Weiche Biometrie und Datenkennzeichnung zum Schutz der Privatsphäre

Ein EU-finanziertes innovatives Ausbildungsnetzwerk (Innovative Training Network, ITN) wurde eingerichtet, um die nächste Forschungsgeneration auszubilden und wirksame Lösungen zu entwickeln, mit denen das komplexe Problem des Schutzes der Privatsphäre im 21. Jahrhundert bewältigt werden kann.

Gesellschaft

© metamorworks/stock.adobe.com

Mit der zunehmenden Nutzung fortschrittlicher Technologien wie KI, Sensoren und Biometrie wird die Wahrung des Rechts auf Privatsphäre jeder einzelnen Person zunehmend erschwert. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen bringt das Projekt PriMa Fachkundige aus der Industrie und dem Hochschulbereich zusammen, um junge Forschende darauf vorzubereiten, diese Schwierigkeiten anzugehen.

Durch miteinander verknüpfte Doktoratsprogramme tauschen akademische Partner aus ganz Europa ihren Wissens- und Erfahrungsschatz aus und geben den Forschenden die Mittel an die Hand, mit denen auf diesem Gebiet etwas bewirkt werden kann.

Ein Schwerpunkt des innovativen PriMa-Ausbildungsnetzwerks liegt auf der Verwendung von weicher Biometrie. Dabei handelt es sich um physische oder verhaltensbezogene Merkmale, die subjektiver sind und weniger Unterscheidungsmerkmale besitzen als herkömmliche biometrische Identifikatoren wie Gesichter, Fingerabdrücke und Iris-Erkennung. Zu den weichen biometrischen Merkmalen gehören beispielsweise Haarfarbe, Größe, Gangart, Tipprhythmus und Stimme.

Während des Projekts wurde deutlich, dass die Kennzeichnung demografischer Merkmale überdacht werden muss. Die derzeitigen Kategorien können Einschränkungen aufweisen und spiegeln nicht die Vielfalt menschlicher Identitäten wider. Zudem gibt es Unstimmigkeiten bei der Kennzeichnung weicher biometrischer Merkmale in Gesichtsbild-Datensätzen. Das Projektteam fand heraus, dass eine hohe Übereinstimmungsrate zwischen den Annotatoren entscheidend ist, um die Zuverlässigkeit und Konsistenz der gekennzeichneten Daten zu gewährleisten.

Insgesamt konnte das Projekt PriMa wertvolle Einblicke in die Herausforderungen und Möglichkeiten der Verwendung subjektiver und weniger diskriminierender biometrischer Identifikatoren zur Identifizierung und Beschreibung von Personen liefern. Die Projektarbeit unterstreicht die Notwendigkeit eines transparenten Kennzeichnungsverfahrens und eines umfassenderen Ansatzes zur Definition demografischer Merkmale.

„Der Beitrag von PriMa besteht darin, dass wir die Probleme bei der Kennzeichnung weicher biometrischer Daten festgestellt haben, die im Blogbeitrag von Zohra Rezgui dargestellt wurden und zu der Schlussfolgerung führten, dass die Kennzeichnung von demografischen Daten eine komplexe Aufgabe ist, die sorgfältige Überlegungen und Detailgenauigkeit erfordert“, sagt Prof. Raymond Veldhuis, Koordinator von PriMa.

„Die Art und Weise, wie Daten gekennzeichnet werden, kann einen erheblichen Einfluss auf die Zuverlässigkeit und Genauigkeit von Algorithmen für maschinelles Lernen haben“, erklärt er. „Dabei ist es wichtig, die Qualität der Kennzeichnungen zu überwachen – insbesondere in Datensätzen weicher biometrischer Daten wie Gesichtsbildern – sowie die Subjektivität und Vielfalt menschlicher Identitäten bei der Definition demografischer Merkmale zu berücksichtigen. Dazu hat PriMa nicht beigetragen, indem es zum Beispiel bessere Protokolle für die Kennzeichnung vorgeschlagen hat.“

Die Arbeit war jedoch hilfreich bei der Verschleierung des Geschlechts auf Gesichtsbildern und Gesichts-Templates (biometrische Daten, die für die Erkennung gespeichert werden) sowie bei der datenschutzfreundlichen Gangarterkennung mithilfe von Smartphone-Sensoren, bei der die Authentifizierungsleistung aufrechterhalten wird, ohne dass demografische Daten preisgegeben werden.

Außerdem hat PriMa eine eingehende Analyse der personenbezogenen und sensiblen Daten, die von mobilen Hintergrundsensoren extrahiert werden, und der entsprechenden automatisierten Methoden vorgenommen. Diese befassen sich mit demografischen Daten, Aktivität und Verhalten, Gesundheitsparametern und Körpermerkmalen, Stimmung und Emotionen, Standortverfolgung und Tastatureingabeprotokollierung sowie einer Zusammenfassung der in der Literatur vorgeschlagenen Metriken zur Quantifizierung des Datenschutzes aus der Perspektive sensibler Daten.

Wenn Sie Ihr Projekt in einer der nächsten Ausgaben als „Projekt des Monats“ sehen wollen, schreiben Sie uns einfach eine E-Mail an [e-mail] und sagen Sie uns, warum wir Ihr Projekt vorstellen sollten.

Schlüsselbegriffe

PriMa, Datenschutz, Schutz der Privatsphäre, weiche Biometrie, biometrische Merkmale, gekennzeichnete Daten, demografische Merkmale, sensible Daten