一种新的数学模型增强了对人工智能识别风险的评估，提供了一种可扩展的解决方案，以平衡技术效益和隐私保护。

人工智能工具越来越多地用于在线和面对面跟踪和监控人们，但它们的有效性存在重大风险。为了解决这个问题，牛津互联网研究所、伦敦帝国理工学院和UCLouvain的计算机科学家开发了一个新的数学模型，旨在帮助人们更好地了解人工智能的危险，并支持监管机构保护隐私。他们的研究结果发表在《自然通讯》杂志上。

该模型首次为评估识别方法提供了坚实的科学框架，特别是在处理大规模数据时。它可以评估广告代码和隐形跟踪器等技术的准确性，这些技术基于最小的信息（如时区或浏览器设置）来识别在线用户，这一过程被称为“浏览器指纹”。

该研究的主要作者、牛津大学互联网研究所高级研究员Luc Rocher博士说： “我们认为我们的方法是一种新的方法，可以帮助评估数据发布中重新识别的风险，同时也可以评估关键、高风险环境中的现代识别技术。在医院、人道主义援助运送或边境控制等地方，风险非常高，对准确、可靠的身份识别的需求至关重要。”