Terwijl wij ons gezicht steeds vaker met mondkapjes bedekken om onze gezondheid te beschermen worden onze mondkapjes digitaal juist massaal van ons gezicht gerukt. Bedrijven die gezichtsherkenning ontwikkelen proberen namelijk steeds harder gezichten die voor de helft bedekt zijn te herkennen. Met behulp van speciaal ontworpen datasets worden algoritmes getraind ons bedekte gezicht toch te herkennen. Kan een mondkapje meer beschermen dan alleen onze gezondheid?

De maatregelen om verspreiding van het coronavirus tegen te gaan hebben een nieuwe manier van doen en laten gecreëerd. De ellebooggroet, het thuiswerken en ons eigen land als vakantiebestemming gebruiken zijn een paar aspecten van ons (post-)Covid-19 gedrag. Eén van de maatregelen die in het straatbeeld het meeste opvalt is het mondkapje. Het mondkapje is een onderdeel geworden van onze dagelijkse outfit en daarmee een uiting van onze persoonlijkheid. Tijdens een wandelingetje over straat kan je meerdere kleuren, patronen en berichten zien.

Plezier van korte duur

Terwijl wij onszelf en onze naasten beschermen met het dragen van een mondkapje heeft er achter de schermen een schokgolf plaatsgevonden. Beveiligingsbedrijven die hebben geïnvesteerd in gezichtsherkenningstechnologie werden geconfronteerd met slecht werkende identificatiefuncties. De algoritmes zijn namelijk getraind op datasets met volledige gezichten. Een mondkapje bedekt de helft van de datapunten die nodig zijn om iemand correct te identificerenLees hier ons (praktijk)onderzoek naar hoe dit soort software werkt.

Hierdoor beschermt een mondkapje niet alleen onze gezondheid, maar houdt het ook onze gezichtsdata uit handen van deze algoritmes. Dat voordeel was echter van korte duur. De commerciële belangen achter gezichtsherkenningstechnologie zijn groot en het duurde dan ook niet lang voor de eerste dataset met gebruik van Facebook-gegevens ontstond. De COVID19 Mask Image DatasetHier op GitHub te vinden bestaat uit meer dan 1200 foto's van gezichten met mondmaskers. Daardoor gaat de ontwikkeling van gezichtsherkenningstechnologie als vanouds door.

Een mens met vele gezichten

Verschillende bedrijven bieden mondkapjes aan met een zelfgekozen afbeelding of patroon. Dit maakt van het mondkapje een geweldig canvas om de gezichtsherkenning te verstoren. Patronen die het algoritme verstoren kunnen er gemakkelijk op afgedrukt worden. Het is nu wel de vraag of dit op lange termijn effectief blijft; het algoritme kan getraind worden om alleen de datapunten boven de neus te lezen zodra er een masker wordt geregistreerd. Één mogelijkheid zou zijn om een ander gezicht op het masker te printen. Als er niet wordt geregistreerd dat er een masker wordt gedragen, dan kijkt het algoritme namelijk naar alle datapunten van het gezicht. Uit de combinatie van de datapunten uit het gezicht en die van het masker zou een uniek (niet-bestaand) gezicht kunnen ontstaan die leidt tot een valse identificatie. Er bestaan veel digitale applicaties die complete gezichten genereren met verschillende datasets. Door een deel van deze gezichten te gebruiken als afdruk op een masker krijg je de mogelijkheid om letterlijk van gezicht te wisselenJa, inderdaad net als in Game of Thrones.

Let's Face It

Samen met mijn team heb ik dit prototype ontwikkeld. Door de opdruk kan het algoritme het masker als onderdeel van het gezicht zien en een onbekend gezicht detecteren. We hebben de methode gedeeld via onze website, Project Hiveminds, zodat iedereen zelf zijn eigen masker kan maken. Met een afdruk van een ander, gegenereerd gezicht zal een mondkapje niet alleen een beschermingsmiddel worden voor onze gezondheid, maar ook van onze privacy en kunnen we weer anoniem over straat.

Deze blog is tot stand gekomen door samenwerking tussen Lotte Houwing, Mick Jongeling, Pranamita Ray, Madeleine Assadi, Robbert de Graaf en Daan Walder. In een periode van 6 maanden hebben wij projecten gemaakt op het gebied van counter-surveillance cultuur en digitale activisme. De uitkomst van het project is te zien op Project Hiveminds. Ik wil via deze voetnoot Pranamita, Madeleine, Robbert en Daan bedanken voor onze samenwerking en Gijs Huisman bedanken voor de supervisie vanuit de Digital Society School.