La aplicación de maquillaje natural de una forma determinada puede hacer que los mecanismos de reconocimiento facial reduzcan su efectividad y que fallen en casi el 99 por ciento de las ocasiones a la hora de identificar a personas con éxito. Hasta el momento, los mecanismos existentes para comprometer la fiabilidad de los sistemas de reconocimiento facial requieren alterar el rostro de una forma significativa y que puede resultar sospechosa para las personas de alrededor. No obstante, el uso del maquillaje natural, como el usado habitualmente en la cosmética, puede reducir de forma muy importante la identificación facial, como ha descubierto una investigación académica realizada por la Universidad Ben-Gurion del Neguev (Israel). Con sistemas de reconocimiento facial como ArcFace, las pruebas de los investigadores lograron tener una efectividad del 47,6 por ciento en personas sin maquillaje, que se reduce al 33,7 por ciento con el uso de maquillaje de forma aleatoria. No obstante, aplicando maquillaje natural de una forma determinada, la efectividad de identificación de ArcFace llegó a reducirse hasta el 1,22 por ciento, en pruebas realizadas a 20 personas con dos cámaras, ángulos e iluminaciones distintas. Para realizar este ataque, se aplica el maquillaje de forma física, concentrado en las zonas del rostro que analizan los algoritmos a la hora de reconocer a una persona. Esto se detecta a través de la elaboración de un mapa de calor con el que se obtienen estas zonas, y posteriormente un programa de maquillaje digital desvela la forma adecuada de aplicar los productos por parte de un profesional. En el caso en que el maquillaje se aplica sobre el rostro de forma digital en la imagen, los investigadores lograron que el sistema no fuese capaz de identificar con éxito a ninguno de los participantes. Estos datos hacen que el umbral de efectividad de los mecanismos de reconocimiento facial estén "por debajo del umbral razonable en un entorno de operaciones realista", según describen los autores del estudio. -- Excélsior