AI-verktyg avlägsnar smink för att stoppa minderåriga från att kringgå ålderskontroller

Utseendet på ansiktskosmetik låter underåriga användare, mestadels flickor, glida förbi självporträttbaserade ålderskontroller på plattformar som datingappar och e-handelswebbplatser. Ett nytt AI-verktyg tar itu med denna kryphål, med hjälp av en diskriminerande modell som tränats för att sudda ut smink medan identiteten bevaras, vilket gör det svårare för minderåriga att lura automatiserade system.

Användningen av tredjepartsbaserade, självporträttbaserade åldersverifieringstjänster ökar, inte minst på grund av en allmän global trend mot onlineåldersbaserad verifiering.

Till exempel i den nya tillämpningsregimen som Storbritanniens Online Safety Act nu kräver, kan åldersverifiering utföras av en mängd olika tredjepartstjänster, med hjälp av olika metoder, inklusive visuell åldersverifiering, där AI används för att förutsäga användarens ålder (vanligtvis från live mobilkamerafilm). Tjänster som använder metoder av detta slag inkluderar Ondato, TrustStamp och Yoti.

Åldersuppskattning är dock inte ofelbar, och den traditionella bestämningen av tonåringar att förutse de rättigheter som hör till vuxen ålder, betyder att unga människor har utvecklat en mängd effektiva metoder för att komma in på datingplatser, forum och andra miljöer som förbjuder deras åldersgrupp.

En av dessa metoder, som oftast används av kvinnor*, är att använda ansiktskosmetik – en taktik känd för att lura automatiserade åldersuppskattningsystem, som vanligtvis överskattar åldern på unga människor och underskattar åldern på äldre människor.

Inte bara flickor

Innan protester uppstår mot att överväga smink som “kvinnofokuserat”, måste vi notera att närvaron av ansiktskosmetik på vem som helst är en mycket opålitlig indikator på kön:

I artikeln ‘Impact of Facial Cosmetics on Automatic Gender and Age Estimation Algorithms’ fann amerikanska forskare att könverifieringssystemen lurades av könsbytestrender. Källa: https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

År 2024 beräknades 72% av de manliga konsumenterna i USA i åldern 18-24 använda smink som en del av sin skötselrutin – även om de flesta använder kosmetiska produkter för att förbättra utseendet på frisk hud, snarare än att ge sig i kast med den typen av performerande mascaralipstickkombinationer som är mer förknippade med kvinnors visuella estetik.

Så vi kan inte annat än att behandla det material som studeras i denna artikel utifrån den vanligaste scenariot som undersöks i ny forskning – det vill säga att kvinnliga minderåriga använder smink för att kringgå automatiserade visuella åldersverifieringssystem.

Effektiv sminkborttagning – AI-sättet

Den ovan nämnda forskningen kommer från tre bidragsgivare vid New York University, i form av den nya artikeln DiffClean: Diffusion-baserad sminkborttagning för exakt åldersuppskattning.

Målet med projektet är att uppnå en AI-driven metod för att ta bort sminkets utseende från bilder (potentiellt inklusive videobilder), för att få en bättre uppfattning om personens verkliga ålder bakom sminket.

Från den nya artikeln, ett exempel på hur sminkborttagning kan påverka en åldersuppskattning. Källa: https://arxiv.org/pdf/2507.13292

En av de utmaningar som finns med att utveckla ett sådant system är den potentiella känsligheten kring att samla in eller kurera bilder av minderåriga flickor som bär vuxen smink. Till slut använde forskarna en tredjepartsbaserad generativt adversarial nätverksbaserad system kallad EleGANt för att artificiellt påföra sminkstilar, en teknik som visade sig vara mycket effektiv:

Tsinghua Universitys 2022 EleGANt-system använder ett generativt adversarialt nätverk (GAN) för att autentiskt lägga till kosmetik på källbilder. Källa: https://arxiv.org/pdf/2207.09840

Med hjälp av syntetisk data som erhållits på detta sätt, och med hjälp av en mängd olika hjälpprojekt och datamängder, kunde författarna överträffa de bästa metoderna för åldersuppskattning när de konfronterades med performerande eller “uppenbar” smink.

Artikeln säger:

‘DiffClean [tar bort] sminkspår med hjälp av en textstyrd diffusionsmodell för att försvara mot sminkattacker. [Det] förbättrar åldersuppskattning (minderårig/vuxen noggrannhet med 4,8%) och ansiktsverifiering (TMR med 8,9% vid FMR=0,01%) jämfört med jämförbara baslinjer på digitalt simulerade och riktiga sminkbilder.’

Låt oss ta en titt på hur de gick tillväga.

Metod

För att undvika att hämta riktiga bilder av minderåriga i smink, använde författarna EleGANt för att applicera syntetisk kosmetik på bilder från UTKFace-datamängden, vilket resulterade i före- och efterpar för utbildning.

Exempel från UTKFace-datamängden. Källa: https://susanqq.github.io/UTKFace/

DiffClean tränades sedan för att reversera denna transformation. Eftersom åldersuppskattningsalgoritmer oftast felar när de hanterar yngre åldersgrupper, fann forskarna det nödvändigt att utveckla en proxyåldersklassificerare finjusterad på målåldrarna (10-19 år). För detta ändamål använde de SSRNet-arkitekturen tränad på UTKFace, med en viktad L1-förlust.

En nedskalad version av den 2021 OpenAI diffusionsmodell tillhandahöll ryggraden för transformationen, med författarna som behöll kärnarkitekturen, men modifierade den med extra uppmärksamhetsdelar i olika upplösningar, djupare lager och BigGAN-liknande block för att förbättra uppsamplings- och nedsmplingsstadierna.

Riktad kontroll introducerades med hjälp av CLIP-prompt: specifikt, ansikte med smink och ansikte utan smink, så att modellen lärde sig att flytta i önskad semantisk riktning, vilket möjliggjorde att smink kunde tas bort utan att kompromissa med ansiktsdetaljer, åldersledtrådar eller identitet.

Syntetiskt smink applicerat med hjälp av EleGANt. Varje triplet visar den ursprungliga UTKFace-bilden (vänster), referenssminkstilen (mitten) och resultatet efter stilöverföring (höger). Sminköverföring av detta slag är vanligt i datorseende-litteraturen, och denna funktion är också tillgänglig i Adobe Photoshops neurala filter, som kan lika väl lägga till smink från en referensbild på en målbild.

Fyra nyckel förlustfunktioner styrde sminkborttagning utan att påverka ansiktsidentitet eller åldersledtrådar. Utöver den ovan nämnda CLIP-baserade förlusten bevarades identiteten med hjälp av en viktad uppsättning ArcFace-förluster från InsightFace-biblioteket – förluster som mätte likheten mellan den genererade ansiktsbilden och både den ursprungliga rena bilden och den “sminkade” versionen, vilket säkerställde att ämnet förblev visuellt konsekvent före och efter sminkborttagning.

Tredje, den perceptuella förlusten LPIPS (Lärda Perceptuella Likhetsskalor) använde L1-avstånd för att påtvinga pixelnivårealism och bevara det övergripande utseendet på den ursprungliga bilden efter att sminket hade avlägsnats.

Slutligen övervakades åldern med hjälp av en finjusterad SSRNet tränad på UTKFace-datamängden, med modellen som använde en smidig L1-förlust (med tyngre straff för fel i åldersintervallet 10-29 år, där feldiagnos är vanligast). En variant av modellen ersatte detta med en CLIP-baserad ålderprompt, som uppmanade modellen att matcha utseendet på en specifik ålder.

För åldersuppskattning vid inferenstid (till skillnad från användning av SSRNet vid tränningstid) användes 2023 MiVOLO-ramverket.

Data och tester

SSRNet-fine-tuning av UTKFace använde en träningsmängd på 15 364 bilder, mot en testmängd på 6 701 bilder. De ursprungliga 20 000 bilderna filtrerades för att ta bort alla över 70 år, och sedan delades de upp 70:30.

I enlighet med den tidigare metoden etablerad av 2023 DiffAM-projektet, fortsatte träningsprocessen i två steg, med den initiala sessionen som använde 300 riktiga sminkbilder (den här gången en 200/100-delning mellan tränings- och valideringsdata) från BeautyGANs MT-datamängd.

Modellen finslipades sedan ytterligare med hjälp av 300 ytterligare UTKFace-bilder, förstärkta med syntetiskt smink via EleGANt. Detta skapade en slutlig träningsmängd på 600 exempel, parade över fem referensstilar från BeautyGAN. Eftersom sminkborttagning innebär att mappa många sminkstilar till ett enda rent ansikte, fokuserade träningsprocessen på bred generalisering snarare än att täcka alla möjliga kosmetiska variationer.

Prestandan utvärderades på både syntetiska och riktiga bilder. Syntetisk testning använde 2 556 Flickr-Faces-HQ-bilder (FFHQ), jämnt sampade över nio åldersgrupper under 70, och modifierade med EleGANt.

Generaliseringen utvärderades med hjälp av 3 000 bilder från BeautyFace och 355 från LADN, båda innehållande äkta smink.

Exempel från BeautyFace-datamängden, som exemplifierar den semantiska segmenteringen som definierar olika områden av påverkad ansiktsyta. Källa: https://li-chongyi.github.io/BeautyREC_files/

Mätetal och implementering

För mätetal användes Medelabsolut fel (MAE) mellan grundvärdet (riktiga bilder med faktiska åldrar fastställda) och de förutsagda åldervärdena, där lägre värden är bättre; åldersgruppsnoggrannhet användes för att utvärdera om de förutsagda åldrarna hamnade i rätt grupperingar (där lägre värden är bättre); minderårig/vuxen noggrannhet användes för att utvärdera korrekt identifiering av 18+ personer (där högre värden är bättre).

Dessutom, även om det inte fokuserar på det specifika ämnet i fråga, rapporterar författarna också identitetsverifieringsmätetal i form av True Match Rate (TMR) och False Match Rate (FMR), med ytterligare rapportering av relaterade Receiver Operating Characteristic (ROC)-värden.

SSRNet finslipades på 64×64px-bilder med en batchstorlek på 50 under Adam-optimeraren med en viktminskning på 1e−4, samt en kosinusanpassningsschema och en inlärningshastighet på 1e−3 under 200 epoker, med tidig stoppning.

I kontrast fick DiffClean-modulen 256×256px-ingångsbilder och finslipades under fem epoker med Adam, med en grovare inlärningshastighet på 4e−3. Sampling använde 40 DDIM-inversionssteg och 6 DDIM-framsteg. All träningsprocess utfördes på en enda NVIDIA A100 GPU (oavsett om det var 40 GB eller 80 GB VRAM som användes).

Jämförbara system som testades var CLIP2Protect och den tidigare nämnda DiffAM. Författarna använde “matte”-sminkstilar i arbetsflödet, eftersom det har noterats i CLIP2Protect att det uppnår en högre framgångsgrad (förmodligen tillhandahåller en möjlighet för dem som försöker besegra denna metod – men det är en fråga för en annan gång).

För att replikera DiffAM som en baslinje, finslipades den förtränade modellen från BeautyGAN på MT-datamängden. För adversarial sminköverföring användes DiffAMs kontrollpunkt med standardparametrar för målmodellen, referensbilden och identiteten.

DiffCleans prestanda jämfört med baslinjer på åldersuppskattningsuppgifter, med hjälp av MiVOLO. Mätetal som rapporteras är minderårig/vuxen klassificeringsnoggrannhet, åldersgruppsnoggrannhet och medelabsolut fel (MAE). DiffClean med CLIP-åldersförlust uppnår de bästa resultaten över alla mätetal.

Av dessa resultat säger författarna:

‘Vår metod DiffClean överträffar båda baslinjerna, CLIP2Protect och DiffAM, och kan framgångsrikt återställa åldersledtrådar som störs på grund av smink genom att sänka MAE (till 5,71) och förbättra den övergripande åldersgruppsprediktionen (till 37%). ‘

‘Vårt mål fokuserade på minderåriga åldersgrupper, och resultaten visar att vi uppnår överlägsen minderårig/vuxen åldersklassificering på 88,6%.’

Sminkborttagningresultat från baslinje- och föreslagna metoder. Den vänstra kolumnen visar källbilder, den nästa utdata från CLIP2Protect och DiffAM. Den tredje kolumnen visar resultat från DiffClean via SSRNet och CLIP-baserad åldersförlust. Författarna hävdar att DiffClean tar bort smink mer effektivt, undviker funktionella distorsioner som ses i CLIP2Protect och de kvarvarande kosmetiska produkter som DiffAM missar.

Författarna noterar dessutom att smink inte har en enhetlig effekt på upplevd ålder, utan kan öka, minska eller lämna den upplevda åldern på ett ansikte oförändrad. Därför försöker DiffClean inte applicera en “blankettreducering” av den förutsagda åldern, utan försöker istället återställa de ursprungliga åldersledtrådarna genom att ta bort kosmetiska spår:

Sminkborttagningsexempel från CelebA-HQ- och CACD-datamängderna. Varje kolumn visar ett par bilder före (vänster) och efter (höger) sminkborttagning. I den första kolumnen minskar den förutsagda åldern efter sminkborttagning; i den andra förblir den oförändrad; och i den tredje ökar den.

För att testa hur väl DiffClean fungerade på ny data, kördes den på BeautyFace- och LADN-datamängderna, som innehåller äkta smink, men inga parade bilder av samma ämnen utan kosmetik. Åldersuppskattningar som gjordes före och efter sminkborttagning jämfördes för att utvärdera hur effektivt DiffClean minskade den distorsion som introducerades av smink:

Sminkborttagningresultat på riktiga bilder från LADN- (vänsterpar) och BeautyFace- (högerpar) datamängderna. DiffClean minskar de förutsagda åldrarna genom att ta bort kosmetik, vilket minskar gapet mellan upplevd och faktisk ålder. Vita siffror visar uppskattade åldrar före och efter bearbetning.

Resultaten visade att DiffClean konsekvent minskade gapet mellan upplevd och faktisk ålder. Över båda datamängderna minskade den överskattning och underskattning av åldern med cirka tre år i genomsnitt, vilket tyder på att systemet generaliserar väl till riktiga sminkstilar.

Slutsats

Det är intressant, och kanske oundvikligt, att performerande kosmetiskt smink skulle användas på ett antagonistiskt sätt. Med tanke på att flickor mognar i olika takt, men mognar konsekvent snabbare som grupp, kan uppgiften att identifiera gränsen mellan minderårig och vuxen kvinnlig status vara en av de mest ambitiösa som forskningsscenen har satt sig för.

Ändå kan tid och data så småningom avgöra konsekventa åldersrelaterade tecken som kan användas för att förankra visuella åldersverifieringssystem.

* Eftersom detta ämne inbjuder till laddad språk, och eftersom ‘flickor’ är exkluderande (medan ‘kvinnor och flickor’, den nu accepterade termen för kvinnliga personer, inte är en korrekt beskrivning i detta fall), har jag valt ‘kvinnor’ som den bästa kompromissen jag kunde komma på – även om det inte fångar alla demografiska nyanser, för vilka jag ber om ursäkt.

^† I denna artikel använder jag ‘performerande’ för att ange smink som är avsett att synas och erkännas som smink, såsom mascara, eyeliner, rouge och foundation, till skillnad från döljande krämer och andra ‘försiktiga’ typer av kosmetiska appliceringar.

Publicerad första gången fredagen den 18 juli 2025