Gesichtsmasken bieten doppelten Schutz: Sie helfen gegen die Ausbreitung des Coronavirus – und dagegen, von Gesichtserkennung erkannt zu werden. Laut einer Studie des US National Institute of Standards and Technology (NIST) kommen selbst die besten der 89 untersuchten Gesichtserkennungsalgorithmen nicht gut mit maskierten Gesichtern klar. Die Fehlerrate gegenüber dem Originalbild ohne Maske liegt durch die Maske zwischen 5 und 50 Prozent.
Für die Untersuchung (PDF) setzte das Forschungsteam neun verschiedene Maskenformen digital auf die Originalfotos und testete damit die Leistung der Algorithmen. Die digitalen Masken waren schwarz oder im hellblau chirurgischer Masken gehalten. Es gab Masken, welche die Nase mitbedecken und welche ohne. Das Team verglich dann die Ergebnisse mit der Leistung der Algorithmen bei unmaskierten Gesichtern.
Die akkuratesten der untersuchten Gesichtserkennungssysteme hatten bei unmaskierten Gesichtern eine Fehlerrate von 0,3 Prozent. Bei Maskenbildern stieg die Rate bei den besten Algorithmen auf fünf Prozent, bei den meisten untersuchten Algorithmen jedoch auf 20 bis 50 Prozent.
Heraus kam auch: Die Algorithmen kamen mit runden Masken besser zurecht und mit den hellblauen besser als mit schwarzen Masken. Je mehr die Nase von der Maske bedeckt ist, desto schlechter konnten die Algorithmen das Gesicht erkennen.
Algorithmen werden mit maskierten Gesichtern gefüttert
Der jetzige Vorteil von maskierten Gesichtern gegenüber der Gesichtserkennung könnte allerdings von kurzer Dauer sein. Derzeit arbeiten Forschende und Überwachungsunternehmen daran, ihre Computer mit Datensätzen maskierter und unmaskierter Menschen zu füttern, damit die Algorithmen auch maskierte Menschen besser erkennen. NIST kündigte für den Spätsommer eine weitere Studie an, bei der die Algorithmen die Maskierung stärker berücksichtigen würden.
Gesichtserkennungsforscher:innen und Überwachungsunternehmen nutzen derzeit auch Selfies von Menschen mit Masken auf Instagram-Accounts, weil sie dort Bilder sowohl mit und ohne Maske der gleichen Personen vorfinden. Ein solches Abgrasen von Bildern im Internet hatte auch die Recherche von netzpolitik.org zum Unternehmen PimEyes aufgedeckt.
Den Sicherheitsapparaten verursacht das Tragen von Masken zumindest derzeit noch Kopfschmerzen. In einem internen Bulletin warnte zum Beispiel die US-Behörde Department of Homeland Security (DHS) schon Ende Mai, dass die weit verbreitete Maskennutzung der polizeilichen Gesichtserkennung Probleme bereite. Das geht aus den BlueLeaks hervor, einem fast 300 GB großen Datensatz, der aus US-Polizeicomputern stammt.
Im Bulletin heißt es: „Wir gehen davon aus, dass gewalttätige Extremisten und andere Kriminelle, die seit jeher ein Interesse daran haben, die Gesichtserkennung zu vermeiden wahrscheinlich opportunistisch [..] das Tragen von Gesichtsmasken empfehlen werden, um die Wirksamkeit von Gesichtserkennungssystemen in öffentlichen Räumen [..] zu behindern“.
Grundrechtsfeindliche Technologie
Gesichtserkennung ist eine grundrechtsfeindliche Technologie. Dabei geht es unter anderem um Fehler bei der Erkennung, die auf einem rassistischen Bias der Daten beruhen. Weil Gesichtserkennungssysteme bei People of Color eine höhere Fehlerquote als bei weißen Personen haben, sind sie vom Einsatz der Technologie besonders betroffen. Jeder Fehlalarm kann dazu führen, dass eigentlich unverdächtige Personen überwacht, durchsucht und festgehalten werden, was für diese traumatisierend und stigmatisierend sein kann.
Doch nicht nur der rassistische Bias ist ein Problem der Technologie: Gesichtserkennung erhöht mit „dem Nummernschild im Gesicht“ die allgegenwärtige Überwachung, bedroht Grundrechte wie die Versammlungsfreiheit und schafft letztlich die Privatsphäre ab.
In Deutschland setzt sich unter anderem das Bündnis „Gesichtserkennung stoppen!“ gegen diese Hoch-Risikotechnologie ein. Dem Bündnis gehören zahlreiche Digital- und Bürgerrechtsorganisationen an.