Indholdsfortegnelse:
Video: How To Fix iPhone X Face ID Not Available (Oktober 2024)
Jeg hader adgangskoder. De er uklare, utrygge, lange og komplekse efter behov, svære at huske og lette at glemme. Og hackere har deres valg af måder at stjæle dem på: keyloggers, phishing-svindel og dataovertrædelser.
Men de mislykkes på forudsigelige måder.
Al den indsats, der er gået i at udvikle Face ID, er beregnet til at løse manglerne ved tidligere ansigtsgodkendelsesteknologier, som ofte kan narres med et stillbillede eller en flad video af et ansigt. Og for at være retfærdig har Apple gjort et godt stykke arbejde med at forhindre trivielle hacks. Virksomheden hævder, at sandsynligheden for, at en tilfældig person kan se på din iPhone X og låse den op med Face ID er cirka 1 ud af 1.000.000.
Men denne kompleksitet har introduceret sine egne udfordringer og fået Face ID til at opføre sig på uforudsigelige måder. Efter at have set på de skøre teknikker, som folk har brugt til at teste grænserne for Face IDs sikkerhed, har jeg stadig svært ved at definere et fælles mønster på måder, det har mislykkedes.
F.eks. Narrede Wires $ 1.000-maske af reporter David Pierce ikke Face ID. Men halvmasken af $ 150 og faste, trykte øjne fra det vietnamesiske sikkerhedsfirma Bkav låste iPhone X op. Og Face ID kunne fortælle forskellen mellem identiske tvillinger, men det troede på en mystisk måde, at en mor og hendes 10-årige søn var samme person. I to andre test kunne brødre, der var år med hinanden i mellem, låse den samme iPhone X op.
Fooling Face ID
I Apples forsvar er de demonstrerede fiaskoer alle kanter, og de fleste af dem er tvivlsomme. Der er grunde til at være mistænkelige over den metode, Bkav anvendte til at narre Face ID, og Apple har gjort det klart, at den statistiske sandsynlighed for en anden end dig, der låser din telefon op med Face ID, ændres, når denne person er din tvilling eller en slægtning, der ser meget ud ligesom dig.
Men hvad der bekymrer mig er, at Face ID's AI-algoritmer kan spilles. De ikke-så-lignende brødre, der formåede at låse den samme iPhone op, forklarede senere, hvordan de tvang den til at mislykkes og indtastede derefter adgangskoden manuelt flere gange. Selvom Apple er spændt over, hvordan dens teknologi fungerer, ser det ud til, at de to brødre var i stand til at træne algoritmen til at tro, at de var den samme person. Bkav kunne have brugt en lignende teknik for at narre iPhone til at tro, at masken var en variation af ejerens ansigt.
Face ID's fejl demonstrerer udfordringen ved maskinlæringsalgoritmer. I modsætning til traditionel software, som menneskelige udviklere leverer reglerne for, definerer maskinlæringssoftware sine egne regler ved at analysere store datasæt og skæve sammenhænge og fælles mønstre. For Face ID indtaster AI kort og billeder af dit ansigt og opretter sine egne regler for genkendelse af dig.
Problemet er, at vi ikke nøjagtigt ved, hvad disse regler er. Dette gør effektivt algoritmerne til sorte bokse, hvis opførsel og beslutninger ofte forvirrer brugere - og endda deres skabere. En AI-algoritme, der opfører sig underligt, er ikke meget af et problem, når den antyder, hvad du skal købe eller se på næste. Men når det træffes følsomme beslutninger, kan uforudsigelig opførsel resultere i kritiske fejl.
Når du er afhængig af en teknologi til at beskytte en enhed, der har adgang til et væld af følsomme oplysninger - konti på sociale medier, bankapps med mere - vil du vide dens grænser og hvordan det kan mislykkes. I denne forbindelse har Face ID hidtil vist sig at være mindre pålidelige. Indtil Apple bliver mere gennemsigtig om, hvordan Face ID fungerer, holder jeg mig med Touch ID på min iPhone 6s.
