Den hälsosamme ekonomisten

Nu kan vem som helst bli massövervakare

Möjligheten för datorer att identifiera ansikten blir bara bättre och bättre. Microsoft Azure har nu ett API som gör det möjligt att läsa in en miljon ansikten på trettio minuter. Detta innebär att man enkelt kan skapa en databas som identifierar enskilda individer baserat på en bild från exempelvis en webbkamera. Jag använder ett liknande system på min blogg, som väljer ut en lämplig bild baserat på vad jag skrivit om. Det API som jag använder kommer från Clarifai.

För den som vill kunna identifiera en godtycklig person på stan återstår dock ett problem - hur skapar man en databas över alla individer som kan komma i fråga?

Jag tror det enklaste sättet är att sätta upp en övervakningskamera på en valfri parkeringsplats - lämpligtvis vid biljettautomaten där det går att få en bra bild. När personen sedan sätter in sitt kreditkort i biljettautomaten är identifieringen klar. Du har kopplat ett namn till bilden.

Varför är det då intressant att skapa en databas med ansikten? Skälet är att databasen småningom kommer att vara så omfattande att en godtycklig individ kan identifieras enbart utifrån sitt utseende. Det går då att sätta upp en bevakningskamera som inte bara tar bilder, utan också identifierar individer. Tänk dig ett inbrottslarm som tilltalar den tilltänkte inbrottstjuven med namn:

"Egon Svensson, vårt bildanalysprogram visar att du bär med dig en kofot. Algoritmerna har därför kommit fram till att det är 95 procents sannolikhet för att du har kommit till den här villan för att bryta dig in. Du kommer väl ihåg vad som hände förra gången du gjorde inbrott i det här kvarteret? Enligt uppgifter från belastningsregistret hamnade du på Kumlaanstalten."

Med ett antal strategiskt utplacerade kameror kan man få en ganska bra bild över hur brottslingarna rör sig. Personer med prickar i belastningsregistret kan markeras med rött, dom som bara har betalningsanmärkningar med gult och de fullt kreditvärdiga med en grön prick. Man kan även ha en speciell färg för personer som gjort olämpliga inlägg på Twitter eller Facebook.

För att slippa ha så många kameror kan man använda en tjänst från företaget Libelium, som gör det möjligt att följa en godtycklig mobiltelefon. Varje mobil sänder nämligen ut sin MAC-adress (hårdvaruadress), vilket gör det möjligt att på många kilometers avstånd pejla in telefonen och därmed personen som äger denna. Bygger man in utrustning från Libelium i biljettautomaten kan man koppla mobilen, personen och kortet till en och samma identitet.

Med den här tekniken går det att med minimala resurser täcka en hel stad. Med minimala resurser menar jag att en enskild person skulle komma ganska långt i kartläggningen. Jag skulle enkelt, som ett proof of concept, kunna bygga en prototyp till en biljettautomat som hämtar in den information som krävs med hjälp av en dator av modell Raspberry Pi.

Mycket kompletterande information går att hämta från sociala medier och webbplatser. I den mån inlägg är offentliga kan djupare analyser genomföras. En potentiell arbetsgivare skulle redan innan anställningsintervjun veta allt som hen behöver veta om kandidaterna till ett jobb.

Känslig information, som kan användas för utpressning, skulle kunna tas fram genom samkörning av data. Om signalerna från en viss ministers telefon ofta sammanfaller med signalerna från en känd prostituerads telefon skulle datorn kunna dra vissa slutsatser på egen hand och uppmärksamma ägaren av systemet. För kriminella skulle informationen vara en guldgruva.

Kameran kostar tusen kronor, IMEI-läsaren femtusen, kortläsaren femtusen. Sedan vill man kanske göra själva analysen på en något mer kraftfull dator, men det handlar ändå om småpengar. Det här är inte något projekt som kräver NSA:s resurser - den tekniska utvecklingen har gjort tekniken åtkomlig för vem som helst.

Utländska säkerhetstjänster kan givetvis göra samma sak och gör det förmodligen. Men frågan är om dom behöver, eftersom Transportstyrelsen handskades lite vårdslöst med vårt körkortsregister? Där finns också annan information som kan vara svårare att få fram via öppna källor.

Det vore onekligen intressant att bygga upp sådana här profiler i liten skala bara för att testa. En kul applikation vore en dörrklocka som hälsar på besökarna med namn. Men jag får väl inse att jag inte har tid att göra ens det. Ska däremot testa Azures ansiktsigenkänningsprogram på min egna bilder. Det finns ju i Ruby, mitt favoritspråk, vilket är en fördel. Noterar att man i svaret (se nedan) får tillbaka ålder, kön och eventuell ansiktsbehåring - helt utan att man behöver lära modellen något.

"faceAttributes": { "age": 71.0, "gender": "male", "smile": 0.88, "facialHair": { "mustache": 0.8, "beard": 0.1, "sideburns": 0.02 }, "glasses": "sunglasses", "headPose": { "roll": 2.1, "yaw": 3, "pitch": 0 } }

Kommentarer