Biometría: cómo funciona el reconocimiento facial y qué aplicaciones tiene

¿Qué es una biometría?
Una biometría es una prueba basada en patrones físicos de las personas, permiten diferenciar unas personas de otras y establecer un perfil: edad, sexo y estado de ánimo.

Para realizar una prueba biométrica necesitamos partir de un modelo entrenado con datos etiquetados. Entrenar un modelo consiste en añadir datos etiquetados con la información que les haga ser valiosos. Por ejemplo, una foto puede tener información de la edad, el género, si estás enfermo/a, localización, etc. Generalmente hacemos muchas fotos que confirman estos datos.Una vez que tenemos este modelo entrenado se puede establecer una comparación con la aportación de datos nuevos, por ejemplo, una foto nueva. El resultado de esa comparación será la proximidad o distancia al modelo original, de donde podemos extraer las conclusiones relacionadas, es decir, si se parece al modelo o no. Estos modelos están hechos siguiendo las reglas de la inteligencia artificial y nos permiten realizar ciertas operaciones, estas son las operaciones que podemos realizar:

Perfilado: se pueden obtener las cualidades como sexo, edad, o estado de ánimo, entre otros. Con un modelo básico pre-entrenado los datos nuevos nos proporcionan la similitud con esos datos básicos.
Verificación: comprobar que eres quien dices ser. Con un modelo cuyo entrenamiento está basado en la persona que se busca donde la comparación resultará ser o no ser similar al modelo.
Identificación: comprobar si eres miembro de un grupo predefinido. El entrenamiento será con datos de un grupo previamente definido. La prueba es comparar con los elementos de ese grupo y ver cual de todos los elementos ser acerca más al modelo.

En el caso de perfilar necesitaríamos un modelo pre-entrenado y en los de verificación e identificación necesitaríamos entrenar con la persona o personas con las que vamos a comparar en un futuro. Por ello el proceso varía un poco.

¿Qué es #10YearChallenge?

Es un hashtag usado durante los pasados meses que consiste en subir fotos en las que se muestre a la persona hace 10 años y ahora. El principal objetivo es conseguir un montón de datos categorizados a los principales motores de entrenamientos faciales, es decir, a los gigantes tecnológicos Facebook, Google, Amazon y Microsoft. Ellos son, con toda probabilidad, los que más datos etiquetados nuestros tienen, es decir, tienen muchas fotos para entrenar sus modelos. Esto implica fortalecer los negocios que puedan hacer con nuestros datos bien para uso propio o vendiéndolos a terceros, lo que conlleva un impacto importante en la privacidad y compartición de los mismos. Como decíamos antes, estos modelos ya entrenados se convierten en modelos mucho más precisos y

sólidos añadiendo nuevos datos etiquetados. Además de añadir nuevas herramientas, para proyectar sus modelos de cara el futuro y establecer un pronóstico de cómo seremos en unos años.

Este juego no está exento de consecuencias, donde se podría establecer la siguiente categorización: primero, las consecuencias presentes y segundo, las consecuencias futuras que pueden producirse:

Seguridad

En sistemas que no tengan detección de spoofing (imitación, suplantación) con esta foto subida podríamos ser víctimas de una suplantación de identidad ante sistemas más vulnerables.
En función de la fisicidad y envejecimientos de una persona podríamos inferir cómo podrían ser sus parientes. Es decir, saber si un individuo es tu pariente, y dentro de ellos, si es antecesor o predecesor, debido a la edad. Por ejemplo, localizar a tus hijos y saber donde están.

Privacidad

La publicidad dirigida es otra consecuencia muy clara. Por ejemplo, si en estos 10 años hemos sufrido cambios físicos, engordado o adelgazado, perdido pelo, hemos tenido algún accidente o enfermedad que pueda haber tenido repercusión en nuestro aspecto físico, podríamos ser objetivo de publicidad relacionada con esto. Por ejemplo, clínicas de estéticas, industria farmacéutica o similar.
Algo más relacionado con los últimos escándalos de Facebook, a través de este #10YearsChallenge se podrían ver patrones comunes a lo largo del tiempo entre grupos de personas con similitudes relacionadas con la religión, tendencia política entre otras, y dirigir campañas de información o publicidad en función de ese segmento. Por ejemplo, si eres votante de Trump, porque en tus fotos sales con una camiseta que apoye la causa, te haría vulnerable ante publicidad dirigida en contra de la oposición.
Se podrían analizar cambios comunes en segmentos de población concretos asociados a movimientos sociales, políticos o religiosos y establecer criterios y análisis comunes para llevar a cabo acciones controladas sobre esos segmentos.

Debido a este fenómeno se podría hacer una proyección de los modelos y saber como serás dentro de otros 10 años aproximadamente o evaluar el envejecimiento progresivo. Por ejemplo, Facebook tiene, con toda probabilidad, fotos de nosotros etiquetadas por año que han sido subidas a su red, podrían ver como hemos envejecido durante estos años. Si
ahora le damos más datos en los que puedan calcular cómo es el paso del tiempo en 10 años se podría calcular como vamos envejeciendo y pronosticar como seremos dentro de unos años. Esto además de prolongar los riesgos descritos anteriormente añadiría las siguientes vulnerabilidades:

Seguridad: elaboración de retratos para el futuro de forma que determinados sistemas vulnerables no puedan discernir que es un retrato robot y sean accesibles por personas ajenas.

Privacidad: ser objetivos de publicidad dirigida bajo demanda futura. En función de nuestro aspecto físico se haya pronosticado ciertos aspectos de nuestro envejecimiento y puedan proyectarse campañas futuras donde vivamos en un “dejavú” constante y siempre veamos necesidades generadas artificialmente por máquinas que simplemente han hecho un pronósitco.

Conclusión

A raíz de los últimos escándalos que esta habiendo en torno al valor de nuestros datos y el uso de ellos por terceros, deberíamos tener presente y concienciar a nuestro alrededor de lo que dejamos a nuestro paso en internet y de la vulnerabilidad que esto implica si el uso de nuestros datos no es ético. Hemos de tener en cuenta que esta ingeniería de los datos puede ser la palanca que necesiten determinados sectores para accionar sus mecanismos lucrativos y reavivar así sus fuentes de ingresos, anquilosadas en antiguos modelos de negocio. La confianza o pereza, en muchas ocasiones, nos hace delegar la responsabilidad del uso de nuestros datos, esto es un factor que desequilibra la balanza ya que suponemos que el uso de nuestros datos será correcto, lícito y ético, haciéndonos más vulnerables. Por ello es necesario que adoptemos una postura crítica hacia las empresas tecnológicas que manejan nuestros datos ya que con la digitalización del mundo la relevancia de estos datos tiende a ser cada vez mayor.

GSMA IoT Security Champion: Premio a nuestro equipo de Seguridad IoTEventos en los que participamos en el mes de marzo