論文の概要: Facial Recognition: A cross-national Survey on Public Acceptance,
Privacy, and Discrimination
- arxiv url: http://arxiv.org/abs/2008.07275v1
- Date: Wed, 15 Jul 2020 14:17:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 04:43:57.137152
- Title: Facial Recognition: A cross-national Survey on Public Acceptance,
Privacy, and Discrimination
- Title（参考訳）: 顔認識: 公的受容, プライバシ, 差別に関する全国横断調査
- Authors: L\'ea Steinacker, Miriam Meckel, Genia Kostka, Damian Borth
- Abstract要約: 公衆における顔認識技術(FRT)の受容,プライバシ,差別に関する全国横断調査の結果を報告する。
本研究は、中国、ドイツ、イギリス(イギリス)、米国(アメリカ)からのFRTに対する意見についての洞察を提供する。
- 参考スコア（独自算出の注目度）: 1.4480964546077344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With rapid advances in machine learning (ML), more of this technology is
being deployed into the real world interacting with us and our environment. One
of the most widely applied application of ML is facial recognition as it is
running on millions of devices. While being useful for some people, others
perceive it as a threat when used by public authorities. This discrepancy and
the lack of policy increases the uncertainty in the ML community about the
future direction of facial recognition research and development. In this paper
we present results from a cross-national survey about public acceptance,
privacy, and discrimination of the use of facial recognition technology (FRT)
in the public. This study provides insights about the opinion towards FRT from
China, Germany, the United Kingdom (UK), and the United States (US), which can
serve as input for policy makers and legal regulators.
- Abstract（参考訳）: 機械学習(ML)の急速な進歩により、この技術の多くは、私たちと私たちの環境と対話する現実世界にデプロイされています。
MLの最も広く応用されている応用の1つは、数百万台のデバイスで動作する顔認識である。
一部の人々にとって有用である一方で、公共機関が使用する脅威として認識する者もいる。
この不一致と政策の欠如は、顔認識研究と開発の将来的な方向性に関するMLコミュニティの不確実性を高める。
本稿では,顔認識技術(FRT)の公的な受容,プライバシ,差別に関する全国横断調査の結果を紹介する。
本研究は、中国、ドイツ、イギリス(イギリス)、米国(米国)からのFRTに対する見解を洞察し、政策立案者や法規制機関のインプットとして機能する。
関連論文リスト
- Persuasion with Large Language Models: a Survey [49.86930318312291]
大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。
政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。
LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
論文 参考訳（メタデータ） (2024-11-11T10:05:52Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - Os Dados dos Brasileiros sob Risco na Era da Intelig\^encia Artificial? [0.0]
この研究は生体認証システムの脆弱性を明らかにし、顔のモダリティに焦点をあてる。
これは、モーフィングと呼ばれる文献におけるよく知られたプレゼンテーションアタックアプローチを通じて、生体認証システムを騙すことが可能であることを示す。
人工知能時代(AI)における市民データのセキュリティとデータプライバシ法に関する議論を始めるための10の懸念のリストが作成された。
論文 参考訳（メタデータ） (2022-05-03T20:41:21Z) - Face Off: Polarized Public Opinions on Personal Face Mask Usage during
the COVID-19 Pandemic [77.34726150561087]
様々な政府機関による一連の政策変更は、フェイスマスクの偏光に寄与したと推測されている。
新型コロナウイルスの感染拡大に伴う米国でのマスクに対する国民の感情を正確に評価するための新しいアプローチを提案する。
2つの重要な政策シフトの出来事が、共和党と民主党の両方の感情の統計的に重要な変化に寄与している。
論文 参考訳（メタデータ） (2020-10-31T18:52:41Z) - Understanding bias in facial recognition technologies [0.0]
私は、FDRTの開発と展開においてバイアスと差別のダイナミクスが果たす役割に注目します。
反対派は、顔検出・認識技術(FDRT)の無責任な設計と使用は、市民の自由を侵害し、基本的人権を侵害し、構造的人種差別と体系的限界化を弱める恐れがあると主張している。
被告は、顔認証、身元確認、特徴的特徴化などの能力のデジタル化を図った、公共の安全、セキュリティ、効率の向上を強調している。
論文 参考訳（メタデータ） (2020-10-05T20:45:46Z) - Contact Tracing: An Overview of Technologies and Cyber Risks [7.592231114817977]
2020年の新型コロナウイルス(COVID-19)パンデミックは、深刻な健康と経済的な影響を伴う世界的なロックダウンにつながった。
世界中の当局は、ウイルスの拡散を監視するためのより良いツールの必要性を表明している。
GoogleとAppleは、コンタクトトレースアプリケーションという形でそのようなツールを開発することを提案している。
本報告は,サイバーセキュリティとプライバシのリスクを客観的に評価することで,提案する様々な技術に光を当てることを目的としている。
論文 参考訳（メタデータ） (2020-07-06T15:10:20Z) - Robots in the Danger Zone: Exploring Public Perception through
Engagement [4.051559940977775]
ロボットと人工知能(RAI)に対する大衆の認識は、受容、取り込み、政府の規制、研究資金において重要である。
近年の研究では、一般大衆のRAIに対する理解は否定的あるいは不正確であることが示されている。
個人での公的なエンゲージメント活動における高いスループットの最初のイテレーションについて説明する。
論文 参考訳（メタデータ） (2020-04-01T20:10:53Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z) - State of the Art in Fair ML: From Moral Philosophy and Legislation to Fair Classifiers [1.3300455020806103]
機械学習は、多くの決定が機械学習アルゴリズムによってなされるにつれて、私たちの生活に永遠に存在している部分になりつつある。
判決はしばしば不公平であり、人種や性別に基づいて保護された集団を差別する。
この研究は、差別、それに対抗する立法府、そして機械学習アルゴリズムをそのような行動から検出し、予防するための戦略について紹介することを目的としている。
論文 参考訳（メタデータ） (2018-11-20T12:03:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。