Viimeisten vuosien aikana FBI ja National Institute of Standards and Technology ovat työskennelleet yhdessä luodakseen tarkan tatuointitunnistustekniikan. Vuonna 2015 NISTin virkamiehet keräsivät tietokannan, jossa oli 15 000 kuvaa vankien tatuoinneista, ja jakoivat ne yritysten, tutkimuslaitosten ja yliopistojen kesken. Näiden 19 ryhmän tehtävänä oli suorittaa viisi erilaista kokeilua käyttäen tatuointitunnistustekniikkaa osoittaakseen kuinka tehokkaasti niiden algoritmit toimivat.
Grafiikka EKTR: ltä
Ensimmäinen testi oli, että tekniikka pystyi havaitsemaan, että valokuvassa oli tatuointi. Yksi tutkimukseen osallistuneista organisaatioista, MorphoTrak, käytti algoritmia, joka antoi 96,3%: n tarkkuuden sen määrittämiseksi, sisälsikö kuva tatuoinnin vai ei.
Grafiikka EKTR: ltä
Toinen suoritettu testi oli kehittää algoritmi, joka kykenee havaitsemaan ja tunnistamaan tietyn henkilön's tatuointi. Tämä tekniikka muistuttaa sormenjälkiä ja kasvojentunnistusta, koska sen avulla upseeri voi ottaa valokuvan henkilöstä's tatuoinnin tietokannan kautta selvittääkseen, onko pidätetty aiemmin. Tässä tutkimuksessa MorphoTrak pystyi saavuttamaan 99,4%: n tarkkuuden tatuointitunnistusalgoritmillaan.
Grafiikka EKTR: ltä
Seuraavaksi meillä on kiinnostava alue. Tämän tekniikan avulla lainvalvonta voi sovittaa pienen osan tatuoinnista suurempaan tatuoituun alueeseen. Tässä tutkimuksessa MorphoTrak keräsi 94,6% tarkkuutta kiinnostuksen kohteena olevan alueen algoritmillaan.
Grafiikka EKTR: ltä
Sitten on testi nimeltään sekatekniikka, joka vaatii algoritmin, joka voi yhdistää tatuoinnit toisessa mediassa olevaan kuvaan – esimerkiksi katukuvalliseen graffitiin tai jengi -symboliin. Toisin kuin aiemmat testit, organisaatiot eivät olleet yhtä onnistuneita luomaan tehokasta algoritmia tälle testille.MITER Corporation havaitsi tutkimuksessaan vain 36,5% tarkkuuden.
Grafiikka EKTR: ltä
Viimeisenä, mutta ei vähäisimpänä, NIST pyrki löytämään algoritmin, joka vastaisi eri ihmisten tatuointeja ja toimisi tietokantana yksilöille, joilla on erityisiä uskomuksia, ideologioita tai sidoksia. Lainvalvonnan tarkoitus käyttää tatuointien samankaltaisuustekniikkaa oli tunnistaa jengien ja viharyhmien jäsenet. Esimerkiksi kun Chicagon katujengi Gangster Disciples käyttää kuuden kärjen tähden symbolia, tämä tunnetaan myös Daavidin tähdeksi. Lisäksi tästä tekniikasta tulee ongelmallinen, kun sitä käytetään uskonnollisten vähemmistöjen sortamiseen tai erottamiseen – kuten natsi -Saksa käytti tatuointeja juutalaisten seurantaan holokaustin aikana.
Näiden tutkimusten valmistuessa todettiin, että näiden tatuointien tunnistusalgoritmien tarkkuuden varmistamiseksi tarvitaan vielä suurempi ja monipuolisempi kuvasarja. Ja vuonna 2018, kolme vuotta NISTin alustavien tutkimusten päätyttyä, FBI on nyt siirtymässä eteenpäin luomaan tekniikkaa, joka ei vain tunnista tatuointia vaan myös tunnistaa sen merkityksen.
Nykyään FBI toivoo tekniikkaa, joka pystyy määrittämään tarkasti ja tehokkaasti henkilön'tatuointi tarkoittaa. Vuosien ajan he'Olen käyttänyt TAG-IMAGE-nimistä järjestelmää käyttääkseen tatuointeja ihmisten tunnistamiseen, mutta nyt he etsivät tekniikkaa, jonka avulla he voivat tunnistaa henkilön'Sidokset musteen perusteella.
Fry totesi salausanalyysi- ja mailapalveluyksikön päällikön laatimassa esityksessä, että he tarvitsevat verkossa käytettävän, käyttäjien täyttämän tietokannan, jossa on instant i2i -hakutekniikka.
Tämä tatuointitarpeen tekniikka on herättänyt useita huolenaiheita, ja Electronic Frontier Foundation tai EFF toteaa sen "lainvalvonta voi käyttää tatuointeja lisätäkseen yksilöitä jengin tietokantoihin tai asettaakseen maahanmuuttajat etusijalle karkottamismenettelyssä." Nykyaikana tämä mahdollisuus on erityisen huolestuttava, ja joissakin tapauksissa, kuten ihmiskaupassa, tatuointeja voidaan käyttää jotakuta vastaan, jotta heidät voidaan tuomita valheellisesti jengiin kuulumisesta tai järjestäytyneestä rikollisuudesta.
Mitä mieltä olet FBI: stä?'s pyyntö kehittää tatuointi merkitys tekniikka? Luuletko, että tatuointiteollisuuden pitäisi pelätä, että näitä algoritmeja voitaisiin käyttää niitä vastaan? Kerro meille ajatuksistasi Facebookin kommenttiosassa.