Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Wichtig
Nicht englische Übersetzungen werden nur zur Bequemlichkeit bereitgestellt. Bitte konsultieren Sie die EN-US Version dieses Dokuments für die endgültige Version.
Was ist eine Transparenznotiz?
Ein KI-System umfasst nicht nur die Technologie, sondern auch die Personen, die es nutzen werden, die Menschen, die davon betroffen sind, und die Umgebung, in der sie bereitgestellt wird. Die Erstellung eines Systems, das für den vorgesehenen Zweck geeignet ist, erfordert ein Verständnis der Funktionsweise der Technologie, ihrer Fähigkeiten und Einschränkungen und derEn Erreichung der besten Leistung.
Microsofts Transparenzhinweise sollen Ihnen helfen, zu verstehen, wie unsere KI-Technologie funktioniert, welche Entscheidungen Systembesitzer treffen können, die die Systemleistung und das Verhalten beeinflussen, und wie wichtig es ist, über das gesamte System nachzudenken, einschließlich der Technologie, der Menschen und der Umgebung. Sie können Transparenzhinweise verwenden, wenn Sie Ihr eigenes System entwickeln oder bereitstellen, oder sie mit den Personen teilen, die ihr System verwenden oder davon betroffen sind.
Microsoft Transparenzhinweise sind Teil eines umfassenderen Aufwands für Microsoft, unsere KI-Prinzipien in die Praxis umzusetzen. Weitere Informationen finden Sie unter Microsoft KI-Prinzipien.
Dieser Transparenzhinweis ist Teil unserer Bemühungen um Microsoft, unsere Facial Recognition Principles umzusetzen, die die Entwicklung und Bereitstellung der Gesichtserkennungstechnologie festlegen. Wir empfehlen Ihnen, die Prinzipien zu verwenden, um Ihre Entwicklungsbemühungen bei der Verwendung dieser Technologie zu unterstützen.
Die Grundlagen der Azure Vision in Foundry Tools Face API
Abhängig von der spezifischen Funktion erkennt, identifiziert und/oder analysiert die Vision Face API („Face API“) menschliche Gesichter in Bildern und Videos unter Verwendung von vortrainierten Machine Learning-Modellen, die von Microsoft entwickelt wurden. Entwickler können Face-API-Funktionen in ihre Systeme integrieren, ohne eigene Modelle zu erstellen.
Bei verantwortungsvoller Verwendung ist die Face-API eine wichtige und nützliche Bausteintechnologie, die effizienz-, Sicherheits- und Kundenerfahrungen verbessern kann, wenn Systeme erstellt werden, die das Gesicht analysieren.
Bestimmte Gesichts-API-Features, z. B. Gesichtserkennung, generieren eindeutige numerische (oder andere) Darstellungen des Gesichts, die als Gesichtsvorlagen bezeichnet werden. Erfahren Sie mehr über den Prozess, einschließlich Datenaufbewahrungsfristen, auf der Dokumentationsseite " Daten und Datenschutz für Vision Face API" .
Warnung
Am 11. Juni 2020 kündigte Microsoft an, dass sie die Gesichtserkennungstechnologie nicht an polizeiliche Abteilungen in der USA verkaufen wird, bis eine starke Regulierung, die auf Menschenrechten basiert, erlassen wurde. Kunden dürfen Gesichtserkennungsfunktionen oder -features, die in Azure Services enthalten sind, wie Face oder Video Indexer, nicht verwenden, wenn sie selbst oder andere diese Dienste durch oder für eine Polizeibehörde in den Vereinigten Staaten nutzen oder dessen Nutzung gestatten. Wenn Sie eine neue Face-Ressource erstellen, müssen Sie im Azure-Portal bestätigen und zustimmen, dass Sie den Dienst nicht von oder für eine Polizeiabteilung in den Vereinigten Staaten verwenden und dass Sie die Dokumentation zur verantwortungsvollen KI überprüft haben und diesen Dienst gemäß dieser Dokumentation verwenden.
Vorsicht
Der Gesichtsdienstzugriff ist auf der Grundlage von Berechtigungs- und Nutzungskriterien begrenzt, um unsere verantwortungsbewussten KI-Prinzipien zu unterstützen. Face Service ist nur für Microsoft verwaltete Kunden und Partner verfügbar. Verwenden Sie das Face Recognition Aufnahmeformular, um Zugriff zu beantragen. Weitere Informationen finden Sie auf der Seite " Eingeschränkter Zugriff auf Face ".
Wichtig
Wenn Sie Microsoft Produkte oder Dienste verwenden, um biometrische Daten zu verarbeiten, sind Sie dafür verantwortlich: (i) Bereitstellung einer Mitteilung an betroffene Personen, einschließlich in Bezug auf Aufbewahrungsfristen und Vernichtung; ii) Einholen der Zustimmung von betroffenen Personen; und (iii) Löschen der biometrischen Daten, alle gemäß den geltenden Datenschutzanforderungen angemessen und erforderlich. "Biometrische Daten" haben die in Artikel 4 der DSGVO dargelegte Bedeutung und gegebenenfalls gleichwertige Begriffe in anderen Datenschutzanforderungen. Verwandte Informationen finden Sie unter "Daten und Datenschutz für Gesicht".
Schlüsselbegriffe
| Begriff | Definition |
|---|---|
| Bild | Ein Bild ist ein einzelner Frame, der über eine Kamera, ein gespeichertes Foto oder einen einzelnen Frame aus einem gespeicherten Video aufgenommen wird. Die Gesichts-API stellt nicht den zugrunde liegenden Speicher für Fotos oder Videos bereit. Es liegt an Systementwicklern, den zugrunde liegenden Speicher bereitzustellen. |
| Probebild | Ein Probebild ist ein Bild, das an ein Gesichtserkennungssystem übermittelt wird, bei dem es in eine Gesichtsvorlage konvertiert wird, um mit den Gesichtsvorlagen registrierter Personen verglichen zu werden. Alle Bilder werden sofort gelöscht, nachdem sie in Gesichtsvorlagen konvertiert wurden. |
| Gesichtsvorlage | Eine eindeutige numerische oder andere Darstellung des Gesichts einer Person, die aus einem Bild generiert wird. Die Bilder selbst – ob Registrierung oder Probebilder – werden nicht von Microsoft gespeichert, und die originalen Bilder können nicht anhand einer Gesichtsvorlage rekonstruiert werden. |
| Begrenzungsrahmen | Ein Feld, das um die Position eines Gesichts im Foto gezeichnet wird, als Reaktion auf Gesichtserkennungsaufrufe. |
| Gesichtserkennung | Sucht menschliche Gesichter in einem Bild und gibt begrenzungsgebundene Felder zurück, die ihre Positionen angeben. Gesichtserkennung kann auch so konfiguriert werden, dass eine numerische Bezeichnung pro Gesicht zurückgegeben wird, die für den Zweck von [Einfügezweck] erkannt wurde, sowie Gesichtsattribute. Modelle zur Gesichtserkennung sind nicht in der Lage, Einzelpersonen zu überprüfen oder zu identifizieren. Sie finden, extrahieren oder erstellen auch keine Gesichtsvorlagen. |
| Gesichtserkennung | Ein Begriff, der sowohl die Gesichtsidentifikation als auch die Gesichtsüberprüfung erfasst (siehe unten). |
| Gesichtslebenserkennung | Bestimmt die Authentizität eines Gesichts in einem Bild und gibt eine Livenessklassifizierung zurück. Gesichtslebenserkennungsmodelle sind nicht in der Lage, Einzelpersonen zu überprüfen oder zu identifizieren, aber sie können Gesichtsvorlagen finden, extrahieren oder erstellen, um sicherzustellen, dass dieselbe Person für die Dauer des Livenesstests vorhanden ist. Ein Beispiel ist eine Banking-App, die die Gesichtserkennung zur Lebendprüfung verwendet, um sicherzustellen, dass der wahre Kontoinhaber physisch anwesend ist, während er eine Transaktion durchführt und somit eine zusätzliche Sicherheitsebene bietet. |
| Gesichtsüberprüfung | Ein "1:1"-Abgleich von Gesichtsvorlagen zwischen zwei separaten Bildern, um zu überprüfen, ob es sich um dieselbe Person handelt. Ein Beispiel ist eine Banking-App, die die Identität von Benutzern überprüft, die ein Bankkonto remote öffnen möchten, indem die Gesichtsvorlage von einem Selfie verglichen wird, das der Benutzer mit der Gesichtsvorlage aus einer Foto-ID des Kontoinhabers in der Datenbank der Bank gespeichert hat. |
| Gesichtsidentifikation | Ein "1-zu-viele"-Abgleich von Gesichtsvorlagen zwischen einem Bild und einer Gruppe von Gesichtsvorlagen. Ein Beispiel ist ein berührungsloses Zugriffssteuerungssystem in einem Gebäude, das physische Karten und Ausweise ersetzt oder ergänzt, wobei eine Kamera das Gesicht einer Person erfasst, die eine gesicherte Tür betritt, und versucht, diese mit einer Reihe von Gesichtsvorlagen abzugleichen, die von Personen stammen, die für den Zugang zum Gebäude berechtigt sind. |
| Gesichtsattribute | Erkennung von angegebenen Gesichtsattributen wie Posen und Sehenswürdigkeiten wie Augen oder Nasenposition. Die Funktionalität von Gesichtsattributen unterscheidet sich vollständig von der Gesichtsüberprüfung und Gesichtsidentifikation. Die vollständige Liste der unterstützten Attribute wird in der Referenzdokumentation zur Face – Detect API beschrieben. Modelle für Gesichtsattribute können weder Einzelpersonen verifizieren noch identifizieren, und sie finden, extrahieren oder erstellen keine Gesichtsvorlagen. |
| Gesichtszensur | Redaktion ermöglicht das Verbergen oder Verschwimmen von menschlichen Gesichtern in Bildern. Gesichtsredaktionsmodelle sind nicht in der Lage, Einzelpersonen zu verifizieren oder zu identifizieren, und sie finden, extrahieren oder erstellen keine Gesichtsmuster. |
| Registrierung | Die Registrierung ist das Sammeln von Bildern von Einzelpersonen und das Erstellen von Gesichtsvorlagen aus ihnen zu Erkennungszwecken. Fotos oder Videos mit höherer Qualität liefern qualitativ hochwertige Gesichtsvorlagen. |
| Personen-ID | Wenn eine Person in einem überprüfungssystem registriert ist, das für die Authentifizierung verwendet wird, wird ihre Gesichtsvorlage auch einem primären, zufällig generierten Bezeichner zugeordnet, der als Person-ID bezeichnet wird, die verwendet wird, um zu bestimmen, welche Gesichtsvorlage mit dem Probebild verglichen werden soll. |
| Erkennungs-Konfidenzwert | Wenn ein Probebild mit Gesichtsüberprüfung oder Gesichtsidentifikation abgefragt wird, wird eine Erkennungsvertrauensbewertung zurückgegeben, um festzustellen, ob zwei Gesichter im Bereich von [0, 1], z. B. 0,6 übereinstimmen. Dies entspricht nicht der Prozentualen Wahrscheinlichkeit, dass zwei Gesichter übereinstimmen (d. h. ein Konfidenzergebnis von 0,9 Erkennung bedeutet nicht, dass es eine 90% Chance gibt, dass die beiden Gesichter übereinstimmen). |
| Erkennungssicherheitsschwelle | Der minimale Konfidenzwert, der erforderlich ist, um zu bestimmen, ob zwei Gesichter basierend auf dem Erkennungs-Konfidenzwert derselben Person zugeordnet werden können. Wenn der Konfidenzschwellenwert beispielsweise 0,5 ist und die von einer Probebildabfrage zurückgegebene Erkennungsvertrauensbewertung 0,6 ist, werden die beiden Gesichter als Übereinstimmung betrachtet. |
| Kandidatenliste | Bei Gesichtsidentifizierungsszenarien ist eine Kandidatenliste die Liste der Gesichter mit Ergebnissen über dem Schwellenwert für die Erkennungsvertrauenswahrscheinlichkeit. Die Gesichts-API speichert keine primären IDs, z. B. Kunden-IDs, zusammen mit Gesichtsvorlagen. Stattdessen ordnet die Gesichts-API gespeicherte Gesichtsvorlagen zufälligen GUIDs oder global eindeutigen Bezeichnern zu. Systementwickler können die von der Face-API generierte GUID einem primären Bezeichner einer Person zuordnen, um die Überprüfung dieser Person zu unterstützen. |
| Gerätekorrelations-ID | Für Gesichtserkennungsszenarien für Lebendigkeit wird zu Beginn der Lebendigkeitserkennung eine eindeutige Zeichenfolge pro Gerät erstellt, um Missbrauchserkennung zu unterstützen. Dies wird von der Face-API verwendet, um Clients zu erkennen und zu blockieren, die versuchen, die Livenesserkennung zu missbrauchen. Gerätekorrelations-IDs können nicht verwendet werden, um Einzelpersonen zu überprüfen oder zu identifizieren, und die Gesichts-API speichert sie nicht oder andere Sitzungsdaten, die länger als 48 Stunden sind. |
Gesichts-API-Funktionen
Gesichtserkennung beantwortet die Frage: "Gibt es ein oder mehrere menschliche Gesichter in diesem Bild?" Gesichtserkennung findet menschliche Gesichter in einem Bild und gibt begrenzungsgebundene Felder zurück, die ihre Positionen angeben. Modelle zur Gesichtserkennung sind nicht in der Lage, Einzelpersonen zu überprüfen oder zu identifizieren. Sie finden, extrahieren oder erstellen auch keine Gesichtsvorlagen. Alle anderen Gesichts-API-Funktionen sind von der Gesichtserkennung abhängig: Bevor die Gesichts-API eine Person identifizieren oder überprüfen kann (siehe unten), muss sie die Speicherorte der Gesichter kennen, die in Eingabebildern erkannt werden sollen. Weitere Informationen finden Sie in der Referenzdokumentation zur Gesichtserkennungs-API.
Gesichtserkennung mit Gesichtsattributen: Die Gesichtserkennungsfunktion kann optional auch verwendet werden, um Gesichtsattribute mithilfe zusätzlicher KI-Modelle zu erkennen, z. B. Posen und Gesichts-Orientierungen wie Augen- oder Nasenposition. Die Gesichtsattributefunktion ist vollständig von den Gesichtsüberprüfungs- und Gesichtsidentifikationsfunktionen der Gesichts-API getrennt. Die von der Gesichtserkennungsfunktion für jedes Attribut zurückgegebenen Werte sind Vorhersagen der wahrgenommenen Attribute. Facial-Attribute-Modelle sind nicht in der Lage, Einzelpersonen zu überprüfen oder zu identifizieren und finden, extrahieren oder erstellen keine Gesichtsvorlagen.
Die Gesichtsüberprüfung baut auf der Gesichtserkennungsfunktion auf und behebt die Frage: "Sind diese beiden Bilder derselben Person?" Gesichtsüberprüfung wird auch als "1:1"-Abgleich bezeichnet, da die Gesichtsvorlage für das Probebild mit nur einer registrierten Vorlage verglichen wird. Die Gesichtsüberprüfung kann in Identitätsüberprüfungs- oder Zugriffssteuerungsszenarien verwendet werden, um zu überprüfen, ob ein Probebild mit einem zuvor aufgenommenen Bild übereinstimmt (z. B. aus einem Foto von einer regierung ausgestellten ID-Karte). Weitere Informationen finden Sie in der Referenzdokumentation "Face – Verify API ".
Die Gesichtserkennung beginnt auch mit der Gesichtserkennungsfunktion und beantwortet die Frage: "Kann dieses erkannte Gesicht mit jedem registrierten Gesicht in einer Datenbank abgeglichen werden?" Aus diesem Grund wird gesichtsidentifikation auch als "1:n"-Abgleich bezeichnet. Kandidaten-Übereinstimmungen werden basierend darauf zurückgegeben, wie genau die Gesichtsvorlage für das Probebild jedem der registrierten Vorlagen entspricht. Weitere Informationen zur Gesichtsidentifikation finden Sie in der Face - Identify API-Referenzdokumentation.
Ähnliche Gesichtserkennung baut auch auf der Gesichtserkennungsfunktion auf und sucht nach ähnlich aussehenden Gesichtern aus allen Registrierungsvorlagen. Weitere Informationen finden Sie in der Referenzdokumentation "Face - Find Similar API reference".
Die Gesichtsgruppe baut auch auf der Gesichtserkennungsfunktion auf und erstellt kleine Gruppen von Gesichtern, die von allen Registrierungsvorlagen ähnlich aussehen. Weitere Informationen finden Sie in der Referenzdokumentation zur Gruppen-API .
Gesichtslebigkeitserkennung beantwortet die Frage: "Ist das erkannte menschliche Gesicht in dieser Szene real und präsent?" Die Gesichtslebigkeitserkennung bestimmt die Authentizität eines menschlichen Gesichts in einer Szene und gibt eine Klassifizierung von Live oder Spoof zurück. Gesichtslebenserkennungsmodelle sind nicht in der Lage, Einzelpersonen zu überprüfen oder zu identifizieren, aber sie können Gesichtsvorlagen finden, extrahieren oder erstellen, um sicherzustellen, dass dieselbe Person für die Dauer des Livenesstests vorhanden ist. Weitere Informationen finden Sie in der Referenzdokumentation zur Gesichtserkennungs-API (iOS, Java).
Weitere Informationen zu Funktionen von Azure AI Face Service finden Sie in der Dokumentation Face.
Eingeschränkter Zugriff auf die Vision Face-API
Die Vision Face API ("Face API") ist ein Eingeschränkter Zugriffsdienst und die Registrierung ist für den Zugriff auf einige Features erforderlich. Weitere Informationen finden Sie in der Richtlinie für eingeschränkten Zugriff Microsoft. Bestimmte Features sind nur für Microsoft verwaltete Kunden und genehmigte Partner verfügbar, und nur für bestimmte Anwendungsfälle, die zum Zeitpunkt der Registrierung ausgewählt wurden. Beachten Sie, dass Gesichtserkennung, Gesichtsattribute und Gesichtsredaktion keine Registrierung erfordern.
Kommerzielle Anwendungsfälle
Die folgenden Anwendungsfälle werden für kommerzielle Kontexte genehmigt:
Gesichtslebigkeitserkennung , um zu beweisen, dass ein echter Mensch die Anwendung verwendet. Die Liveness-Erkennung kann als Alternative zu einem CAPTCHA-System eigenständig verwendet werden oder mit einer vorhandenen Gesichtsüberprüfung oder Identifizierungsoperation kombiniert werden, um die Sicherheit zu verbessern.
Gesichtsüberprüfung (1:1-Abgleich) mit optionaler Gesichtslebenserkennung zur Identitätsüberprüfung , um Zugang zu digitalen oder physischen Diensten oder Räumen zu gewähren. Diese Überprüfung kann zum Öffnen eines neuen Kontos, zum Überprüfen eines Mitarbeiters oder zur Authentifizierung für die Teilnahme an einer Onlinebewertung verwendet werden. Die Identitätsüberprüfung kann während des Onboardings einmal erfolgen und wiederholt, wenn jemand auf einen digitalen oder physischen Dienst oder Raum zugreift.
Gesichtserkennung (1:N- oder 1:1-Abgleich) mit optionaler Lebendigkeitserkennung für die berührungslose Zugriffssteuerung, um eine verbesserte Erfahrung mit Gesichtserkennung im Gegensatz zu Methoden wie Karten und Tickets zu ermöglichen. Dies kann Hygiene- und Sicherheitsrisiken durch Karten-/Ticketweitergabe/-behandlung, Verlust oder Diebstahl reduzieren. Gesichtserkennung kann den Check-In-Prozess für den Zugriff auf Standorte und Gebäude wie Flughäfen, Stadien, Büros und Krankenhäuser unterstützen.
Gesichtsidentifikation (1:N- oder 1:1-Abgleich) mit optionaler Gesichtslebigkeitserkennung zur Personalisierung der Umgebungsumgebung mit zustimmungsbasierter Gesichtserkennung, die Erfahrungen auf gemeinsam genutzten Geräten bereichert. Beispielsweise können Hot Desk-Bildschirme und Kioske am Arbeitsplatz und zu Hause Sie erkennen, wenn Sie sich nähern, um Wegbeschreibungen zu Ihrem Ziel bereitzustellen oder um die freihändige Interaktion mit intelligenten Besprechungsgeräten schnell zu starten.
Gesichtsidentifikation (1:N oder 1:1-Abgleich) mit optionaler Gesichtslebigkeitserkennung, um duplizierte oder blockierte Benutzer zu finden, um unbefugten Zugriff auf digitale oder physische Dienste oder Räume zu kontrollieren oder zu verhindern. Diese Identifizierung kann beispielsweise bei der Kontoerstellung oder anmeldung oder beim Zugriff auf eine Arbeitswebsite verwendet werden.
Gesichtsidentifikation (1:N- oder 1:1-Abgleich) zum Suchen nach einem Gesicht in einem Medien- oder Unterhaltungsvideoarchiv , um ein Gesicht in einem Video zu finden und Metadaten nur für Medien- oder Unterhaltungsanwendungsfälle zu generieren.
Anwendungsfälle für Behörden und internationale Organisationen
Die folgenden Anwendungsfälle werden für den öffentlichen Sektor genehmigt:
Gesichtslebigkeitserkennung , um zu beweisen, dass ein echter Mensch die Anwendung verwendet. Eine solche Erkennung kann eigenständig als Alternative zu einem CAPTCHA-System verwendet werden oder mit einer vorhandenen Gesichtsüberprüfung oder Identifizierungsoperation kombiniert werden, um die Sicherheit zu verbessern.
Gesichtsüberprüfung (1:1-Abgleich) mit optionaler Gesichtslebenserkennung zur Identitätsüberprüfung , um Zugriff auf digitale oder physische Dienste oder Räume zu gewähren. Diese Überprüfung kann zum Öffnen eines neuen Kontos, zum Überprüfen eines Mitarbeiters oder zur Authentifizierung für die Teilnahme an einer Onlinebewertung verwendet werden. Die Identitätsüberprüfung kann während des Onboardings einmal erfolgen und wiederholt, wenn jemand auf einen digitalen oder physischen Dienst oder Raum zugreift.
Gesichtserkennung (1:N- oder 1:1-Abgleich) mit optionaler Lebendigkeitserkennung für die berührungslose Zugriffssteuerung, um eine verbesserte Erfahrung mit Gesichtserkennung im Gegensatz zu Methoden wie Karten und Tickets zu ermöglichen. Dies kann dazu beitragen, Hygiene- und Sicherheitsrisiken durch Karten-/Ticketfreigabe/-handhabung, Verlust oder Diebstahl zu reduzieren. Gesichtserkennung kann den Check-In-Prozess für den Zugriff auf Standorte und Gebäude wie Flughäfen, Stadien, Büros und Krankenhäuser unterstützen.
Gesichtsidentifikation (1:N- oder 1:1-Abgleich) mit optionaler Gesichtslebigkeitserkennung zur Personalisierung der Umgebungsumgebung mit zustimmungsbasierter Gesichtserkennung, die Erfahrungen auf gemeinsam genutzten Geräten bereichert. Beispielsweise können Hot Desk-Bildschirme und Kioske am Arbeitsplatz und zu Hause Sie erkennen, wenn Sie sich nähern, um Wegbeschreibungen zu Ihrem Ziel bereitzustellen oder um die freihändige Interaktion mit intelligenten Besprechungsgeräten schnell zu starten.
Gesichtsidentifikation (1:N oder 1:1-Abgleich) zur Unterstützung von Strafverfolgungs- oder Gerichtsbeamten bei der Strafverfolgung oder Verteidigung eines kriminellen Verdächtigen, der bereits erkannt wurde, soweit dies ausdrücklich von einer ordnungsgemäß befugten Regierungsbehörde in einer Gerichtsbarkeit autorisiert wurde, die eine faire und unabhängige Justiz aufrecht erhält und vorausgesetzt, dass die Person, die gesucht oder überprüft werden soll, kein Minderjähriger ist, ODER zur Unterstützung von Beamten ordnungsgemäß befugter internationaler Organisationen bei der Verfolgung von Missbräuchen des internationalen Strafrechts, des internationalen Menschenrechtsrechts oder des humanitären Völkerrechts, sofern die Gesuchte identifiziert oder überprüft werden soll, kein Minderjähriger ist.
Gesichtsidentifikation (1:N oder 1:1-Abgleich) zur Erhaltung und Anreicherung öffentlicher Medienarchive , um Einzelpersonen in öffentlichen Medien- oder Unterhaltungsvideoarchiven zu identifizieren, um nur öffentliche Medien zu erhalten und zu bereichern. Beispiele für die Anreicherung öffentlicher Medien sind das Identifizieren historischer Figuren in Videoarchiven oder das Generieren beschreibender Metadaten.
Gesichtsidentifikation (1:N oder 1:1 Matching), um auf einen Notfall zu reagieren , der eine unmittelbar bevorstehende Gefahr oder Gefahr des Todes oder einer schweren körperlichen Verletzung einer Person beinhaltet.
Gesichtsidentifikation (1:N oder 1:1-Abgleich) zur Bereitstellung humanitärer Hilfe, zur Durchführung der Suche und Rettung von Personen oder zur Identifizierung von vermissten Personen, verstorbenen Personen oder Opfern von Verbrechen.
Überlegungen bei der Verwendung von Azure AI Face Service
Die Verwendung der Gesichts-API durch oder für die staatliche oder lokale Polizei in den USA ist durch die Richtlinie von Microsoft verboten.
Die Verwendung von Echtzeit-Gesichtserkennungstechnologie auf mobilen Kameras, die von der Strafverfolgung verwendet werden, um zu versuchen, Einzelpersonen in unkontrollierten Umgebungen zu identifizieren, ist durch Microsoft Richtlinie verboten. Dazu gehört, dass Polizeibeamte auf Patrouille körpergetragene oder am Armaturenbrett angebrachte Kameras mit Gesichtserkennungstechnologie verwenden, um Personen zu identifizieren, die in einer Datenbank von Verdächtigen oder ehemaligen Insassen enthalten sind. Diese Richtlinie gilt global.
Vermeiden Sie die Verwendung von Gesichtserkennungs- oder Gesichtserkennungstechnologie, um emotionale Zustände, Geschlechtsidentität oder Alter abzuleiten. Microsoft hat allgemeine Gesichtserkennungs- und Gesichtserkennungsfunktionen eingestellt, die verwendet wurden, um Emotionen, Geschlecht, Alter, Lächeln, Haar, Gesichtshaare und Make-up zu klassifizieren. Die generelle Nutzung dieser Funktionen birgt das Risiko eines Missbrauchs, der Personen Stereotypisierung, Diskriminierung oder ungerechte Verweigerung von Diensten aussetzen könnte. Diese Funktionen werden sorgfältig auf ausgewählte Barrierefreiheitsszenarien beschränkt, wie z. B. jene, die von Seeing AI bereitgestellt werden.
Vermeiden Sie die Verwendung für die fortlaufende Überwachung der Echtzeit- oder Nahezu-Echtzeit-Identifikation oder dauerhaften Nachverfolgung einer Person. Die laufende Überwachung wird als Verfolgung von Bewegungen einer identifizierten Person auf dauerhafter Basis definiert. Die permanente Nachverfolgung wird als Nachverfolgung von Bewegungen einer Person auf dauerhafter Basis ohne Identifizierung oder Überprüfung dieser Person definiert. Die Gesichts-API wurde nicht für die fortlaufende Überwachung oder dauerhafte Nachverfolgung einer Person entwickelt und funktioniert nicht für große Echtzeit-Kamerastreams. Gemäß unseren sechs Grundsätzen für die Entwicklung und Bereitstellung von Gesichtserkennungstechnologie sollte die Verwendung der Gesichtserkennungstechnologie für die fortlaufende Überwachung von Einzelpersonen durch Strafverfolgung verboten werden, außer unter engen Umständen und nur mit angemessenem Schutz für einzelne bürgerliche Freiheiten und Menschenrechte.
Vermeiden Sie die Verwendung für Aufgabenüberwachungssysteme, die den Datenschutz beeinträchtigen können. Die probabilistischen KI-Modelle der Gesichts-API wurden nicht entwickelt, um einzelne Muster zu überwachen, um intime persönliche Informationen abzuleiten, z. B. die sexuelle oder politische Ausrichtung einer Person.
Vermeiden Sie die Verwendung in geschützten Bereichen. Schützen Sie die Privatsphäre einzelner Personen, indem Sie Kamerastandorte und -positionen auswerten, Winkel und interessante Regionen anpassen, damit sie keine Bilder von geschützten Bereichen wie Ruheräumen aufnehmen.
Vermeiden Sie die Verwendung in Umgebungen, in denen die Registrierung bei der Identifizierung oder Überprüfung nicht optional ist. Schützen Sie die Autonomie der Einzelnen, indem Sie die Registrierung nicht in Situationen planen, in denen Druck besteht, zuzustimmen.
Vermeiden Sie den Einsatz, wenn ein menschliches Eingreifen oder eine sekundäre Überprüfungsmethode nicht verfügbar ist. Ausfallsichere Mechanismen (z. B. eine sekundäre Methode, die dem Endbenutzer zur Verfügung steht, wenn die Technologie fehlschlägt) helfen, die Ablehnung wesentlicher Dienste oder anderer Schäden aufgrund falscher Negativer zu verhindern.
Berücksichtigen Sie sorgfältig die Verwendung in Schulen oder Einrichtungen für ältere Erwachsene. Die Gesichts-API wurde nicht stark mit Daten getestet, die Minderjährige unter 18 Jahren oder Erwachsene im Alter von 65 Jahren enthalten. Es wird empfohlen, dass Benutzer fehlerraten für jedes Szenario in Umgebungen, in denen eine Vorherrschaft dieser Altersgruppen besteht, gründlich auswerten.
Berücksichtigen Sie sorgfältig die Verwendung für entscheidungen im Gesundheitswesen. Die Gesichts-API bietet probabilistische Ergebnisse wie Gesichtserkennungen, Attribute und Erkennungen. Die Daten sind möglicherweise nicht für die Entscheidungsfindung im Gesundheitswesen geeignet.
Berücksichtigen Sie sorgfältig die Verwendung in öffentlichen Räumen. Bewerten Sie Kamerastandorte und -positionen, passen Sie Winkel und Bereiche von Interesse an, um die Erfassung von Daten aus öffentlichen Bereichen zu minimieren. Beleuchtung und Wetter in öffentlichen Räumen wie Straßen und Parks wirken sich erheblich auf die Leistung der Gesichtssysteme aus, und es ist äußerst schwierig, eine effektive Offenlegung zu ermöglichen, dass Gesichtssysteme in öffentlichen Räumen verwendet werden.
Rechtliche und behördliche Überlegungen: Organisationen müssen potenzielle spezifische rechtliche und behördliche Verpflichtungen bewerten, wenn Sie Foundry Tools und Lösungen verwenden, die möglicherweise nicht für die Verwendung in jeder Branche oder in jedem Szenario geeignet sind. Darüber hinaus sind Foundry Tools oder Lösungen nicht für sie ausgelegt und dürfen nicht auf eine Weise verwendet werden, die in anwendbaren Nutzungsbedingungen und relevanten Verhaltensregeln verboten ist.