- Seiring pengenalan wajah menyebar luas hingga bandara, toko, dan foto online, sangat sulit menghindari verifikasi identitas 1:1 yang terkontrol hanya dengan perubahan penampilan yang realistis
- Setelah pandemi, sistem kemungkinan menjadi lebih bergantung pada ciri di sekitar mata, sehingga masker, kacamata hitam, dan riasan ekstrem lebih mendekati cara mengganggu deteksi daripada benar-benar mengubah wajah
- Dalam identifikasi 1:N seperti video pengawasan, gambar berkualitas rendah, penutupan wajah, menghindari posisi menghadap depan, dan motion blur dapat menggoyahkan pencocokan, tetapi efektivitasnya bergantung pada algoritme, ambang batas, dan kondisi pengambilan gambar
- Penghindaran aktif seperti kacamata khusus, riasan, dan masker wajah juga mungkin dilakukan, tetapi serangan yang berlaku untuk semua orang kurang andal, sementara metode yang dipersonalisasi membutuhkan upaya lebih besar
- Menghindari pengenalan wajah semakin sulit karena penyebaran teknologi dan paparan wajah secara online; pertahanan jangka panjang lebih dekat ke regulasi data biometrik daripada mengubah wajah
Bisakah menghindari pengenalan wajah dengan mengubah wajah?
- Dengan model AI dan kamera saja, data biometrik dapat dikumpulkan, dan dalam situasi sehari-hari seperti keamanan bandara atau akses masuk toko pun seseorang bisa terpapar pengenalan wajah
- Pertanyaan intinya adalah apakah kita bisa menipu algoritme AI dengan menyembunyikan ciri wajah atau mengubah penampilan secara besar-besaran
- Saat ini cara penghindaran yang paling pasti adalah menghindari kamera, tetapi metode ini juga bisa menjadi sulit jika teknologi pengenalan wajah ditempatkan lebih luas
- Para ahli privasi menilai kita mungkin sudah berada dalam posisi yang tidak menguntungkan dalam perlindungan data biometrik, dan dalam jangka panjang regulasi federal dapat menjadi sarana pertahanan yang nyata
Sistem terbaru kuat terhadap perubahan wajah sederhana
- Cynthia Rudin menilai sulit mengubah wajah secara realistis sampai mampu menipu pengenalan wajah mutakhir
- Selama pandemi, ketika banyak orang menutupi hidung dan mulut dengan masker, sistem kemungkinan berubah menjadi lebih mengandalkan bentuk mata
- Tidak jelas bagaimana mengubah bentuk mata secara realistis untuk menipu sistem
- Kacamata hitam, masker, dan riasan ekstrem dapat membuat deteksi wajah lebih sulit, tetapi ini lebih mendekati cara menutupi daripada mengubah wajah itu sendiri
- Bahkan jika perubahan ekstrem seperti operasi plastik menipu sistem pengenalan, begitu foto wajah dengan nama terunggah ke internet, pengenalan wajah berbasis pencarian dapat mengidentifikasinya lagi
- Contohnya ketika teman menandai di media sosial, atau video ceramah diunggah online
- Jika wajah yang berubah tidak cocok dengan SIM atau paspor, perjalanan bisa menjadi sulit
Perbedaan antara verifikasi 1:1 dan identifikasi 1:N
- Walter Scheirer menilai tingkat kesulitan menghindari pengenalan wajah bergantung pada cara algoritme digunakan
- Dalam biometrik manusia, umumnya ada dua cara pencocokan: verifikasi 1:1 dan identifikasi 1:N
- 1:1 memeriksa apakah orang di depan kamera cocok dengan foto terdaftar di database untuk identitas yang diklaim
- Cara ini digunakan dalam situasi seperti autentikasi komputer berkeamanan tinggi, investigasi penegakan hukum, dan naik penerbangan internasional di bandara
- 1:N membandingkan foto subjek yang tidak diketahui dengan kumpulan foto terdaftar dari identitas yang menjadi perhatian
- Cara ini sering digunakan dalam lingkungan pengawasan berbasis video, termasuk penegakan hukum dan aktivitas intelijen pemerintah
- Dalam lingkungan 1:1 yang terkontrol, penghindaran sangat sulit
- Jika pengambilan gambar dilakukan dengan pose menghadap depan, ekspresi netral, pencahayaan baik, dan latar belakang terkontrol, penghindaran dasar seperti riasan, menambah atau mencukur janggut, dan mengubah gaya rambut tidak efektif
- Pengenalan wajah modern berbasis jaringan saraf menghasilkan akurasi pencocokan tinggi meski penampilan satu orang berubah-ubah
- Dalam penelitian terbaru tentang dampak operasi plastik, perubahan struktur wajah yang ekstrem dan secara estetika kurang baik dapat memberikan efek tertentu, tetapi prosedur kosmetik umum tidak berdampak sebesar yang diperkirakan
Dalam lingkungan pengawasan, menurunkan kualitas gambar adalah cara yang realistis
- Identifikasi 1:N di lingkungan pengawasan yang tidak terkontrol relatif masih memiliki ruang penghindaran tanpa tindakan bedah
- Bahkan jaringan saraf yang baik pun kesulitan pada foto berkualitas rendah yang kekurangan piksel kaya informasi pada wajah, dan semakin banyak daftar kandidat identitas, semakin sulit pula prosesnya
- Metode penghindaran berfokus pada membuat algoritme tidak memperoleh piksel wajah yang baik
- Dalam situasi yang tidak mencurigakan, wajah dapat ditutupi seperti dengan syal musim dingin atau kacamata hitam pada hari cerah
- Topi bertepi lebar menyembunyikan dahi dan rambut serta menciptakan bayangan di wajah, sehingga menjadi faktor pengganggu
- Menutupi wajah dengan tangan juga membantu
- Jika melihat ke bawah saat bergerak, kamera di sekitar sulit mendapatkan gambar wajah frontal yang baik
- Bergerak cepat seperti saat jogging atau bersepeda dapat menimbulkan motion blur pada foto yang diambil
- Saran paling praktis adalah mengetahui lokasi tempat pengenalan wajah dipasang dan menghindari area tersebut
- Seberapa lama saran ini tetap berlaku bergantung pada seberapa luas teknologi pengenalan wajah akan menyebar ke depan
Serangan adversarial dan perubahan penampilan yang dipersonalisasi
- Xiaoming Liu mendefinisikan “penghindaran pengenalan wajah” sebagai kondisi ketika sistem pengenalan wajah tidak dapat mengenali wajah subjek yang tertangkap kamera
- Metode untuk secara aktif membuat sistem pengenalan wajah gagal mencakup serangan adversarial fisik
- Model AI dapat gagal hanya karena perubahan kecil pada data input, dan sistem pengenalan wajah juga termasuk di dalamnya
- Intinya adalah menemukan perubahan kecil tertentu yang membuat sistem pengenalan wajah gagal
- Ada penelitian yang membuat sistem pengenalan wajah gagal dengan kacamata, seperti kasus kacamata khusus dari CMU
- Dengan pendekatan serupa, syal, masker wajah, dan kumis juga dapat dirancang
- Ada juga cara mengubah penampilan agar disalahkenali sebagai orang lain
- Metode yang umum adalah riasan
- Di mana dan seberapa banyak riasan harus digunakan berbeda untuk tiap orang
- Orang dengan wajah yang lebih umum dan mirip orang lain dapat disalahkenali hanya dengan perubahan riasan yang relatif kecil
- Orang dengan wajah yang sangat unik membutuhkan perubahan riasan yang jauh lebih banyak
- Aplikasi smartphone juga mungkin dibuat untuk melihat wajah dengan kamera, lalu memandu secara berulang area mana yang harus dirias dengan warna apa agar, dengan riasan seminimal mungkin, sistem pengenalan wajah dapat salah mengenali
- Masker wajah mahal juga dapat digunakan, tetapi cara ini lebih umum di film Hollywood
- Metode 1 lebih mudah bagi pengguna, tetapi serangan adversarial universal yang berlaku untuk semua orang kurang andal
- Metode 2 lebih dipersonalisasi sehingga dapat bekerja lebih baik, tetapi membutuhkan upaya lebih banyak
Embedding dan ambang batas menentukan tingkat kesulitan penghindaran
- Kevin W. Bowyer menilai jawabannya bergantung pada algoritme pencocokan wajah dan ambang batas yang digunakan algoritme tersebut
- Pengenalan wajah adalah proses membandingkan dua gambar untuk menentukan apakah keduanya cukup mirip untuk dianggap orang yang sama, atau cukup berbeda untuk dianggap orang berbeda
- Setiap algoritme pengenalan wajah menghitung vektor fitur, yaitu embedding, dari gambar wajah dan membandingkan kemiripan dua vektor fitur
- Satu gambar wajah dapat direduksi menjadi daftar berisi 512 angka
- Kemiripan dua gambar wajah dapat dinyatakan dalam rentang seperti 0–100 atau -1 hingga +1
- Nilai 100 atau +1 hanya muncul saat membandingkan salinan gambar yang sama, dan jarang terjadi dalam situasi nyata
- Jika diasumsikan algoritme modern memakai rentang -1 hingga +1, pasangan gambar dari orang yang berbeda dapat berkumpul di sekitar atau sedikit di atas kemiripan 0,0
- Pasangan berbagai gambar dari orang yang sama dapat berkumpul di sekitar atau sedikit di atas kemiripan 0,8
- Jika kondisi pengambilan gambar terkontrol baik seperti foto SIM, rata-rata kemiripan dua gambar orang yang sama menjadi lebih tinggi
- Jika kondisinya kurang terkontrol seperti frame video saat masuk toko, rata-rata kemiripan dua gambar orang yang sama menjadi lebih rendah
- Jika ambang batas ditetapkan 0,7, saat kemiripan dua gambar di bawah 0,7 sistem menilai sebagai orang berbeda, dan jika 0,7 atau lebih sistem menilai sebagai orang yang sama
- Pertanyaan “seberapa banyak penampilan harus diubah” berubah menjadi “apa cara terbaik untuk menurunkan nilai kemiripan saat gambar baru dibandingkan dengan gambar lama”
- Metode yang mungkin mencakup kacamata hitam gelap, mengubah gaya rambut, ekspresi berlebihan, tidak melihat kamera secara frontal, naik atau turun berat badan, dan riasan
- Tidak ada metode yang dapat menjamin tidak akan cocok dengan foto lama
- Foto lama yang dipakai untuk perbandingan mungkin tidak diketahui
- Algoritme dan ambang batas yang digunakan juga mungkin tidak diketahui
- Jika ketiganya diketahui, pendekatan paling efektif dapat diuji
1 komentar
Komentar Hacker News
Saya sempat terpikir hal serupa ketika di bandara internasional saya dibiarkan lewat tanpa pemeriksaan boarding pass dan paspor, lalu saat melewati gerbang mereka memberi tahu nomor kursi saya
Di Meksiko, saya pernah melaporkan staf bandara yang menjual timeshare karena dia terlalu agresif, sampai memegang lengan saya dan menghalangi saya pergi; pihak bandara lalu langsung menunjukkan rekaman semua pergerakan saya di dalam bandara dan membantu mengidentifikasi staf itu
Seperti yang dikatakan tulisan ini, menurut saya hanya masalah waktu sampai sistem seperti ini dipasang di mana-mana. Di pusat transportasi umum, orang sudah hampir terbiasa tanpa banyak penolakan, dan sebentar lagi pemerintah daerah maupun bisnis swasta juga akan mengadopsinya; suasananya bisa berubah menjadi, “di bandara juga sudah begini kok,” lalu menganggap orang berlebihan kalau mempersoalkannya di toko bahan makanan atau di trotoar
Orang yang seumur hidup hanya naik pesawat sekali atau dua kali akan lebih fokus menghadapi situasi yang membingungkan dan sibuk, bukan menyadari bahwa pengenalan wajah itu sesuatu yang baru atau bahwa itu bukan sekadar tindakan khusus pasca-9/11. Banyak warga Amerika tidak pernah ke luar negeri sama sekali atau hanya pernah ke satu negara, dan kalaupun pergi seringnya ke Meksiko atau Kanada dengan mobil atau berjalan kaki
Kalau hal seperti ini terjadi dalam keseharian yang akrab, seperti di dekat rumah, saat stresnya lebih rendah dan ada lebih banyak ruang untuk berpikir, saya rasa orang setidaknya akan berhenti dan bertanya apa yang sedang terjadi
Dari sudut pandang orang yang pernah mengerjakan perakitan cepat versi edit dari pustaka video memakai cue point di database, ini masalah yang cukup menarik. Saya penasaran apakah video akhirnya berupa hasil edit potongan sudut-sudut terbaik seperti di film mata-mata, atau layar multicam yang menampilkan beberapa kamera sekaligus sejak penerbangan kedatangan berhasil diidentifikasi, dan apakah sistemnya juga menggambar kotak di sekitar orang seolah-olah “tahu”
Jadi ingin tahu seberapa distopis sebenarnya sistem pengenalan wajah seperti ini dalam praktik
Sama sekali tidak ada pengenalan wajah, tetapi sejak pengalaman itu saya jadi lebih positif terhadap pengawasan video
Tetapi dalam pencarian terbuka skala nasional, tingkat false positive terlalu tinggi sehingga sulit benar-benar berfungsi dengan baik. Di luar konteks lokal/waktu seperti insiden pada lokasi dan jam yang diketahui, dan terutama di tempat seperti AS yang penggunaan mobil pribadi sangat luas sehingga orang tidak banyak meninggalkan jejak, sistem seperti ini sering kali tidak terlalu membantu secara praktis
Warga negara AS bisa menolak difoto saat masuk ke negaranya, tetapi siapa yang mau menanggung kerepotan itu. Begitulah semuanya terus berjalan
Novel terbaru Helen Phillips, Hum, membahas pertanyaan ini dengan sangat tepat
Premisnya begini. Seorang perempuan yang kehilangan pekerjaan dan sedang kesulitan keuangan ikut penelitian untuk sedikit mengubah wajahnya lewat operasi oleh robot canggih, agar bisa menjadi subjek uji untuk perangkat lunak pengenalan wajah mutakhir
Suaminya adalah tukang servis pekerja gig yang sebagian besar menangani pengendalian hama, penghasilannya buruk, mereka punya dua anak kecil, dan dia ikut karena takut diusir dari tempat tinggal. Penelitian itu memberi uang muka besar, cukup agar keluarganya bisa hidup nyaman selama 10 bulan tanpa pemasukan lain
Masalah segera muncul: meski penampilannya hanya berubah sangat sedikit, keluarga dan kenalannya semua merasa terganggu. Dia terlihat sama seperti dulu, tetapi ada sesuatu yang berbeda. Penelitian ini menciptakan wajah-wajah seperti itu untuk melihat bagaimana rekaman pengawasan memproses wajah yang berada di uncanny valley
Pengantar ini berasal dari bagian awal buku jadi bukan spoiler, dan setelah itu ceritanya meledak ke arah yang menarik dan tak terduga. Ini adalah SF, buku keenam dari novelis peraih penghargaan yang diakui kritikus, dan kalimat-kalimatnya indah
19 halaman pertamanya bisa dibaca di sini: https://www.amazon.com/Hum-Novel-Helen-Phillips/dp/166800883...
Melihat kesimpulannya, saya jadi teringat pada Lao Rongzhi dari Tiongkok. Ia adalah pembunuh berantai bersama kekasihnya, Fa Ziying[0], dan mereka berkeliling ke seluruh negeri melakukan pemerasan dan pembunuhan
Fa ditangkap pada 1999 setelah berhadapan dengan polisi, tetapi Lao melarikan diri selama 20 tahun bahkan setelah menjalani operasi plastik untuk mengubah wajahnya. Sampai-sampai kebanyakan orang tidak bisa mengenalinya
Namun selama 20 tahun itu, perangkat lunak pengenalan wajah berkembang pesat, dan kamera di pusat perbelanjaan mengenalinya lalu mencocokkannya dengan basis data kriminal nasional. Awalnya polisi pun mengira itu kesalahan, tetapi bukti DNA memastikan bahwa itu orang yang sama, dan akhirnya ia dieksekusi
Di zaman sekarang, saya rasa tak seorang pun benar-benar bisa bersembunyi dari pengenalan wajah
[0] https://www.youtube.com/watch?v=I7D3mOHsVhg
“Pada 9 September 2021, Lao dijatuhi hukuman mati oleh Nanchang Intermediate People's Court atas dakwaan pembunuhan berencana, penculikan, dan perampokan. Hak politiknya dicabut seumur hidup dan seluruh harta pribadinya juga disita. Lao mengajukan banding atas putusan tersebut, dan sidang tingkat dua digelar pada 18 Agustus 2022 di Jiangxi Provincial Higher People's Court. Lao mengakui bahwa ia adalah kaki tangan Fa, tetapi mengklaim bahwa sepanjang hubungan mereka ia mengalami kekerasan fisik dan seksual dari Fa, dan bertindak demikian karena takut kehilangan nyawa. Pada 30 November di tahun yang sama, pengadilan mempertahankan hukuman mati. Pada 18 Desember 2023, setelah mendapat persetujuan dari Supreme People's Court, Nanchang Intermediate People's Court melaksanakan eksekusi mati terhadap Lao Rongzhi.”
https://en.m.wikipedia.org/wiki/Fa_Ziying_and_Lao_Rongzhi
Tingkat kecocokan sebenarnya mungkin lebih tinggi. Meski begitu, pengenalan wajah saat ini tampak seperti memberi “nilai hash” yang konsisten pada wajah, tetapi dengan jumlah digit atau informasi yang terbatas. Jika seseorang tahu informasi tambahan bahwa seseorang adalah penumpang penerbangan X, mereka bisa menebak siapa orang itu dengan probabilitas sangat tinggi, tetapi pada skala besar hal ini tidak terlalu bisa diperluas kecuali Anda mencari banyak orang tertentu sambil menoleransi false positive
Otoritas suka mengatakan bahwa DNA dan pengenalan wajah menangkap orang, karena pernyataan seperti itu memberi kesan bahwa otoritas mahatahu. Nilai seperti “97,3%” di atas pun bisa saja salah atau tidak bermakna. Tentu teknologi seperti ini memang kadang menangkap orang, tetapi tetap terbatas dan mahal
Jika tujuannya adalah memublikasikan foto diri yang sudah disiapkan agar pengenalan wajah tidak mengenalinya sebagai Anda, sebenarnya Anda tidak perlu terlalu banyak mengubah wajah. Lihat saja https://sandlab.cs.uchicago.edu/fawkes/
Gambar yang disiapkan secara adversarial tetap bisa terlihat sepenuhnya seperti diri Anda bagi mata manusia, dan data yang merusak pengenalan wajah dienkode dengan cara yang, bagi persepsi manusia biasa, hampir setingkat steganografi
Pernyataan “jauh lebih mudah meminta pemerintah membuat undang-undang untuk melindungi kita…” agak naif. Datanya sebagian besar sudah ada, dan perlindungan itu bisa dilumpuhkan hanya dengan bergantinya pemerintahan, jadi sudah terlambat
Karena itulah orang Jerman dan orang Eropa sudah lama melawan pengumpulan data dan berjuang cukup keras untuk membuat perlindungan, dan mungkin memiliki salah satu kebijakan serta regulasi paling canggih
Tetapi seiring waktu, hampir mustahil mempertahankan pengumpulan data pada tingkat minimum. Mula-mula muncul pengecualian kecil yang masuk akal, lalu jumlah pihak yang terlibat bertambah, kemudian hal itu dinormalisasi, dan akhirnya tidak ada lagi perlindungan yang tersisa
Jika dihentikan sekarang atau dalam waktu dekat, kita masih bisa menghentikannya sejak awal. Mungkin juga belum terlalu terlambat bagi kita. Mengenali wajah dari bentuk tengkorak tetap mengkhawatirkan, tetapi itu hanya berlaku ketika pihak jahat memperoleh rekaman terbaru kita. Kalau tidak, mereka hanya bisa menyelidiki aktivitas masa lalu
Jenis data lain dalam jangka panjang memiliki lebih banyak batasan yang menghalangi kegunaannya. Itu dengan asumsi kita tidak ikut pada khayalan bahwa “jin yang sudah keluar dari botol tidak bisa dimasukkan kembali”
Saya sering penasaran apa yang akan terjadi jika seseorang berjalan-jalan dengan LED inframerah berintensitas tinggi yang berkedip pada 30Hz atau 60Hz dipasang di kerah baju—cahayanya hampir tak terlihat oleh mata manusia, tetapi panjang gelombangnya cukup rendah untuk masuk ke sebagian besar chip CMOS dan menyilaukan kamera.
Saya memikirkan ini setiap kali pergi belanja. Saya tidak suka diawasi, dan bukannya ada yang perlu disembunyikan, tetapi saya tidak suka sifatnya yang persuasif dan menekan. Seumur hidup saya belum pernah mencuri. Diawasi orang secara langsung masih lebih tidak mengganggu, tetapi analisis algoritmik yang jauh lebih efektif, menakutkan, dan invasif itu yang tidak saya suka.
Mungkin hasil eksperimen seperti ini adalah diminta keluar atau percakapan canggung dengan polisi. Tetap saja, saya berharap ada orang yang lebih berani dari saya yang mencobanya. Kalau bisa memasang lampu di pakaian, kenapa tidak dibuat inframerah?
Seberapa banyak wajah harus diubah untuk menghindari pengenalan wajah? Jawaban tabu yang terinspirasi dari W.O.P.R. adalah tidak memainkan permainannya.
Kalau bisa, hindari area yang ada kameranya. Itu memengaruhi pendapatan.
Untuk bisnis atau relasi kerja, lakukan panggilan Zoom atau Jitsi bila memungkinkan.
Jadilah swasembada. Jangan belanjakan uang saat tidak perlu, dan kirimkan bahan makanan sehat. Itu mengurangi pertemuan tatap muka.
Bekerjalah dari rumah jika perusahaan mengizinkannya. Hiduplah sedekat mungkin dengan off-grid.
Untuk urusan yang tak bisa dihindari, pekerjakan orang lain. Beri anak tetangga uang tunai untuk pergi ke pusat kota.
Saya tahu ucapan seperti ini tidak akan populer bagi siapa pun, tapi begitulah saya.
Secara keseluruhan ini tulisan yang tidak buruk, tetapi saran praktisnya tidak jauh berbeda dari saat terakhir kali saya mengikuti bidang ini lebih dari 10 tahun lalu.
Secara umum, jangan menatap ke atas, tutupi wajah sebanyak mungkin, campurkan pola agar algoritme sulit mencocokkan Anda sebagai orang yang sama dari waktu ke waktu, ketahui posisi kamera dan cara menghindarinya, dan jika harus memasuki area pengawasan yang sudah diketahui, keluar secepat dan setenang mungkin. Jika Anda sangat paranoid, lebih baik ganti pakaian juga di antara area pengawasan.
Namun, sebaiknya buang saja harapan bahwa Anda bisa mengelabui pengawasan pemerintah. Jika ada aktor negara yang kompeten menargetkan seseorang secara spesifik, orang itu kemungkinan besar sudah masuk jaring mereka. Mereka sudah punya cukup informasi untuk mencocokkan wajah bahkan dari rekaman analog hitam-putih buram dari kamera toko bahan makanan lama.
Tanpa operasi plastik besar atau prostetik, Anda tidak akan menang, dan bahkan jika melakukannya pun, kalau mereka benar-benar menginginkannya, mereka akan mengambil sidik jari parsial dari benda yang Anda sentuh untuk memverifikasinya.
Aturan pertama keamanan adalah: jika seseorang benar-benar sangat menginginkan apa yang Anda miliki, tidak ada cara untuk menghentikannya. Anda harus merencanakan dengan mengingat hal itu. Itulah sebabnya saya tidak pergi ke aksi protes dan menghindari acara yang menerapkan teknologi pengenalan wajah. Berkat pekerjaan saya di masa lalu, saya sudah berkali-kali masuk ke dataset itu bersama data referensi berkualitas tinggi, dan terus diperbarui lewat foto paspor atau akses Global Entry.
Pilihan paling aman adalah sejak awal tidak menempatkan diri saya di lokasi seperti itu, dan mungkin itu juga yang terbaik bagi kebanyakan orang.
Dalam pembahasan yang lebih cerdas, inti dari biometrik adalah bahwa “sekali bocor, bocor selamanya.” Biometrik bukan kata sandi, melainkan lebih mirip kunci publik atau nama pengguna.
Untungnya, hal itu tidak berlaku begitu saja pada pemerintah. Sekalipun pemerintah saat ini sudah rusak, melalui proses demokratis pemerintah bisa diubah kembali ke keadaan yang belum rusak.
Karena itu, bisa dibilang mengubah pemerintah lebih mudah daripada mengubah wajah. Di situlah usaha seharusnya diarahkan.
Begitu diterapkan ke populasi sangat besar seperti seluruh Amerika Serikat sambil mengabaikan konteks waktu dan wilayah, collision akan muncul. Terlebih lagi jika mempertimbangkan sampel parsial, entah karena kesalahan sensor atau alasan lain.
Ada orang tak bersalah yang masuk penjara karena pengadilan mengabaikan kenyataan bahwa pencocokan biometrik selalu hanya probabilitas kecocokan, bukan kecocokan yang dijamin.
Jika memakai kacamata hitam dan menambahkan sesuatu di wajah seperti masker atau riasan berlebihan membuat wajah sulit dideteksi, tetapi itu dianggap “curang” karena menyembunyikan wajah alih-alih mengubahnya, ya pakai saja kacamata hitam dan masker. Siapa peduli itu curang atau tidak.