احراز سن بدون ارسال عکس چهره؛ فناوری جدید Shufti با هوش مصنوعی معرفی شد

شرکت بریتانیایی Shufti روز جمعه ۱۳ نوامبر ۲۰۲۶ راهکار تازه‌ای برای تأیید سن کاربران اینترنت معرفی کرد که می‌خواهد یکی از مشکلات مهم خدمات آنلاین را حل کند: چگونه می‌توان مطمئن شد فردی به سن قانونی دسترسی به یک سرویس رسیده است، بدون آنکه مجبور باشد تصویر چهره، کارت شناسایی یا اطلاعات شخصی بیشتری از حد نیاز در اختیار وب‌سایت قرار دهد؟

محصول جدید این شرکت که با عنوان Privacy-Preserving Age Verification Solution معرفی شده، از هوش مصنوعی، پردازش محلی روی دستگاه و توکن‌های رمزگذاری‌شده برای بررسی شرایط سنی استفاده می‌کند. تفاوت اصلی آن با بسیاری از روش‌های متداول این است که تصویر اصلی صورت کاربر برای انجام احراز سن به سرور ارسال نمی‌شود. در عوض، بخشی از تحلیل چهره روی گوشی یا دستگاه کاربر انجام می‌گیرد و نتیجه میانی پردازش به شکلی کنترل‌شده در اختیار سامانه مرکزی قرار می‌گیرد.

این فناوری بر حق اختراعی با شماره 12,749,342 B1 تکیه دارد که در ۲۹ سپتامبر ۲۰۲۶ در آمریکا صادر شده است. بنابراین نباید معرفی عمومی محصول در ۱۳ نوامبر را با تاریخ صدور حق اختراع اشتباه گرفت. نسخه‌ای از اطلاعیه در وب‌سایت Shufti تاریخ ۱۲ نوامبر دارد، اما اطلاعیه عمومی توزیع‌شده از طریق GlobeNewswire و پوشش رسانه تخصصی Biometric Update در ۱۳ نوامبر منتشر شده‌اند.

اهمیت این خبر فقط به طراحی یک ابزار تشخیص چهره تازه مربوط نیست. کشورها و شرکت‌های اینترنتی در حال روبه‌روشدن با پرسشی دشوار هستند: چگونه باید دسترسی افراد کم‌سن به خدمات محدودشده را کنترل کرد، بدون آنکه همه کاربران را به ارائه اطلاعات هویتی گسترده مجبور کرد؟

Shufti امیدوار است با تقسیم پردازش میان دستگاه و سرور، راهکاری ارائه کند که هم برای کسب‌وکارها کاربرد داشته باشد و هم میزان اطلاعات حساس منتقل‌شده در شبکه را کاهش دهد. بااین‌حال، کیفیت واقعی برآورد سن، مقاومت در برابر تقلب و میزان حفاظت از داده‌ها باید در ارزیابی‌های مستقل و شرایط عملی سنجیده شوند.

چرا تأیید سن در اینترنت به مسئله‌ای مهم تبدیل شده است؟

برای سال‌ها، بسیاری از وب‌سایت‌هایی که خدمات محدودشده براساس سن ارائه می‌کردند، به یک سؤال ساده اکتفا می‌کردند: آیا بالای ۱۸ سال هستید؟

کاربر می‌توانست با انتخاب گزینه تأیید وارد سایت شود، بدون آنکه مدرکی برای اثبات سن خود ارائه کند. این روش سریع و کم‌هزینه بود، اما از نظر اطمینان به سن واقعی فرد محدودیت آشکاری داشت.

اکنون شرایط در بسیاری از کشورها تغییر کرده است. دولت‌ها و نهادهای تنظیم‌گر از ارائه‌دهندگان خدمات می‌خواهند روش‌هایی به کار بگیرند که توانایی بیشتری برای تشخیص شرایط سنی کاربران داشته باشند.

این مسئله فقط درباره وب‌سایت‌های دارای محتوای مخصوص بزرگسالان مطرح نیست. شبکه‌های اجتماعی، خدمات بازی، فروشگاه‌های اینترنتی عرضه‌کننده کالاهای محدودشده و برخی سرویس‌های ارتباطی نیز ممکن است براساس قوانین یا سیاست‌های خود به تأیید سن نیاز داشته باشند.

اما هرچه روش بررسی سن سخت‌گیرانه‌تر شود، نگرانی تازه‌ای درباره حریم خصوصی شکل می‌گیرد.

اگر میلیون‌ها کاربر برای ورود به خدمات آنلاین مجبور شوند تصویر کارت شناسایی، عکس چهره و اطلاعات دقیق هویتی خود را بارگذاری کنند، مجموعه بزرگی از داده‌های حساس در اختیار شرکت‌های مختلف قرار خواهد گرفت.

این اطلاعات در صورت افشا یا سوءاستفاده می‌توانند پیامدهایی جدی داشته باشند.

به همین دلیل، صنعت احراز سن در تلاش است میان دو هدف تعادل برقرار کند: افزایش اطمینان درباره شرایط سنی کاربران و کاهش اطلاعات شخصی که برای رسیدن به این هدف جمع‌آوری می‌شود.

Shufti چه محصولی معرفی کرده است؟

Shufti یک شرکت فعال در زمینه تأیید هویت دیجیتال، ارزیابی خطر تقلب و خدمات مرتبط با رعایت مقررات است.

محصول تازه این شرکت، بخشی از مجموعه خدمات احراز سن آن محسوب می‌شود و برای کسب‌وکارهایی طراحی شده که باید مشخص کنند آیا کاربر از یک آستانه سنی، مانند ۱۸ یا ۲۱ سال، عبور کرده است یا خیر.

در روش جدید، هوش مصنوعی ابتدا ویژگی‌های چهره را روی دستگاه کاربر بررسی می‌کند. این پردازش می‌تواند شامل برآورد سن و ارزیابی زنده‌بودن چهره باشد.

سپس دستگاه به‌جای ارسال تصویر اصلی، داده‌ای رمزگذاری‌شده تولید می‌کند که شرکت آن را One-Time Age Token یا OTAT می‌نامد.

این توکن برای ادامه فرایند به سامانه تأیید منتقل می‌شود.

سرور با بررسی اعتبار توکن و اجرای بخش باقی‌مانده مدل، مشخص می‌کند آیا فرد شرایط سنی تعیین‌شده توسط ارائه‌دهنده خدمت را دارد یا خیر.

در پایان، کسب‌وکار می‌تواند پاسخ ساده‌ای درباره احراز شرایط سنی دریافت کند.

نکته مهم این است که پردازش کاملاً آفلاین نیست. داده میانی همچنان به سرور ارسال می‌شود، اما بنا بر طراحی اعلام‌شده، تصویر کامل چهره در دستگاه باقی می‌ماند.

این تفاوت، پایه اصلی ادعای حفاظت از حریم خصوصی محصول است.

هوش مصنوعی چگونه از روی چهره سن را برآورد می‌کند؟

مدل‌های تخمین سن از چهره معمولاً با استفاده از مجموعه‌ای از تصاویر و داده‌های آموزشی توسعه پیدا می‌کنند.

در این فرایند، سامانه تلاش می‌کند الگوهایی را در ویژگی‌های ظاهری صورت شناسایی کند که از نظر آماری با سن افراد ارتباط دارند.

اما سن زیستی و سن تقویمی لزوماً از روی چهره به شکل دقیق قابل تشخیص نیستند.

دو فرد هم‌سن ممکن است ظاهر متفاوتی داشته باشند. نور محیط، زاویه دوربین، کیفیت تصویر، شرایط پوست و عوامل دیگر نیز می‌توانند بر خروجی مدل تأثیر بگذارند.

به همین دلیل، برآورد سن از چهره معمولاً با عدم قطعیت همراه است.

برای مثال، ممکن است فردی ۱۹ساله از نظر ظاهری جوان‌تر به نظر برسد یا فردی ۱۷ساله بزرگ‌تر تشخیص داده شود.

چنین خطاهایی هنگام تعیین مرز قانونی اهمیت زیادی دارند.

اگر وب‌سایتی فقط به کاربران بالای ۱۸ سال اجازه ورود بدهد، اشتباه در محدوده سنی نزدیک به این آستانه می‌تواند موجب ردشدن یک کاربر مجاز یا پذیرش فردی شود که هنوز به سن تعیین‌شده نرسیده است.

Shufti اعلام کرده در مواردی که نتیجه برآورد سن اطمینان کافی نداشته باشد، سامانه می‌تواند بررسی دقیق‌تری درخواست کند.

اما اطلاعات عمومی منتشرشده در روز معرفی، نتایج جامعی از دقت این مدل برای تمام گروه‌های سنی و شرایط تصویربرداری ارائه نمی‌کند.

فناوری Split Inference چگونه کار می‌کند؟

یکی از اجزای اصلی محصول جدید Shufti، روشی به نام Split Inference یا تقسیم اجرای مدل هوش مصنوعی است.

در مدل‌های متداول پردازش ابری، دستگاه کاربر داده را برای سرور می‌فرستد و بخش اصلی تحلیل در مرکز داده انجام می‌شود.

اما در روش تقسیم اجرا، مدل میان دو محیط پردازشی تقسیم می‌شود.

بخش نخست روی دستگاه کاربر قرار دارد و مراحل اولیه تحلیل را انجام می‌دهد. خروجی این بخش، به‌جای آنکه نتیجه نهایی باشد، مجموعه‌ای از ویژگی‌ها یا نمایش‌های عددی میانی است.

این اطلاعات سپس به بخش دوم مدل در سرور منتقل می‌شوند.

سرور پردازش باقی‌مانده را انجام می‌دهد و پاسخ نهایی را تولید می‌کند.

در سامانه Shufti، هدف این است که تصویر اصلی چهره از دستگاه خارج نشود.

چنین معماری‌ای ممکن است میزان انتقال داده حساس را کاهش دهد و در بعضی شرایط خطر ذخیره‌شدن تصاویر اصلی روی سرورهای متعدد را محدود کند.

اما نکته مهمی وجود دارد: داده‌های میانی هوش مصنوعی لزوماً در همه شرایط کاملاً بی‌خطر یا غیرقابل بازشناسایی نیستند.

امنیت واقعی به نحوه طراحی مدل، رمزگذاری، کنترل دسترسی و مقاومت در برابر حملات احتمالی وابسته است.

بنابراین تقسیم پردازش را باید راهکاری برای کاهش برخی خطرها دانست، نه تضمینی مطلق برای ناشناس‌ماندن افراد.

توکن یک‌بارمصرف سن چیست؟

در طراحی تازه Shufti از مفهومی به نام One-Time Age Token استفاده شده است.

این توکن بسته‌ای رمزگذاری‌شده از اطلاعات موردنیاز برای ادامه بررسی سن است که به‌جای تصویر اصلی چهره منتقل می‌شود.

شرکت می‌گوید توکن می‌تواند محدودیت زمانی داشته باشد و پس از استفاده به‌عنوان مصرف‌شده علامت‌گذاری شود.

همچنین ممکن است به کسب‌وکار مشخصی محدود شود تا استفاده از آن در یک سرویس دیگر دشوارتر شود.

این ویژگی‌ها با هدف کاهش احتمال سوءاستفاده از نتیجه احراز سن طراحی شده‌اند.

فرض کنید کاربری برای ورود به یک سایت نیازمند اثبات سن بالای ۱۸ سال باشد. دستگاه او پس از انجام بررسی اولیه، توکن را تولید می‌کند و سامانه مرکزی نتیجه نهایی را تعیین می‌کند.

در این وضعیت، سایت می‌تواند پاسخ تأیید یا رد دریافت کند، بدون اینکه ضرورتاً تصویر چهره یا تاریخ تولد دقیق فرد را دریافت کرده باشد.

بااین‌حال، یک‌بارمصرف‌بودن توکن به‌تنهایی ثابت نمی‌کند امکان تقلب یا جعل نتیجه کاملاً حذف شده است.

برای چنین ادعایی باید مقاومت سامانه در برابر حملاتی مانند بازپخش اطلاعات، دست‌کاری نرم‌افزار دستگاه و سوءاستفاده از کلیدهای رمزگذاری بررسی شود.

چرا ارسال‌نکردن عکس چهره اهمیت دارد؟

تصویر چهره یکی از انواع داده‌های حساس است که ممکن است برای شناسایی افراد استفاده شود.

برخلاف گذرواژه، ویژگی‌های اصلی صورت را نمی‌توان به‌آسانی تغییر داد.

اگر یک گذرواژه فاش شود، کاربر معمولاً می‌تواند آن را عوض کند. اما در صورت افشای اطلاعات زیست‌سنجی، اصلاح پیامدها ممکن است دشوارتر باشد.

همچنین جمع‌آوری گسترده تصاویر چهره می‌تواند نگرانی‌هایی درباره استفاده ثانویه از داده‌ها ایجاد کند.

برای مثال، ممکن است کاربر تصویر خود را فقط برای تأیید سن ارائه کرده باشد، اما بخواهد مطمئن شود اطلاعاتش بعداً برای هدف دیگری استفاده نمی‌شوند.

یکی از راهکارهای کاهش این خطر، اصل کمینه‌سازی داده است.

براساس این اصل، یک سامانه بهتر است فقط اطلاعاتی را جمع‌آوری کند که واقعاً برای ارائه خدمت ضروری هستند.

اگر هدف صرفاً تشخیص بالای ۱۸ سال بودن فرد است، در بسیاری از شرایط نیازی نیست وب‌سایت نام کامل، نشانی، شماره سند و تاریخ تولد دقیق او را بداند.

محصول تازه Shufti بر همین ایده استوار شده است.

بااین‌حال، برای بررسی واقعی حریم خصوصی باید مشخص شود چه داده‌های دیگری مانند شناسه دستگاه، آدرس شبکه یا اطلاعات ثبت رخداد ذخیره می‌شوند و چه سیاستی برای حذف آن‌ها وجود دارد.

بررسی زنده‌بودن چهره چه نقشی دارد؟

یکی از چالش‌های سامانه‌های تشخیص چهره، تلاش برای فریب‌دادن آن‌ها با استفاده از تصویر یا محتوای ساختگی است.

برای مثال، فرد ممکن است عکس شخص دیگری را جلوی دوربین قرار دهد یا از ویدئوی ازپیش‌ضبط‌شده استفاده کند.

سامانه‌های بررسی زنده‌بودن یا Liveness Detection برای شناسایی بعضی از این تلاش‌ها طراحی می‌شوند.

Shufti اعلام کرده محصول آن از تحلیل زنده‌بودن روی دستگاه استفاده می‌کند.

هدف این است که سیستم تشخیص دهد تصویر دریافتی احتمالاً از حضور واقعی یک فرد در برابر دوربین به دست آمده است.

شرکت همچنین به آزمون‌های مرتبط با استاندارد ISO/IEC 30107-3 و ارزیابی iBeta برای فناوری تشخیص حملات ارائه تصویر اشاره کرده است.

اما باید میان گواهی یا نتیجه آزمون یک قابلیت مشخص و اثبات ایمنی کل محصول در تمام شرایط تفاوت گذاشت.

یک سامانه ممکن است در برابر دسته‌ای از حملات عملکرد مناسبی داشته باشد، اما در برابر روش‌های تازه نیازمند ارزیابی بیشتر باشد.

همچنین ظهور ابزارهای تولید تصویر و ویدئوی مصنوعی، ضرورت آزمون مستمر چنین فناوری‌هایی را افزایش داده است.

بنابراین بررسی زنده‌بودن یک لایه امنیتی مهم است، نه مانعی که هر نوع فریب را غیرممکن کند.

آیا نتیجه تأیید سن با هویت واقعی کاربر ارتباط دارد؟

در بعضی خدمات، ارائه‌دهنده فقط می‌خواهد مطمئن شود فرد از یک آستانه سنی عبور کرده است.

در چنین شرایطی، ممکن است دانستن نام و هویت دقیق کاربر ضرورتی نداشته باشد.

اما در خدمات دیگر، الزامات قانونی یا تجاری متفاوتی وجود دارد.

برای مثال، یک مؤسسه مالی ممکن است علاوه بر شرایط سنی، به تأیید هویت واقعی مشتری نیاز داشته باشد.

بنابراین احراز سن و احراز هویت دو فعالیت مرتبط اما متفاوت هستند.

در محصول جدید Shufti، روش مبتنی بر توکن می‌تواند برای مواردی استفاده شود که پاسخ عبور یا عدم عبور از آستانه سنی کافی است.

اما مجموعه کامل خدمات شرکت روش‌های دیگری مانند بررسی سند هویتی و اعتبارسنجی از طریق پایگاه‌های داده را نیز در اختیار کسب‌وکارها قرار می‌دهد.

در نتیجه نباید تصور کرد تمام مشتریان Shufti در تمام شرایط بدون ارائه هیچ سندی تأیید خواهند شد.

سطح بررسی به نوع خدمت، قوانین قابل اجرا و میزان اطمینان موردنیاز بستگی خواهد داشت.

این انعطاف یکی از ویژگی‌هایی است که شرکت در معرفی محصول بر آن تأکید کرده است.

چرا این فناوری برای شبکه‌های اجتماعی مهم است؟

شبکه‌های اجتماعی در بسیاری از کشورها با فشار بیشتری برای اجرای سیاست‌های مرتبط با سن کاربران روبه‌رو هستند.

یکی از مشکلات اصلی، تشخیص سن افرادی است که هنگام ثبت‌نام اطلاعات نادرست وارد می‌کنند.

استفاده از روش‌های مبتنی بر چهره می‌تواند یکی از گزینه‌های بررسی سن باشد، اما نگرانی درباره جمع‌آوری داده‌های زیست‌سنجی را نیز ایجاد می‌کند.

اگر یک شبکه اجتماعی بخواهد برای میلیون‌ها کاربر بررسی سن انجام دهد، حجم اطلاعات جمع‌آوری‌شده ممکن است بسیار زیاد شود.

راهکاری که تصویر اصلی چهره را روی دستگاه نگه دارد می‌تواند از نظر کاهش انتقال داده جالب توجه باشد.

بااین‌حال، استفاده عملی آن در شبکه‌های اجتماعی به مسائل دیگری نیز وابسته است.

برای مثال، دسترسی کاربران به دوربین مناسب، شرایط نوری، محدودیت‌های سنی نزدیک به آستانه و روش جایگزین برای افرادی که نمی‌خواهند چهره خود را تحلیل کنند اهمیت دارند.

همچنین قوانین هر کشور ممکن است الزام‌های متفاوتی درباره رضایت، پردازش داده‌های زیست‌سنجی و دسترسی کودکان به خدمات داشته باشند.

به همین دلیل، نمی‌توان صرف معرفی محصول نتیجه گرفت که استفاده از آن به‌طور خودکار تمام الزامات قانونی شبکه‌های اجتماعی را برآورده می‌کند.

نقش قوانین بریتانیا در گسترش بررسی سن

بریتانیا یکی از کشورهایی است که در سال‌های اخیر مقررات مربوط به ایمنی کاربران، به‌ویژه کودکان، در فضای آنلاین را گسترش داده است.

نهاد تنظیم‌گر ارتباطات این کشور، Ofcom، درباره روش‌های مؤثر تأیید سن و محدودیت‌های روش‌هایی مانند خوداظهاری راهنما و ارزیابی منتشر کرده است.

در این چارچوب، صرف پرسیدن اینکه کاربر بالای ۱۸ سال است یا خیر، لزوماً روشی با اطمینان کافی محسوب نمی‌شود.

در مقابل، روش‌های فنی مختلفی برای بررسی سن مطرح هستند که هرکدام مزایا و محدودیت‌هایی دارند.

استفاده از تحلیل چهره یکی از این روش‌هاست، اما دقت آن باید با توجه به آستانه سنی و شرایط کاربران سنجیده شود.

Shufti در معرفی محصول خود به افزایش تقاضای بازار برای روش‌های قابل اتکاتر اشاره کرده است.

بااین‌حال، ادعای شرکت درباره سازگاری محصول با نیازهای تنظیم‌گری نباید جای بررسی مستقیم مقررات را بگیرد.

کسب‌وکارها باید مطمئن شوند روشی که انتخاب کرده‌اند برای نوع خدمت و گروه کاربرانشان مناسب است.

در نهایت، مسئولیت رعایت الزامات قانونی معمولاً تنها با خرید یک نرم‌افزار از بین نمی‌رود.

اتحادیه اروپا چه راهکاری برای حفظ حریم خصوصی دارد؟

کمیسیون اروپا نیز در حال توسعه روش‌هایی برای اثبات سن بدون افشای اطلاعات هویتی غیرضروری است.

یکی از طرح‌های این اتحادیه، ایجاد راهکار مشترک تأیید سن است که بتواند در کشورهای عضو مورد استفاده قرار گیرد.

هدف آن است که کاربر برای اثبات عبور از یک آستانه سنی، مجبور نباشد اطلاعات شخصی بیشتری از حد نیاز در اختیار وب‌سایت قرار دهد.

در این رویکرد، ممکن است خدمت آنلاین فقط تأییدی درباره شرایط سنی دریافت کند.

این ایده از نظر هدف حریم خصوصی با محصول Shufti اشتراک دارد، اما سازوکار فنی آن‌ها لزوماً یکسان نیست.

راهکار اروپایی به معماری گواهی‌ها و اثبات سن مرتبط است، در حالی که محصول Shufti در مسیر معرفی‌شده بر برآورد چهره، تقسیم اجرای مدل و توکن رمزگذاری‌شده تکیه می‌کند.

این تفاوت مهم است.

نمی‌توان بدون بررسی فنی نتیجه گرفت این دو سامانه از یک الگوریتم استفاده می‌کنند یا میزان اطمینان آن‌ها یکسان است.

همچنین راهکارهای اروپایی ممکن است برای برخی کاربردها به اسناد هویتی یا صادرکنندگان معتبر گواهی وابسته باشند.

بنابراین بازار تأیید سن احتمالاً شامل چندین روش فنی متفاوت خواهد بود، نه یک فناوری واحد برای تمام خدمات.

آیا حق اختراع به معنای اثبات برتری محصول است؟

حق اختراع آمریکایی شماره 12,749,342 B1 مربوط به روشی برای تأیید سن است که از تحلیل روی دستگاه و تقسیم پردازش هوش مصنوعی استفاده می‌کند.

اسناد این حق اختراع توضیح می‌دهند چگونه ویژگی‌های میانی مدل می‌توانند در یک توکن زمان‌دار و رمزگذاری‌شده قرار بگیرند و بخش دیگری از پردازش روی سرور انجام شود.

اما ثبت اختراع با آزمون مستقل کیفیت تجاری محصول تفاوت دارد.

حق اختراع نشان می‌دهد یک روش فنی در چارچوب نظام حقوقی مربوط ثبت شده است. این موضوع به‌تنهایی ثابت نمی‌کند سامانه از تمام رقبا دقیق‌تر، امن‌تر یا سریع‌تر است.

همچنین امکان دارد فناوری ثبت‌شده به شکل‌های مختلفی در محصولات واقعی پیاده‌سازی شود.

برای ارزیابی یک سامانه تجاری، باید داده‌های عملکردی و نتایج آزمون‌های مناسب در دسترس باشند.

در خبر ۱۳ نوامبر، جزئیات معماری و امکانات اعلام شده‌اند، اما اطلاعات عمومی کاملی درباره نرخ خطای سن‌سنجی برای تمام گروه‌های کاربران ارائه نشده است.

بنابراین مناسب‌تر است حق اختراع به‌عنوان پشتوانه فنی و حقوقی روش معرفی شود، نه گواهی قطعی برتری عملکرد.

آیا داده‌های میانی مدل واقعاً ناشناس هستند؟

یکی از پرسش‌های مهم درباره روش Split Inference این است که آیا اطلاعات میانی ارسال‌شده به سرور می‌توانند به تصویر یا هویت اصلی کاربر ارتباط پیدا کنند یا خیر.

در طراحی اعلام‌شده Shufti، توکن‌ها رمزگذاری می‌شوند و قرار نیست تصویر خام چهره را منتقل کنند.

این ویژگی می‌تواند خطر افشای مستقیم تصاویر را کاهش دهد.

اما در پژوهش‌های مرتبط با امنیت مدل‌های یادگیری ماشین، مشخص شده است که بعضی نمایش‌های میانی در شرایط خاص ممکن است اطلاعاتی درباره داده اولیه حفظ کنند.

میزان این خطر به معماری مدل، شکل داده، روش رمزگذاری و سطح دسترسی مهاجم وابسته است.

بنابراین یک ارزیابی امنیتی کامل باید فقط به این پرسش که تصویر خام ارسال می‌شود یا خیر محدود نباشد.

باید بررسی شود داده میانی چه اطلاعاتی را آشکار می‌کند، چه کسانی می‌توانند آن را بخوانند و آیا امکان بازسازی یا ارتباط‌دادن آن به یک فرد وجود دارد.

همچنین مدیریت کلیدهای رمزگذاری و زمان نگهداری اطلاعات اهمیت دارد.

در نتیجه، ادعای کاهش انتقال داده حساس قابل توجه است، اما اثبات ناشناس‌بودن کامل به شواهد فنی بیشتری نیاز دارد.

مزایا و محدودیت‌ها برای کسب‌وکارها

کسب‌وکارهایی که خدمات محدودشده براساس سن ارائه می‌کنند با چند مسئله هم‌زمان روبه‌رو هستند.

از یک طرف باید احتمال دسترسی افراد فاقد شرایط سنی را کاهش دهند.

از طرف دیگر، فرایند بررسی نباید آن‌قدر دشوار باشد که بسیاری از کاربران مجاز از ادامه استفاده منصرف شوند.

همچنین جمع‌آوری و نگهداری اطلاعات حساس ممکن است هزینه امنیتی و حقوقی ایجاد کند.

Shufti می‌خواهد با ارائه یک روش کم‌داده‌تر، بخشی از این مشکلات را کاهش دهد.

برای مثال، یک سرویس ممکن است ابتدا از برآورد سن روی دستگاه استفاده کند و در موارد نامطمئن، بررسی سند هویتی را درخواست کند.

این رویکرد می‌تواند میان سرعت و سطح اطمینان تعادل ایجاد کند.

بااین‌حال، هزینه استفاده از محصول، شرایط ادغام با سیستم موجود و میزان خطای واقعی آن نیز در تصمیم خرید اهمیت دارند.

اطلاعیه روز معرفی، قیمت عمومی و نتایج آزمون مستقل کاملی را برای همه کاربردها ارائه نمی‌کند.

بنابراین هنوز نمی‌توان با اطمینان گفت این روش در تمام کسب‌وکارها ارزان‌تر یا سریع‌تر از راهکارهای موجود است.

مشکل کاربران نزدیک به مرز ۱۸ سال

یکی از دشوارترین مسائل در فناوری برآورد سن، بررسی افرادی است که سن واقعی آن‌ها نزدیک به آستانه قانونی قرار دارد.

برای مثال، تفاوت میان فردی ۱۷ساله و فردی ۱۸ساله ممکن است در ظاهر چهره بسیار کم باشد.

یک مدل هوش مصنوعی نیز ممکن است براساس ویژگی‌های ظاهری، سن تقریبی را با مقداری خطا برآورد کند.

در چنین وضعیتی، تعیین نتیجه قطعی بدون توجه به میزان اطمینان مدل می‌تواند مشکل‌ساز شود.

اگر سامانه در موارد مشکوک بررسی بیشتری انجام دهد، ممکن است احتمال تصمیم اشتباه کاهش پیدا کند.

Shufti اعلام کرده امکان درخواست مدارک قوی‌تر در شرایط عدم اطمینان وجود دارد.

اما این روش نیز باید از نظر تجربه کاربری و عدالت در برخورد با افراد مختلف ارزیابی شود.

برای مثال، لازم است مشخص شود میزان درخواست بررسی اضافه برای گروه‌های سنی یا ظاهری متفاوت تا چه اندازه یکسان است.

اگر بعضی کاربران بیشتر از دیگران مجبور به ارائه سند شوند، ممکن است پرسش‌هایی درباره عدالت عملکرد مدل مطرح شود.

چنین مسائل فنی و اجتماعی باید در آزمون‌های عملی بررسی شوند.

آیا فناوری جدید جای کارت شناسایی را می‌گیرد؟

یکی از جذابیت‌های محصول Shufti این است که در بعضی کاربردها می‌تواند بدون درخواست تصویر مدرک هویتی، شرایط سنی را بررسی کند.

اما این موضوع به معنی حذف کامل کارت شناسایی از تمام فرایندها نیست.

در مواردی، قانون ممکن است سطح مشخصی از احراز هویت یا مدرک معتبر بخواهد.

همچنین اگر برآورد سن از روی چهره نتیجه نامطمئنی داشته باشد، روش تکمیلی لازم خواهد بود.

Shufti در مجموعه خدمات خود امکان بررسی مدارک و استفاده از منابع اطلاعاتی معتبر را نیز ارائه می‌کند.

بنابراین راهکار جدید را باید بخشی از یک سیستم چندمرحله‌ای دانست.

در این سیستم، ممکن است ابتدا روش کم‌داده‌تر استفاده شود و تنها در صورت نیاز، مدارک بیشتری درخواست شوند.

چنین طراحی‌ای در صورت اجرای مناسب می‌تواند جمع‌آوری غیرضروری اطلاعات را کاهش دهد.

بااین‌حال، انتخاب روش نهایی باید متناسب با مقررات و سطح خطر هر خدمت باشد.

آیا استفاده از این سامانه برای کودکان بی‌خطر است؟

هر فناوری که با تصویر چهره و سن کاربران کار می‌کند، به‌ویژه زمانی که احتمال استفاده افراد کم‌سن وجود دارد، باید با دقت بیشتری ارزیابی شود.

حفظ حریم خصوصی کودکان یکی از مسائل اصلی در طراحی چنین سامانه‌هایی است.

در محصول Shufti، باقی‌ماندن تصویر اصلی روی دستگاه می‌تواند بخشی از نگرانی مربوط به انتقال تصاویر را کاهش دهد.

اما کافی نیست که فقط تصویر خام به سرور ارسال نشود.

باید روشن باشد چه اطلاعات دیگری ثبت می‌شوند، چقدر نگهداری می‌شوند و چه کسی به آن‌ها دسترسی دارد.

همچنین فرایند بررسی باید برای کاربران با توانایی‌ها و شرایط متفاوت قابل استفاده باشد.

یک سامانه سخت‌گیرانه ممکن است برخی کاربران مجاز را به‌اشتباه رد کند یا دسترسی افراد فاقد شرایط را به‌طور کامل محدود نکند.

برای همین، در کاربردهای حساس لازم است عملکرد فناوری به‌صورت مستمر پایش شود.

محصول جدید Shufti هنوز به شواهد عمومی بیشتری نیاز دارد تا بتوان درباره عملکرد آن در تمام شرایط کاربران نتیجه قطعی گرفت.

آینده تأیید سن؛ اثبات یک شرط به‌جای افشای هویت

در گذشته، بسیاری از سامانه‌های احراز هویت برای اثبات یک ویژگی ساده، مجموعه گسترده‌ای از اطلاعات شخصی را درخواست می‌کردند.

اما اکنون توجه بیشتری به راهکارهایی جلب شده است که فقط اطلاعات ضروری را در اختیار دریافت‌کننده قرار می‌دهند.

برای مثال، ممکن است فروشگاهی فقط به تأیید بالای ۱۸ سال بودن خریدار نیاز داشته باشد و دانستن تاریخ تولد دقیق او ضروری نباشد.

همین اصل می‌تواند در کاربردهای دیگری مانند اثبات عضویت، شرایط دریافت خدمت یا داشتن یک مجوز مشخص نیز استفاده شود.

روش Shufti در همین روند کلی قرار می‌گیرد، هرچند بر فناوری خاصی شامل برآورد چهره و تقسیم اجرای مدل متکی است.

در مقابل، بعضی راهکارهای دیگر از گواهی‌های دیجیتال یا اثبات‌های رمزنگاری‌شده استفاده می‌کنند.

احتمالاً در آینده چندین معماری متفاوت در کنار یکدیگر به کار گرفته خواهند شد.

مهم آن است که سطح اطمینان، حریم خصوصی، هزینه و امکان دسترسی کاربران متناسب با نوع خدمت انتخاب شود.

هنوز نمی‌توان گفت کدام روش در تمام کشورها و کاربردها به استاندارد غالب تبدیل خواهد شد.

جمع‌بندی؛ تأیید سن بدون فرستادن تصویر اصلی به سرور

معرفی عمومی محصول جدید Shufti در ۱۳ نوامبر ۲۰۲۶ نمونه‌ای از تلاش صنعت فناوری برای حل تضاد میان احراز سن و حفاظت از حریم خصوصی کاربران است.

این راهکار با استفاده از هوش مصنوعی روی دستگاه، بخشی از ویژگی‌های چهره را تحلیل می‌کند و سپس اطلاعات میانی را به‌شکل توکن رمزگذاری‌شده و یک‌بارمصرف برای تکمیل بررسی به سرور می‌فرستد.

در نتیجه، وب‌سایت می‌تواند درباره عبور کاربر از آستانه سنی تعیین‌شده پاسخ دریافت کند، بدون آنکه الزاماً تصویر اصلی صورت یا تمام اطلاعات هویتی او را در اختیار داشته باشد.

فناوری پایه این روش با حق اختراع آمریکایی شماره 12,749,342 B1 ثبت شده است که در ۲۹ سپتامبر ۲۰۲۶ صادر شد. خبر تازه مربوط به معرفی عمومی محصول است، نه ثبت اختراع در روز ۱۳ نوامبر.

اما مزیت‌های اعلام‌شده نباید فراتر از شواهد موجود تفسیر شوند.

پردازش تقسیم‌شده به معنای آفلاین‌بودن کامل نیست؛ توکن میانی همچنان منتقل می‌شود و میزان امنیت واقعی آن به طراحی و اجرای فنی وابسته است.

همچنین برآورد سن از روی چهره ممکن است خطا داشته باشد و در برخی شرایط به بررسی تکمیلی نیاز پیدا کند.

با وجود این محدودیت‌ها، ایده اصلی محصول قابل توجه است: برای اثبات یک شرط ساده مانند رسیدن به سن قانونی، همیشه لازم نیست اطلاعات شخصی گسترده‌ای جمع‌آوری شود.

اگر فناوری‌های مبتنی بر کمینه‌سازی داده بتوانند در آزمون‌های مستقل عملکرد مناسبی نشان دهند، ممکن است در آینده نقش بیشتری در طراحی خدمات آنلاین ایفا کنند؛ خدماتی که هم باید از کاربران کم‌سن محافظت کنند و هم حق حریم خصوصی سایر کاربران را محترم بشمارند.

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا