Relatório atualizado do NIST, divulgado em agosto de 2025, traz novos resultados sobre a precisão e os limites da estimativa de idade facial
O avanço das tecnologias biométricas tem remodelado a forma como governos, empresas e plataformas digitais abordam a autenticação de identidades. Entre os campos mais desafiadores e debatidos está a estimativa de idade facial, uma técnica que utiliza algoritmos de visão computacional para inferir a faixa etária de um indivíduo com base em características visuais de seu rosto.
O Instituto Nacional de Padrões e Tecnologia (NIST), órgão de referência global em benchmarks de tecnologias biométricas, vem conduzindo avaliações rigorosas através da Facial Analysis Technology Evaluation (FATE). Essa iniciativa fornece dados independentes e padronizados sobre o desempenho de sistemas biométricos, permitindo que governos, reguladores e fornecedores entendam tanto os avanços alcançados quanto os limites ainda existentes.
O mais recente Age Estimation Validation (AEV), publicado em agosto de 2025, trouxe novos insights sobre o estado da arte na estimativa de idade, destacando empresas que lideraram os resultados, mas também reforçando pontos de atenção quanto a viés, confiabilidade e adequação regulatória.
O que é o FATE AEV do NIST?
A Facial Analysis Technology Evaluation (FATE) é um programa contínuo do NIST voltado para analisar algoritmos de reconhecimento e análise facial. Dentro desse guarda-chuva, a categoria Age Estimation Validation (AEV) avalia especificamente a capacidade de algoritmos de prever a idade de indivíduos com base em imagens capturadas em diferentes condições.
Essa métrica é crucial em áreas como:
- Verificação de idade online: plataformas de jogos, redes sociais e comércio eletrônico utilizam a estimativa de idade para limitar o acesso de menores a determinados serviços.
- Segurança infantil: soluções que ajudam a prevenir exploração e exposição de crianças em ambientes digitais.
- Controles regulatórios: exigências legais em setores como bebidas alcoólicas, tabaco e conteúdo adulto.
- Gestão de identidade digital: aplicações que buscam reforçar mecanismos de autenticação ou validação sem recorrer a documentos físicos.
O NIST utiliza métricas padronizadas, como o Erro Absoluto Médio (MAE) e a Taxa de Falsos Positivos (FPR), para classificar os algoritmos. O MAE mede a diferença média entre a idade estimada e a idade real do indivíduo, enquanto a FPR é crítica em cenários como o “Challenge 25”, que busca identificar menores de 18 anos tentando se passar por adultos.
Resultados mais recentes do benchmark (2025)
O relatório publicado pelo NIST em agosto de 2025 trouxe um retrato atualizado da performance dos algoritmos avaliados.
Entre os principais destaques:
- Regula ocupou a primeira posição em precisão (MAE), apresentando consistência em diferentes regiões geográficas, como Europa, África Oriental e Ásia.
- Idemia, Nominder e Cognitec se posicionaram logo em seguida, completando o grupo das cinco soluções mais bem classificadas em precisão. A Innovatrics também se destacou como líder em precisão (MAE) em múltiplas categorias.
- Outras empresas notáveis no ranking incluem CyberLink, Neurotechnology, Cvut e Innovatrics, compondo o top 10.
- No Challenge 25, a Idemia alcançou a menor taxa de falsos positivos, seguida de Regula, Cognitec e Nominder.
- Em segurança online infantil (13 a 16 anos), os algoritmos da Yoti lideraram com menor MAE, seguidos por Regula, Idemia e Cognitec.
Os resultados revelam avanços consistentes, mas também heterogeneidade: algoritmos podem apresentar excelente desempenho em um critério e limitações em outros.
O NIST enfatiza que tais benchmarks não devem ser interpretados como certificações de uso direto, mas como ferramentas comparativas de avaliação.
Avanços observados
Os relatórios do NIST apontam uma melhoria contínua nos algoritmos de estimativa de idade facial ao longo dos últimos anos. Essa evolução se deve a fatores como:
- Maior diversidade de datasets: Treinamentos mais robustos reduzem vieses relacionados a etnia, gênero e idade.
- Uso de aprendizado profundo: Redes neurais mais sofisticadas aumentam a capacidade de capturar padrões sutis de envelhecimento facial.
- Condições de captura mais realistas: O NIST tem utilizado imagens obtidas via dispositivos móveis, o que reflete melhor os cenários de uso real em ambientes digitais.
- Participação crescente de novos fornecedores: Além de líderes tradicionais como Idemia e Cognitec, empresas emergentes têm trazido inovação e competitividade ao benchmark.
Esses avanços ampliam a utilidade da tecnologia em cenários comerciais e regulatórios, ainda que sem eliminar preocupações fundamentais.
Limitações e riscos
Apesar das melhorias, o NIST reforça que a estimativa de idade facial não é uma solução completa.
Entre os principais riscos e limitações destacam-se:
- Viés demográfico: algoritmos podem apresentar maior precisão em determinados grupos étnicos ou faixas etárias, reforçando desigualdades.
- Variações contextuais: expressões faciais, uso de óculos, maquiagem ou iluminação podem alterar significativamente a estimativa.
- Risco de falsos positivos: especialmente crítico em cenários de proteção infantil ou controle de acesso a produtos restritos.
- Questões legais e éticas: ainda não há consenso regulatório global sobre a adequação do uso dessa tecnologia para tomada de decisão automatizada.
O NIST sublinha que os benchmarks têm caráter científico e comparativo, não normativo. Ou seja, os resultados não garantem adequação a regulamentos, nem autorizam o uso sem avaliação ética e legal contextualizada.
Reflexão sobre o futuro: o papel da privacidade, maturidade tecnológica e confiança digital
Os avanços apresentados pelo NIST reforçam um dilema central da identidade digital: como equilibrar segurança, privacidade e inclusão em soluções de autenticação, considerando o diferente estágio de maturidade de cada tecnologia.
Enquanto a estimativa de idade facial, agora amplamente testada e “benchmarkada” em cenários do mundo real, busca inferir informações sensíveis a partir de dados biométricos visíveis, tecnologias como as Zero-Knowledge Proofs (ZKPs) caminham na direção oposta: permitem provar um atributo (como ser maior de 18 anos) sem expor dados pessoais adicionais.
No entanto, é crucial notar que, ao contrário da biometria facial – já implementada comercialmente e com sua precisão continuamente medida –, as ZKPs ainda são predominantemente uma tecnologia emergente no campo da verificação de idade. Seu desenvolvimento, aplicação em escala e, principalmente, a validação de sua eficácia em ambientes operacionais complexos estão em estágios mais iniciais de maturidade.
Essa diferença de paradigma e de readiness tecnológico merece atenção. O próprio NIST tem acompanhado pesquisas sobre privacidade avançada e criptografia aplicada, incluindo o papel das ZKPs em esquemas de autenticação descentralizada. Embora ainda não haja integração direta entre os estudos do FATE AEV (focado em biometria) e as iniciativas em criptografia, a coexistência desses caminhos indica que o futuro da identidade digital pode se apoiar tanto em métricas biométricas mais precisas quanto em modelos criptográficos que minimizam a exposição de dados.
Assim, a reflexão é clara: a biometria de estimativa de idade, com seus avanços e limitações já bem documentados, pode ser útil e prática em determinados contextos hoje. Já as ZKPs representam um horizonte futuro de privacidade fortalecida, mas ainda não se equiparam à maturidade técnica e à adoção comercial das soluções de medição de idade. Portanto, o futuro mais provável tende a ser híbrido, combinando tecnologias distintas, em diferentes estágios de maturidade, em camadas de segurança complementares, onde cada uma contribui com sua força dentro de seu próprio nível de desenvolvimento.
Fontes de referência (texto e URL)
NEC Face Recognition Ranks First in NIST Accuracy Testing – https://www.necam.com/newsroom/pressannouncements/2025announcements/nist/
NIST – Face Analysis Technology Evaluation (FATE) – Age Estimation Validation (AEV) Results (2025) – https://pages.nist.gov/frvt/html/frvt_age_estimation.html
NIST – Face Technology Evaluations – FRTE/FATE – https://www.nist.gov/programs-projects/face-technology-evaluations-frtefate
NIST – Face Recognition Technology Evaluation (FRTE) 1:1 Verification – https://pages.nist.gov/frvt/html/frvt11.html
Innovatrics Ranks First in NIST FATE Age Estimation & Verification (AEV) Evaluation – https://www.innovatrics.com/news/innovatrics-ranks-first-in-nist-fate-aev/
NIST Guidelines Can Help Organizations Detect Face Photo Morphs, Deter Identity Fraud – https://www.nist.gov/news-events/news/2025/08/nist-guidelines-can-help-organizations-detect-face-photo-morphs-deter
Introducing NIST FRTE and FATE – https://www.paravision.ai/news/nists-face-recognition-benchmark-evolves-introducing-frte-and-fate/
NIST – Face Analysis Technology Evaluation (FATE) Quality – https://pages.nist.gov/frvt/html/frvt_quality.html
No Clear Winner in NIST Age Estimation Assessment – https://idtechwire.com/no-clear-winner-in-nist-age-estimation-assessment/
NIST Reports First Results From Age Estimation Software Evaluation – https://www.nist.gov/news-events/news/2024/05/nist-reports-first-results-age-estimation-software-evaluation
Verificação Etária no Brasil e no Mundo: Avanços Legislativos e Soluções Tecnológicas
Identidade Digital
Na era da computação quântica gestão de identidade deixa de ser um recurso técnico e passa a ser um ativo estratégico de governança. Leia mais sobre esse tema aqui!
Acompanhe como o reconhecimento facial, impressões digitais, biometria por íris e voz e o comportamento das pessoas estão sendo utilizados para garantir a identificação digital precisa para mitigar fraudes e proporcionar aos usuários conforto, mobilidade e confiança.
Leia outros artigos de nossa coluna de Biometria!
Siga o Crypto ID no LinkedIn agora mesmo!
