专栏首页大数据文摘收集了740万生物特征信息,五角大楼正在打造一张全球生物识别监控网

收集了740万生物特征信息,五角大楼正在打造一张全球生物识别监控网

大数据文摘出品

来源:medium

编译:赵吉克、灿灿、楚阳

在过去的15年里,美军一直在壮大自己的力量,其中有一种特殊的武器被部署到世界各地,你几乎意识不到它的存在,但是它却十分厉害。

这个特殊的武器是一个庞大的数据库,一张包含了所有在海外与美军接触过的人员的生物特征信息网,这些特征包括脸部照片、虹膜、指纹和DNA信息。其中有740万份的生物特征信息是属于疑似恐怖分子和美军盟军的。

美国的国防取证及生物特征识别机构(DFBA)的职责就是监管这个数据库,并建立和完善自动生物信息识别系统(ABIS)。DFBA的负责人Glenn Krizay写道:将敌人暴露在明处有助于进行致命打击,好比我们已经撕去了敌人弹药库上的伪装网。

DFBA因此在美军的情报行动中起到了至关重要的作用以至于它几乎不受任何审查压力。美国的军事分支机构可以使用ABIS来标记他们感兴趣的人物,这些被标记的人物将被划入所谓“生物监视列表(BEWL)”,以便随时利用世界各地的军事数据库来查找这些人。

敌明我暗的形势使得美军更容易发动致命性攻击。负责人Krizay向我们揭示了DFBA内部的运作机制以及它是如何仅在今年上半年就对战场上的非美国公民进行了数以千次的识别。

DFBA利用ABIS实现身份识别。ABIS可以和美国联邦调查局(FBI)的生物特征数据库通讯,而后者又可以联系到各州及地方执法机构的数据库,由此美军可以轻易搜索美国公民的生物特征信息并登记非美国公民的生物特征信息。眼下,DFBA正致力于和国土安全部的生物特征数据实现通讯,最终,他们会建立起一个全球监视系统。这样,天南海北的人就有机会放在一起比较了,尽管这种情况属于识别系统瑕疵。

ABIS是美军斥巨资建立起来的,在过去的10年里,美军向生物识别技术投资超过了345亿美元。Leidos是一家专注信息技术服务的美国国防公司,目前是它在管理相关数据库。致力于生物识别的Ideal Innovations Incorporated公司则管理一部分用于预测阿富汗局势的数据库。

美军和这些公司的合作及其对生物特征数据库所表现出的巨大热忱揭示了其勃勃野心:美军在其所有的军事基地都部下了功能强大的监视系统,它们正不断收集数百万人的生物特征信息,而这些人并不知情。

从指纹到DNA,美军生物识别项目的15年

这个生物识别项目启动于2004年,起初重点是收集和分析指纹信息。国防部生物测定部门的负责人Woodward当年指出:在一场疆域、界限和旗帜都模糊的战争中,明确谁是敌人是至关重要的。

同年,美国国防部与洛克希德•马丁公司签约并以500万美元作为初始投资着手建立生物特征数据库。然而,进展却并非顺利。

2009年,国防部监察长在报告中指出,识别系统仍然然存在很深的缺陷,因为150个生物识别的实验中,只有5个成功了。后来,国防部与国防工业巨头诺斯罗普公司的合作同样令人大失所望,报告中指出:系统稳定性差、处理时间不连续、容易造成拥塞、匹配失败率高,持续运行的时间受限。

2016年,美国国防部开始对生物特征的数据收集投钱,副秘书长Robert O. Work几乎视生物识别技术为运作各种事务的关键:战争、情报收集、法律执行、安全保障、商业活动和反恐行动。美军的指挥官称此技术为“改变游戏规则者”。官方不仅鼓励专业人员开发此技术而且也希望士兵会运用此技术。同时,各个部队被指示要尽可能多的收集生物特征数据。

同年,Leidos公司收购了洛克希德公司与政府合作的大部分业务,并融到1.5亿美元的资金来建设如今我们称之为国防部ABIS的项目。

根据政府问责局的报告,从2008年到2017年,BWEL上新增了超过21万人,美国国防部利用生物识别技术联合法医鉴定将1700多人绳之以法。

今年上半年,美军利用这种生物识别技术认证了BWEL上的4476人,下图是人员分类结果,例如,在“剧场”这个分类下,有2728人属于美军的敌对势力。

DFBA官网声称,其ABIS数据库中有740万条无重复ID数据,而这些数据大部分来源于美军在阿富汗和伊拉克军事行动中的信息收集。

这一数字还在不断增长。有文件表明,国防部可以从在押人员、选民登记、伙伴国的征兵、就业审查或提供给军方的信息等多种渠道中收集生物特征数据。

一份2014年的军事文件中写到:几乎每一次行动都提供了收集生物特征数据的机会,虽然质量比数量更重要,但最大限度地增加数据库的登记数量可能会识别出更多让我们感兴趣的人。

生物识别技术在军事上的应用

ABIS还允许不同的军事行动和任务创建自己的BEWL。这些数据库可以插入定制的军用移动设备,用于和扫描来的指纹、虹膜及人脸信息进行比对和匹配。

Krizay表示:“用生物识别技术获得到的身份信息可以使我们实现更精准甚至更致命的打击。”

然而,关于DFBA和国防部具体是如何利用面部识别和生物特征数据的细节并未公开,根据《信息自由法案》的相关条例,军方有义务公开这些信息,但美军并没有这么做。

美军在其回应信中称:公开发布相当于为外国人提供不受控制的访问。

生物识别是否会影响大国博弈?

Krizay在年度ID管理研讨会的演讲笔记暗示了DFBA和ABIS的未来。

他写道:我们仍然需要揭露敌方的间谍网络,识别和跟踪雇佣兵,保护我们的后方地区和通信线路,记录敌方战俘,并识别高价值的个体人物信息。

笔记显示,DFBA希望将生物识别技术广泛应用到安保措施中。

Krizay 表示:“我们自知无法保障个人信息的安全但如果维基解密就能获得50多万份我们的报告,中国和俄罗斯这样的大国又岂能坐以待毙?”

DFBA还计划通过政府力量将ABIS和其他类似数据库建立通讯。尽管DFBA被定位为军方数字生物识别中心,但由于格式问题,它仍然无法与国土安全部的生物识别系统共享信息。2021年,国防部拟启动一项新版的生物识别项目, 届时,生物识别软件将接入云端并具有更强大的功能。

与此同时,政府内外针对面部识别和生物识别技术的批评人士也在担心这项技术的准确性和使用方式,尤其是在机器学习的固有偏见和隐私侵犯方面。

美国商务部国家标准技术研究所(NIST)的测试显示,黑人女性被误认的可能性是白人男性的10倍。当此技术应用于战斗场景时,这种差异可能对被自动化系统错误识别的个人造成致命后果。

NIST信息技术实验室主任Charles Romine于今年6月对众议院国土安全委员会表示:“我们不能渴望每一个人口统计量在年龄、种族、性别等其他特征数据上都表现得一样优秀,我们只想明确地知道这种偏差到底有多大。”

ABIS外包商Leidos的高管们并没有对测试数据的准确性表示担忧。Leidos副总裁John Mears在官网上表示,“有趣的是, NIST的最新测试显示,事实上相对于白人面孔,表现最好的算法在黑人面孔上运行得更好。”

目前尚不清楚Mears指的是NIST网站上的哪些测试,但是当记者联系到NIST的相关部门进行求证时 NIST否认了Mears的说法。

NIST的一位发言人表示:“笼统地说,这是不正确的。” 他补充到,目前有一份基于面部识别研究人口统计学的报告正在进行中。

Leidos拒绝对此发表声明,当被问及如何审查其面部识别算法中的偏差时,它将所有问题都推给了国防部。

然而,这种来自技术上的挑战并没有延缓生物识别技术前进的步伐。尽管我们并不清楚自DFBA上次官方发布最新数据以来还有多少身份信息被添加进ABIS,但可以肯定的是,美军收集数据的能力正在不断增强。

而且,这些数据库正与国土安全部等的数据库建立通讯,这使得美军的全球监控系统日益壮大。

Krizay表示:我们并非是在黑暗中摸索,我们不仅知道对方是谁,甚至还能知道他们要做什么。

相关报道:

https://onezero.medium.com/exclusive-this-is-how-the-u-s-militarys-massive-facial-recognition-system-works-bb764291b96

本文分享自微信公众号 - 大数据文摘(BigDataDigest)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-11-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 信息 物联网 自动化 基于物联网的要求、挑战和前景分析

    物联网市场仍处于起步阶段,但企业急于抓住这个利用数据来提高效率和降低成本的机会。 在企业中使用传感器和仪表的历史与工业发展历史一样古老,但通过网络连接实现信息自...

    广州接点智能
  • 智慧社区解决方案

    打造智慧社区生态:以移动互联网为载体,搭建社区掌上平台,连接物联网设备+物业服务+社区o2o服务。营造智慧社区生态系统,硬件是基础条件,辅之以其他各种便民服务。

    AI社区
  • 利用OpenCV进行人脸对齐

    人脸对齐,即根据图像中人脸的几何结构对图像进行仿射变换(旋转、缩放、平移等),将人脸变换到一个统一的状态。人脸对齐是人脸识别的一个重要步骤,可以提升人脸识别的精...

    OpenCV学堂
  • 爬了下抖音上的高颜值小姐姐

    如果一条条去刷确实很耗时间,如果 Python 能帮忙筛选出颜值高的小姐姐那就省了很多事。

    数据森麟
  • ICCV 2019 | 半监督损失函数,利用无标签数据优化人脸识别模型

    论文标题:Unknown Identity Rejection Loss: Utilizing Unlabeled Data for Face Recognit...

    小白学视觉
  • 面部识别必看!5篇顶级论文了解如何实现人脸反欺诈、跨姿势识别等(附链接)

    面部识别是计算机视觉中最大的研究领域之一。现在,我们可以使用面部识别来解锁手机,在安全门上验证身份,并在某些国家/地区进行刷脸支付。许多公司都投资于面部识别技术...

    数据派THU
  • OpenCV4 | 如何一行代码搞定SSD模型推理与结果解析

    最新版本OpenCV4.1.2,针对深度神经网络模块,提供了三个高阶的API,通过它们,自动实现输入图像预处理与后处理,直接输出检测结果,支持图像分类、对象检测...

    OpenCV学堂
  • 人脸识别升级版进美国高校遭抵制!CMU “教室监视”系统连老师也不放过

    继中国高校试水人脸识别进教室后,美国高校也“享受”到了类似的待遇,甚至还加入了姿势、动作识别。

    新智元
  • 【Jetson开发项目展示】用Jetson NANO做一个智能快递柜原型

    Amazon locker是一款知名的产品,它植根于美国,可以通过人脸认证自动将包裹递送到正确的客户手中。

    GPUS Lady
  • CPU上跑深度学习模型,FPS也可以达100帧

    英特尔从去年推出OpenVINO开发框架,从此以后几乎每三个月就更新一个版本,最新版本2019R03,但是此版本跟之前的版本改动比较大,所以在配置Python ...

    OpenCV学堂

扫码关注云+社区

领取腾讯云代金券