En el artículo anterior de esta serie se habló sobre el reconocimiento facial y algunas de sus aplicaciones, con la intención de mostrar la cantidad de información que puede contener una imagen y las conclusiones (más o menos fundamentadas) que algunos particulares podrían extraer analizando nuestro rostro.
También se explicó cómo en 2001 aparece el algoritmo Viola-Jones. Un sistema barato, escalable, preciso y en tiempo real que permite integrar el reconocimiento facial en dispositivos ligeros, suponiendo la democratización de la visión artificial y su llegada al gran público, integrándola en todo tipo de cámaras. Es a día de hoy uno de los sistemas más extendidos en software de procesamiento de imagen como OpenCV.
Figura 1: Adam Harvey, Algoritmo Viola-Jones evaluando una región facial clave durante un reconocimiento facial, Vimeo. CV Dazzle: Collaboration with DIS -> Look #1 (before). Imagen tomada de: https://vimeo.com/34545340 [Accedido el 16/02/2017]
Con este precedente surge una pregunta: ¿se puede hacer algo para evitar ser detectado por los sistemas de reconocimiento facial?
Preocupado por esta cuestión, Adam Harvey presentó CV Dazzle como tesis del Programa de Telecomunicaciones Interactivas que cursó en la Universidad de Nueva York.
Originariamente, el camuflaje dazzle fue extensamente utilizado durante las dos guerras mundiales. A diferencia de otras formas de camuflaje el dazzle no tiene por objetivo ocultar, sino dificultar la determinación de la distancia, velocidad y orientación del blanco para permitir la evasión de proyectiles enemigos con una eficacia aproximada del 50%.
Figura 2: John Lambert y Al Ross, Buque torpedero PT-170 de 1942 con camuflaje dazzle experimental, NavSource Online. Imagen tomada de: http://www.navsource.org/archives/12/05170.htm [Accedido el 16/02/2017]
Con un talante similar, el camuflaje CV Dazzle está diseñado para explotar las vulnerabilidades del algoritmo Viola-Jones, evitando así el reconocimiento facial. Este particular camuflaje se basa en 6 principios básicos:
1. Maquillaje
Se sugiere evitar potenciadores que puedan amplificar las características faciales clave, dado que esto haría que la cara fuese más fácil de detectar.
En lugar de ello, propone la aplicación de un maquillaje que tenga un alto contraste con el tono de piel base (tonos claros sobre piel oscura y tonos oscuros sobre piel clara) en direcciones inusuales.
2. Puente nasal
La zona en que intersectan la nariz, los ojos y la frente es una característica facial clave. Ocultar la región del puente nasal dificulta el reconocimiento siendo especialmente efectivo contra el algoritmo de detección facial empleado por la librería Open CV, que se vuelve muy poco fiable si se oculta esta región del rostro.
3. Ojos
La posición y el tono de los ojos es una característica facial clave para el reconocimiento. Por ello se sugiere el oscurecimiento parcial de una de las regiones oculares.
4. Máscaras
Se recomienda evitar llevar máscaras dado que en algunos lugares son ilegales. En lugar de ocultar la cara, se sugiere la modificación del contraste, los gradientes tonales y la relación espacial entre las zonas oscuras y claras del rostro, empleando para ello el pelo, maquillaje y otros accesorios.
5. Cabeza
Una investigación conducida por Ranran Feng y Balakrishnan Prabhakaran de la Universidad de Texas demuestra que disimular la forma elíptica de la cabeza puede mejorar capacidad de evadir la detección facial.
6. Asimetría
Los algoritmos de reconocimiento facial asumen que existe simetría entre los lados izquierdo y derecho de la cara. Por ello, la introducción de elementos asimétricos en el rostro mediante el uso del pelo, maquillaje, etc. puede reducir la probabilidad de ser detectado.
Figura 3: Adam Harvey, Resultados de la fiabilidad del reconocimiento facial antes y después de aplicar distintos niveles de camuflaje CV Dazzle, The Blogging Phenotype. Imagen tomada de: http://blog.derfunke.net/?p=1267 [16/02/2017]
Si bien la idea del CV Dazzle es evitar el reconocimiento confundiendo al algoritmo Viola-Jones para que no identifique un rostro, hay otras estrategias para la evasión. Es el caso del HyperFace, un tipo de camuflaje que reduce la fiabilidad del reconocimiento facial distrayendo a los algoritmos de visión artificial, saturándolos con una gran cantidad de caras falsas.
En su perfil por defecto para el reconocimiento facial, Open CV dispone de una representación algorítmica ideal del rostro humano que busca constantemente para identificar una cara. HyperFace ofrece una gran cantidad de objetivos falsos que encajan con esta representación ideal buscada por el algoritmo de reconocimiento facial, haciendo que este centre la atención en el patrón del camuflaje y no en el rostro de quien lo lleva, evitando así la detección.
Existen otros patrones de camuflaje que tienen por objetivo otros sistemas de reconocimiento, como por ejemplo redes neuronales convolucionales.
En vez de centrarse en reducir la fiabilidad del reconocimiento del rostro como hace CV Dazzle, HyperFace toma la estrategia diametralmente opuesta. Centra la atención en las regiones circundantes, explotando una preferencia algorítmica común, lo cual incrementa la fiabilidad del reconocimiento de los señuelos en vez de la de la cara del objetivo.
Figura 4: Marta Peirano, Resultados de reconocimiento facial aplicado a un patrón de camuflaje HyperFace, eldiario.es. Prototipo de patrón para HyperFace: miles de caras en un trozo de tela. Imagen tomada de: http://www.eldiario.es/cultura/tecnologia/privacidad/trolear-sistemas-reconocimiento-efectividad-probada_0_599840235.html [Accedido el 16/02/2017]
A medida que aumenta la concienciación acerca de cuestiones concernientes a la seguridad, van variando, no sólo los hábitos de uso de la tecnología, sino el comportamiento en general. Este es un proceso lento, sobre todo en cuanto al público general se refiere, pero en el futuro podría tener impacto en dimensiones de nuestras vidas hasta ahora fuera de su alcance, como por ejemplo la moda, en formas difíciles de predecir a día de hoy.
