Tytuł: Twoja twarz to nie hasło
Narodowa Komisja ds. Prywatności na Filipinach wprowadziła ramy oparte na ryzyku, które regulują gromadzenie i wykorzystywanie danych biometrycznych, poddając systemy rozpoznawania twarzy natychmiastowemu nadzorowi regulacyjnemu. Deweloperzy tworzący oprogramowanie, które skanuje, przechowuje lub porównuje twarze, muszą teraz przeprojektować potoki danych (pipelines), uszczelnić ścieżki audytowe i napisać na nowo polityki retencji danych.
Dlaczego ta zmiana jest istotna
Do tej pory oceny skutków dla prywatności na Filipinach były jedynie formalnością polegającą na odhaczaniu punktów na liście – wypełnić formularz, uzyskać zatwierdzenie i iść dalej. Nowe ramy z definicji klasyfikują dane biometryczne jako dane wysokiego ryzyka, szczególnie gdy służą do identyfikacji osób w tłumie. Wyciekłe hasło można zresetować; skompromitowany szablon twarzy jest niemożliwy do zmiany, co tworzy trwałe zagrożenie dla bezpieczeństwa. Wytyczne komisji zmuszają organizacje do udowodnienia, że zminimalizowały to ryzyko, zanim zaczną gromadzić obrazy.
Rozpoznawanie twarzy a porównywanie twarzy
Przepisy wyraźnie rozgraniczają dwa powszechne zastosowania AI w zakresie twarzy:
- Rozpoznawanie twarzy – skanowanie tłumu i dopasowywanie każdej twarzy do ogromnej bazy danych. Jest to rozwiązanie wysokiego ryzyka.
- Porównywanie twarzy – sprawdzanie dwóch konkretnych obrazów względem siebie, np. odblokowywanie urządzenia za pomocą selfie. Wiąże się to z niższym ryzykiem i jest łatwiejsze do uzasadnienia podczas audytu.
Co muszą zmienić deweloperzy
| Wymóg | Co to oznacza dla kodu źródłowego |
|---|---|
| Mechanizmy czyszczenia danych | Każdy moduł przechwytujący lub przetwarzający twarz musi zawierać wbudowaną funkcję usuwania surowych obrazów, wektorów cech i wszelkich danych pochodnych, gdy tylko przestaną być potrzebne. |
| Szczegółowe logi audytowe | Systemy muszą rejestrować, kto, kiedy i w jakim celu uzyskał dostęp do danego rekordu biometrycznego, aż do decyzji algorytmicznej, która doprowadziła do dopasowania. |
| Zakaz nieograniczonego przechowywania | Szablony biometryczne nie mogą zalegać w bazie danych na zawsze. Polityki retencji muszą definiować precyzyjne okna usuwania danych i wyzwalać automatyczne czyszczenie. |
| Wyjaśnialna matematyka | Zespoły muszą dokumentować progi podobieństwa, matematyczną reprezentację twarzy („logikę wektoryzacji”) oraz współczynnik błędnych akceptacji (False Acceptance Rate – szansę na to, że oszust zostanie błędnie zaakceptowany). |
| Ocena prywatności przed gromadzeniem danych | Przed przechwyceniem jakiegokolwiek obrazu należy przeprowadzić i zatwierdzić formalną ocenę ryzyka, integrując inżynierię prywatności z potokiem CI/CD. |
| Procesy wyrażania zgody | Wymagane są jasne mechanizmy wyrażania zgody (opt-in), a zapisy zgody użytkownika muszą być przechowywane wraz z danymi biometrycznymi. |
Zmiany te wykraczają poza jednorazową listę kontrolną audytu. Wymagają one uwzględnienia kwestii prywatności na każdym etapie rozwoju – od trenowania modelu, przez wdrożenie, aż po ostateczne wycofanie systemu z eksploatacji.