論文の概要: Detection of false positives by human reviewers depends on the face recognition algorithm and its security configuration
- arxiv url: http://arxiv.org/abs/2610.33045v1
- Date: Fri, 16 Oct 2026 18:19:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 06:06:26.153016
- Title: Detection of false positives by human reviewers depends on the face recognition algorithm and its security configuration
- Title（参考訳）: ヒューマンレビュアーによる偽陽性の検出は顔認識アルゴリズムとそのセキュリティ構成に依存する
- Abstract要約: 市販の顔認識アルゴリズムによる偽陽性の誤りを検知する人間レビュアーの能力を測定した。
以上の結果から,人間レビュアーはアルゴリズム的偽陽性を減らすことができるが,より厳格なセキュリティ閾値では性能が低下することがわかった。
我々は,ヒトレビュアの変動効率を考慮した生体計測システムの設計を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Integration of artificial intelligence (AI) technology into identity workflows, such as automated face recognition (FR), has enhanced operational capabilities, with FR algorithms achieving super-human scale and accuracy. However, these gains can make human oversight of FR more difficult, raising questions about the effectiveness of these human-AI teams. We measured human reviewers' ability to detect false positive errors made by commercial FR algorithms across varying security configurations. Using a novel dataset, the Difficult Facial Image Comparison Test (DFICT), derived from false positives made by four comparable commercial face recognition algorithms, we measured the ability of 801human reviewers to detect algorithmic false positives across three security configurations, representing operationally relevant biometric thresholds. Our findings show that human reviewers can reduce algorithmic false positives, but performance declines at stricter security thresholds. Further, reviewer performance varied by algorithm indicating that some algorithms are more compatible with human oversight. We suggest that biometric systems should be designed to account for human reviewers' variable effectiveness, particularly in high-security applications. Our findings should be considered during algorithm selection and inform human oversight strategies to minimize AI-related risks in operational FR deployments.
- Abstract（参考訳）: 自動顔認識(FR)などのIDワークフローに人工知能(AI)技術を統合することで、FRアルゴリズムが超人的スケールと精度を達成することにより、運用能力が向上した。
しかし、これらの成果はFRの人間の監視をより困難にし、これらの人間-AIチームの有効性に関する疑問を提起する。
市販のFRアルゴリズムによる偽陽性の誤りを,様々なセキュリティ構成で検出する能力を測定した。
市販の4つの顔認識アルゴリズムによる偽陽性から得られた新たなデータセットであるDFICTを用いて, 3つのセキュリティ構成にまたがるアルゴリズム的偽陽性を検出する801人のレビュアーの能力を測定し,操作に関係のあるバイオメトリックしきい値を示す。
以上の結果から,人間レビュアーはアルゴリズム的偽陽性を減らすことができるが,より厳格なセキュリティ閾値では性能が低下することがわかった。
さらに、レビュアーの性能はアルゴリズムによって変化しており、一部のアルゴリズムは人間の監視とより互換性があることを示している。
生体認証システムは、特に高セキュリティアプリケーションにおいて、ヒトレビュアーの変動効率を考慮に入れるべきである。
我々の発見は、アルゴリズムの選択中に考慮し、人間の監視戦略に、運用FRデプロイメントにおけるAI関連リスクを最小限に抑える必要がある。
関連論文リスト
- Toward Responsible AI-Augmented Cyber Defense: Pattern Recognition, Defense-in-Depth, and the Case for Human-AI Collaboration [0.0]
サイバーセキュリティに関する文献は、脅威検出、インシデント対応、予防のための人工知能(AI)の運用上の利点を広範囲に記録している。
本稿では,この文献に再帰する3つの構成要素を結合するフォーマルでファリシブルなモデルを開発する。Depth Theory,the Artificial Intelligence Theory of Pattern Recognition,およびセキュリティオペレーションにおける人間とAIの協調。
論文 参考訳（メタデータ） (2026-09-22T09:28:13Z) - From Accuracy to Readiness: Metrics and Benchmarks for Human-AI Decision-Making [0.5153774021264936]
実証的な証拠は、多くの失敗が誤った信頼から生じることを示している。
本稿では,チーム準備を主眼とした人間とAIの意思決定を評価するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-19T13:35:29Z) - Language Models Exhibit Inconsistent Biases Towards Algorithmic Agents and Human Experts [12.32714011634175]
大規模な言語モデルは、様々なソースからの情報を処理しなければならない意思決定タスクにますます使われています。
本稿では,人間の意思決定者がアルゴリズムの予測に偏りを示すアルゴリズム回避現象について考察する。
我々は,8つの異なるLCMが人的専門家あるいはアルゴリズムエージェントとしてフレーム化される際の意思決定タスクをどのように委譲するかを評価する。
論文 参考訳（メタデータ） (2026-02-25T16:18:28Z) - Evaluating Human and Machine Confidence in Phishing Email Detection: A Comparative Study [0.45961260934000997]
本研究では、人間の認識と機械学習モデルがどのように連携し、フィッシングメールと正当性を区別するかを検討する。
その結果,機械学習モデルでは精度が向上するが,信頼性は著しく異なることがわかった。
一方、人間の評価者はより多様な言語記号を使用し、より一貫した信頼を維持する。
論文 参考訳（メタデータ） (2026-01-08T05:30:41Z) - Explainable AI for Collaborative Assessment of 2D/3D Registration Quality [50.65650507103078]
本稿では,2D/3D登録品質検証に特化して訓練された最初の人工知能フレームワークを提案する。
我々の説明可能なAI(XAI)アプローチは、人間のオペレーターに対する情報意思決定を強化することを目的としている。
論文 参考訳（メタデータ） (2025-07-23T15:28:57Z) - A Knowledge-guided Adversarial Defense for Resisting Malicious Visual Manipulation [93.28532038721816]
視覚的操作の悪意ある応用は、多くの分野でユーザーのセキュリティと評判に深刻な脅威をもたらしている。
本稿では,悪質な操作モデルを積極的に強制し,意味論的に混乱したサンプルを出力するために,知識誘導型敵防衛(KGAD)を提案する。
論文 参考訳（メタデータ） (2025-04-11T10:18:13Z) - Human aversion? Do AI Agents Judge Identity More Harshly Than Performance [0.06554326244334868]
我々は,大規模言語モデルに基づくAIエージェントがどのように人間の入力を評価し,統合するかを検討する。
AIシステムは人間のアドバイスを体系的に減らし、アルゴリズムの誤りよりも人間の誤りを厳しく罰する。
論文 参考訳（メタデータ） (2025-03-31T02:05:27Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - On the Robustness of Face Recognition Algorithms Against Attacks and
Bias [78.68458616687634]
顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。
精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。
本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
論文 参考訳（メタデータ） (2020-02-07T18:21:59Z)
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。