I vostri dati sono protetti

Veridas offre le sue soluzioni principalmente in modalità SaaS (Software as a Service), fornendo ai nostri clienti le credenziali per poter utilizzare le nostre soluzioni ospitate nel cloud. In questi casi, il flusso di dati è quello descritto sopra:

1. Si ottengono le prove (cattura del documento d’identità, foto selfie, registrazione audio…).
2. Le prove vengono inviate ai sistemi Veridas ospitati nel cloud, dove vengono effettuate le verifiche del caso.
3. I risultati della convalida e le prove vengono inviati all’azienda cliente.

In questi servizi agiamo sempre in qualità di Responsabili del trattamento dei dati, previa sottoscrizione di un Contratto di trattamento dei dati e sempre nel rispetto degli altri obblighi e precauzioni previsti dalla normativa.

A causa del modo in cui funziona Internet, può capitare che, quando un processo si svolge senza che noi vediamo più di una schermata di caricamento, ci sembri che questo processo stia “fluttuando come una nuvola” da qualche parte nel cyberspazio. Tuttavia, che qualcosa sia nella nuvola significa in realtà che si trova su server molto reali, situati in un luogo molto reale.

Nel caso di Veridas, utilizziamo normalmente il cloud di Amazon Web Services, dove implementiamo i nostri sistemi per fornire il servizio a tutti i nostri clienti. Per impostazione predefinita, questo cloud è ubicato su server nello Spazio economico europeo (Germania e Irlanda). Inoltre, quando il cliente di Veridas opera nelle Americhe e viene concordato di comune accordo, è possibile utilizzare anche server situati negli Stati Uniti (Virginia e Oregon).

Un motore biometrico è il nome dato all’insieme di algoritmi che trasformano i dati del volto o della voce (ottenuti, nel nostro caso, attraverso una fotografia, un video o una registrazione vocale), nel cosiddetto “vettore biometrico”: un dato biometrico, perché sottoposto a uno “specifico trattamento tecnico”, costituito da una catena di numeri irreversibili (che non permettono di ricostruire i dati da cui sono stati creati).

Per intenderci, se assimilassimo una fotografia ai chicchi di caffè, il motore biometrico sarebbe un macinino da caffè, e il vettore biometrico la polvere di caffè, una volta trattata e separata da quelle componenti che non sono utili allo scopo per cui deve essere utilizzata.

Come nel caso del macinino, ogni versione di ogni motore biometrico ha un modo speciale e unico di lavorare e “macinare” i dati, che converte le immagini dei volti o le voci delle persone in un codice speciale e unico, impossibile da leggere anche da versioni diverse dello stesso motore. Per continuare con la similitudine, sarebbe come se, inoltre, questo caffè potesse essere utilizzato solo in una specifica macchina da caffè; non per la confezione, ma per le caratteristiche della polvere di caffè stessa.

Nell’addestramento di un motore biometrico possiamo distinguere due fasi, per le quali devono essere creati due database distinti e separati:

• Fase di addestramento: durante questo processo, il motore biometrico viene “alimentato” con il primo dei database in modo che impari a distinguere quei tratti caratteristici di ogni persona o documento che consentono di effettuare un riconoscimento affidabile. Ciò si ottiene facendo in modo che il motore “impari” a identificare i volti fornendogli un numero enorme di esempi da analizzare.
• Fase di test: il secondo database serve a testare l’IA addestrata. Il suo scopo è verificare che il motore biometrico funzioni come previsto, per scoprire se ci sono bug, distorsioni, eccetera.

Il motivo per cui si tratta di database diversi è che, se testassimo i motori con gli stessi dati con cui sono stati addestrati, essi li “conoscerebbero” già, quindi non potrebbero fallire! Quindi ci imbroglieremmo da soli….

Ovviamente, nella scelta dei database da utilizzare per questi scopi viene prestata particolare attenzione, in quanto devono essere conformi ai requisiti di informazione e consenso previsti dalla normativa sulla protezione dei dati personali. Ad esempio, non addestriamo mai i nostri sistemi utilizzando i dati che “passano” attraverso il nostro motore biometrico quando i nostri clienti utilizzano i nostri sistemi in produzione, ovvero no utilizziamo i dati del cittadino che sta dimostrando la propria identità attraverso la nostra soluzione. I sistemi vengono addestrati solo nelle fasi di sviluppo e non una volta che la soluzione è in produzione, quindi non utilizziamo mai i dati degli utenti. 

Questo è uno dei punti in cui i progressi della biometria sono stati più rilevanti. In primo luogo, perché sono stati raggiunti livelli di affidabilità molto più elevati (dal 96% con la tecnologia di riferimento a oltre il 99% con l’intelligenza artificiale).

In secondo luogo, perché con il vecchio metodo si procedeva a “mappare” il volto di una persona e poi a criptare questi dati che, in caso di furto e decriptazione, potevano essere utilizzati. In altre parole, si selezionavano alcuni punti del volto (sopracciglia, occhi, labbra, ecc.) e se ne misuravano le distanze (da qui il termine “bio-metria”). Il vettore veniva quindi costruito come sintesi di queste misure e memorizzato per un confronto futuro. Questa tecnologia aveva quindi il problema che, in caso di furto e decrittazione dei dati, si otteneva una “mappa di coordinate” del volto della persona che poteva essere utilizzata per riconoscerla o addirittura per accedere in modo fraudolento a determinati luoghi fisici o virtuali.

Con la tecnologia AI, invece, si ottiene un “vettore biometrico”, una stringa di numeri creata da uno specifico motore biometrico; si può dire che questi dati sono creati in un “linguaggio” che può essere parlato solo dal motore biometrico stesso. Ciò ha due implicazioni fondamentali:

• Da un lato, questi vettori sono irreversibili, il che significa che non è possibile, a partire da un vettore biometrico, tornare al volto o alla voce da cui è stato generato. Solo il motore biometrico che lo ha generato può interpretarne il contenuto e utilizzarlo per il confronto con uno o più altri vettori.

• D’altra parte, questi dati non sarannonemmeno interoperabili (non potranno essere utilizzati in altri sistemi diversi), poiché ogni versione specifica di ogni motore biometrico genera, a partire da una fotografia o da una registrazione, un vettore biometrico unico che solo quel sistema specifico sa come interpretare. Pertanto, il vettore biometrico non può essere utilizzato in altri sistemi, il che limita notevolmente il rischio di uso non autorizzato. Allo stesso modo, una nuova versione del motore biometrico genererebbe vettori biometrici diversi; questo potrebbe non essere molto positivo dal punto di vista tecnico, ma dal punto di vista della protezione dei dati è un vantaggio perché, sebbene il volto sia sempre lo stesso, se necessario il vettore biometrico può essere rigenerato semplicemente cambiando il motore biometrico.

Infine, ma non meno importante, questi vettori sono a loro volta protetti da molte altre misure di sicurezza. Nel complesso, si raggiunge un livello di sicurezza molto elevato, perché anche se qualcuno dovesse accedere impropriamente a questi vettori, non sarebbe in grado di fare nulla con essi.

Il riconoscimento facciale Veridas, basato sull’Intelligenza Artificiale, ha un livello di sicurezza più elevato rispetto ad altri mezzi tradizionali, anche fisici: non richiede la memorizzazione di utenti o password (che possono essere smarrite o rubate), ma della propria chiave di accesso, e a volte può essere persino più affidabile di un essere umano nel decidere se una persona è la stessa che appare nell’immagine di un documento di identità.

L’ottimizzazione dei processi di identificazione e verifica si riflette anche in una minore necessità di accesso del personale a tutti questi dati personali, migliorando così le garanzie di conformità alle normative sulla protezione dei dati.

Inoltre, presenta i già citati vantaggi in termini di sicurezza: l’IA genera un identificatore (vettore biometrico) che 1) è irreversibile, per cui in caso di accesso agli identificatori non sarebbe possibile recuperare il volto della persona, e 2) non è interoperabile, mancando di utilità se non viene utilizzato all’interno della specifica versione del motore biometrico che li ha generati, poiché ogni versione ha un modo unico di generarli e, quindi, anche la sua capacità di interpretarli.

Lo stesso vale per il riconoscimento vocale.

Un bias, in biometria, può essere definito come l’esistenza di cali significativi nelle prestazioni quando la tecnologia viene applicata a determinati gruppi di dati o persone, anche se in linea di principio è stata progettata per essere utilizzata con loro. Ad esempio, il sistema potrebbe non riconoscere una persona di colore come una persona caucasica.

Detto questo, il punto di partenza è tenere presente che i pregiudizi non sorgono perché la tecnologia biometrica li genera da sola: sorgono quando ci sono stati errori nella fase di progettazione. La fonte principale (anche se non l’unica) di questo tipo di errore è l’addestramento di un motore biometrico da parte dell’IA con database già distorti. Tornando all’esempio precedente, se gli forniamo solo fotografie di uomini caucasici, molto probabilmente avrà difficoltà a riconoscere donne o persone di altre etnie.

Il “segreto” (e il nostro obbligo) sta quindi nel progettare e programmare correttamente l’intero piano di lavoro, di cui una parte essenziale è la scelta accurata delle informazioni (fotografie, video, registrazioni vocali…) da utilizzare per “insegnare” all’intelligenza artificiale.

Infine, c’è una fase successiva all’addestramento, il cui scopo è garantire che il sistema sia privo di pregiudizi ed errori: il “test”. Durante questa fase, il motore biometrico viene sottoposto a vari test utilizzando database specifici, che porterebbero alla luce l’esistenza di quasi tutti i problemi che potrebbero esistere.