya bunun biraz üzerinde ortalanmış olabilir. Aynı kişinin her türlü görüntü çifti arasındaki karşılaştırmalar için benzerlik değerleri 0,8 civarında veya bunun biraz üzerinde ortalanabilir. Uygulamaya yönelik görüntü alımı iyi kontrol edilirse, örneğin bir ehliyet fotoğrafı gibi, aynı kişiye ait iki görüntünün ortalama benzerlik değeri daha yüksek olacaktır. Görüntü alımı daha az kontrol edilirse, örneğin insanlar bir mağazaya girerken video karelerinden alınan görüntüler gibi, aynı kişinin iki görüntüsü için ortalama benzerlik değeri daha düşük olacaktır.

Birisi tanınma için kullanılacak bir eşik değerine karar verecektir. Eşik olarak 0,7 değeri seçilirse iki görüntü karşılaştırıldığında ve benzerlikleri 0,7’nin altında olduğunda sistem bunların farklı kişilere ait görüntüler olması gerektiğini söylüyor. Değer 0,7’ye eşit veya üzerindeyse sistem bunların aynı kişiye ait olması gerektiğini söylüyor.

Bu noktada asıl sorunun “Yüz tanımayı engellemek için görünüşümü ne kadar değiştirmem gerekiyor?” sorusunun yanıtını görebiliyoruz. “Yeni imajımın eski imajımla karşılaştırıldığında benzerlik değerini düşürmek için yapılabilecek en iyi şeyler nelerdir?” şeklinde yeniden formüle edilebilir.

Yapabileceğiniz birçok şey var. Koyu renk güneş gözlüğü takabilir, saç stilinizi değiştirebilir ve yine de doğal görünebilirsiniz. Abartılı bir yüz ifadesi yapabilirsiniz ancak bu muhtemelen doğal görünmeyecektir. Yeni fotoğrafın açılı olmaması için doğrudan kameraya bakmaktan kaçınabilirsiniz. Daha da kötüsü, kilo alabilir veya kaybedebilirsiniz. Veya “görünüşünüzü değiştirmek” için kozmetik ürünleri uygulayabilirsiniz. Bunların hiçbiri eski fotoğrafınızla eşleşmeyeceğinizi garanti edemez. Yeni fotoğrafınızla karşılaştırmak için hangi eski fotoğrafınızın kullanılacağını, hangi algoritmanın kullanılacağını veya hangi eşiğin kullanılacağını tam olarak bilemezsiniz. Bunların hepsini bilseydiniz, izlenecek en etkili yaklaşımı deneyebilirdiniz.

14 senatörden oluşan iki partili bir grup, kendi gruplarının liderlerini, Ulaştırma Güvenliği İdaresi’nin yüz tanıma kullanımını dizginlemeye çağırdı; bunun mahremiyet ve sivil özgürlükler için önemli bir tehdit oluşturduğunu ve yolcuları daha güvende tuttuğunun gösterilmediğini söyledi.

Senato Çoğunluk Lideri Chuck Schumer (D-NY) ve Azınlık Lideri Mitch McConnell’e (R-KY) gönderilen mektup, milyonlarca Amerikalının ülkenin havalimanlarından geçmesinin beklendiği yılın en yoğun seyahat dönemlerinden birinden hemen önce geliyor. .

Senatörler, “Bu teknolojinin kötüye kullanılma potansiyeli, havaalanı güvenlik kontrol noktalarının çok ötesine uzanıyor” diye yazdı. “Amerikalılar yüz tanıma taramalarına alıştığında, hükümet binalarına girişlerden parklar, okullar ve kaldırımlar gibi kamu mülklerinin pasif gözetimine kadar her yerde vatandaşların yüzlerini taramak hükümet için çok daha kolay olacak.”

Mektup Jeffrey Merkley (D-OR), John Kennedy (R-LA), Ed Markey (D-MA), Roger Marshall (R-Kansas), Ron Wyden (D-OR), Kevin Cramer (R-) tarafından imzalandı. ND), Steve Daines (R-MT), Elizabeth Warren (D-MA), Mike Braun (R-IN), Bernie Sanders (I-VT), Cynthia Lummis (R-WY), Chris Van Hollen (D-MD) ), Peter Welch’in (D-VT) ve Laphonza Butler (D-CA).

TSA’nın yüz tanıma programı şu anda isteğe bağlı ve yalnızca birkaç düzine havaalanında mevcut olsa da, kurum Haziran ayında teknolojiyi 430’dan fazla havaalanına genişletmeyi planladığını duyurdu. Senatörlerin mektubunda, TSA Yöneticisi David Pekoske’nin 2023’te yaptığı ve “her alanda biyometriye ihtiyaç duyacağımız noktaya geleceğiz” dediği bir konuşmadan alıntı yapılıyor.

Senatörler, TSA’nın kongre soruşturmalarına yanıt olarak, yüz tanıma uygulamasının daha sahte kimlik belgelerinin keşfedilmesine yol açtığını gösteren herhangi bir kanıt sunmadığını söyledi. Bu arada TSA dedi Sistemlerin yüzde üç yanlış negatif oranı var (bir kişiyi veri tabanındaki görüntüsüyle doğru şekilde eşleştirmede ne sıklıkla başarısız oluyorlar), bu da eğer teknoloji tüm havalimanlarına yayılırsa günde 68.000 hataya eşit olacaktır.

Ajansın yüz tanımayı kullanma yetkisi, yirmi yılı aşkın bir süre önce 2021’de kabul edilen ve yüz tanımanın henüz yeni ortaya çıkan bir teknoloji olduğu bir dönemde biyometrik güvenlik taramasına izin veren Havacılık ve Ulaştırma Güvenliği Yasası’ndan geliyor.

14 senatör, Schumer ve McConnell’i, Senato’nun Federal Havacılık İdaresi’ni yeniden yetkilendirmesi sırasında bu yetkiyi sıkılaştırmaya çağırdı.

“Kritik bir kavşakta olduğumuz açık” diye yazdılar. “Hükümetin Amerikalılar üzerinde yüz tanıma kullanımının kapsamı, TSA’nın planları kapsamında, çok az kamusal söylem veya kongre gözetimi olmaksızın katlanarak genişleyecek.”

Bir havaalanında yüz taramasını devre dışı bırakmak için yolcunun yalnızca yüz tanımayı reddettiğini söylemesi yeterlidir. Daha sonra sürücü ehliyeti veya pasaport gibi bir kimlik belgesini ibraz ederek normal şekilde güvenlikten geçebilirler.

Yakınınızdaki bir mağazaya gözetlenmenin yepyeni bir yolu gelebilir; perakende çalışanlarının müşterilerle anormal etkileşimler yaşadığını tespit etmek için tasarlanmış bir yüz tanıma sistemi.

Yaklaşık bir ay önce, İsrail merkezli Corsight AI, küresel müşterilerine, perakende sektörünün “tatlım” olarak adlandırdığı, mağaza çalışanlarının tanıdıkları insanlara indirim veya bedava ürün vermesi gibi durumu ortadan kaldırmayı amaçlayan yeni bir hizmete erişim sunmaya başladı.

Corsight gibi şirketler sayesinde perakende sektöründe yaygınlaşan geleneksel yüz tanıma sistemleri, mağaza hırsızlarının belirlenmiş kara listesinde yer alan kişileri mağazalara giren kişileri işaretliyor. Yeni sevgili tespit sistemi, her müşterinin farklı çalışanlarla uzun süreler boyunca nasıl etkileşim kurduğunu takip ederek izlemeyi bir adım daha ileri taşıyor.

Corsight’ın CEO’su Shai Toren, Gizmodo’ya sistemin müşterilerin farklı çalışanlara ne kadar yakın durduğunu ve geri dönen müşterilerin bir mağazayı ziyaret ettiklerinde sürekli olarak aynı çalışana gidip gitmediğini analiz ettiğini söyledi. Anormallikler, nasıl ilerleyeceğine karar verecek olan mağaza güvenlik personeline yönelik uyarıları tetikler.

“Bir mağazaya girip birkaç yiyecek alırsanız, genellikle etraftaki kasiyerlerden birini seçip ürünlerinizi tararsınız” dedi. “Birisi sevgiliye bir hırsızlık yapmayı planladığında, her zaman aynı kasiyere gider ki bu da çoğu zaman akrabasıdır ve bu, diğer müşterilere göre davranışsal bir anormalliktir. Sistemimiz bu anormalliği tespit edebiliyor ve bu konuda uyarı yapabiliyor.”

Perakende çalışanlarının savunucuları, sistemin, müşterinin belirli bir satış elemanına sadakat göstermesinin yanlış bir davranış işareti olduğu yönündeki yanlış varsayıma dayandığını söylüyor.

Perakende İletişim Direktörü Chelsea Connor, “Birçok üyemizin komisyon karşılığında çalıştığı göz önüne alındığında, bu tür teknolojilerle ilgili pek çok endişemiz var, bu nedenle müşterilerle ilişkilere dayalı bir iş kitabı oluşturma fikrine sahibiz” dedi. , Toptan Satış ve Büyük Mağazalar Birliği (RWDSU). “Komisyonla çalışsalar da çalışmasalar da, [stores] Satış elemanlarını bu ilişkileri geliştirmeye teşvik edin çünkü insanları internetten satın almak yerine tuğla ve harçlara geri döndüren şey budur.”

Corsight, bazı müşterilerinin halihazırda sevgili tespit sistemini kullandığını ancak kimliklerini açıklamayı reddettiğini söylüyor.

Geçtiğimiz birkaç yılda, büyük perakende zincirleri yüz tanıma ve diğer algoritmik gözetim sistemlerini giderek daha fazla kurdu ve bu durum endüstri grubunun şu uyarılara işaret ederek artan gözetimi haklı çıkardı: “yükseliyor” perakende suç.

Corsight’ın yeni tespit sisteminin erken kapsamı endüstri yayınlarsevgili olmanın, perakendecilerin hırsızlık nedeniyle yılda 100 milyar dolar kaybetmesine neden olan giderek büyüyen bir zorluk olduğunu iddia ediyor. Görünüşe göre bu iddialar şunlara dayanıyor: raporlar Geçen yıl zorlanan Ulusal Perakende Federasyonu’ndan geri çekmek bir süre sonra perakende hırsızlığının kapsamına ilişkin iddialardan bazıları soruşturma Retail Dive tarafından yapılan araştırma, grubun yıllık hırsızlık analizinin kendi verilerinin yanlış yorumlanmasına dayandığını ortaya çıkardı.

NRF, 2022’yi kapsayan en son güvenlik araştırmasından elde edilen verilere dayanarak, sevgililik de dahil olmak üzere içeriden bilgi hırsızlığının küçülme olarak bilinen envanter kayıplarının yüzde 29’unu oluşturduğunu söylüyor. Verilerine dahil olan perakendecilerin yüzde 3’ünün yüz tanıma sistemlerini tam olarak uyguladığını ve diğer yüzde 40’ının da yüz ve özellik tanıma konusunda araştırma yaptığını veya uygulama sürecinde olduğunu söyledi.

İş yerlerinde algoritmik gözetim sistemlerinin yaygınlaşması federal düzenleyicileri harekete geçirdi. işverenleri uyarmak çalışan davranışlarını öngören ve dosyalar oluşturan araçların kötüye kullanılması hakkında. Geçen yıl Federal Ticaret Komisyonu yasaklandı eczane zinciri Rite Aid, şirketin sisteminin müşterileri, özellikle de kadınları ve farklı ırklardan insanları yanlışlıkla hırsızlık yapan kişiler olarak işaretlediğini tespit ettikten sonra yüz tanıma sistemini kullanmaktan vazgeçti.

Perakendecilerden kar amacı gütmeyen Fight for the Future’ın genel müdürü Caitlin Seeley George rehin yüz tanımayı kullanmamak, müşterilerin bu sistemlerdeki önyargılar konusunda endişelenmenin yanı sıra, pazarlama amacıyla müşteri davranışlarının profilini çıkarmak için kullanılabilecek gözetim sistemlerini kurmayı haklı çıkarmak için şirketlerin hırsızlıkla ilgili korkuları artırdığından da endişelenmeleri gerektiğini söyledi.

“Perakende derneklerinin paylaştığı bilgiler, çeşitli nedenlerle kullanmak isteyebilecekleri bu teknolojinin kullanılmasına yönelik durumu ortaya koymak için özenle seçilmiştir” dedi. “Bu sadece odaklandıklarını iddia ettikleri şeyin ötesine geçen görevin kapısını açıyor.”

Şirketin pazarlama müdürü Dror Simsolo, “Sevimliliğin tespiti Corsight’ın sadece mağazada kimin olduğunu değil aynı zamanda nasıl davrandıklarını da izlemeye yönelik çalışmasının sadece başlangıcı” dedi.

“Bu farklı bir özdeşleşme tadı” dedi.