人脸识别常见的三种技术（一张就能攻破人脸识别系统）

如今，看一眼手机，就能唤醒屏幕进行刷脸解锁。逛完超市，双手提着购物袋，看一眼收银台的终端设备，就能刷脸支付。如此便利的体验，都缘于人脸识别技术的普及。

不过，“刷脸”在给人们日常生活带来便利体验的同时，其安全性更是备受关注。就在最近，央视网曝出了一种只需要一张照片就能攻破人脸识别的方法。

技术人员演示，一张人脸图片和一段包含点头、摇头、说话等动作的视频，运用深度合成技术就能让人脸图片动起来。

一张静态图，大概率是无法破解人脸识别，但动起来之后视频，就能达到以假乱真，轻松攻破人脸识别系统。

想要实现让人脸图片动起来，其实非常简单，DeepFake技术就可以做到这点，简单来说有两种基本方法。

第一种是将两个人的大量面部照片输入到编码器中，编码器在压缩图像的同时提取出其面部共同特征。然后在恢复图像时，把第一个人的压缩照片输入另一个人的解码器中复原，产生“交换“面部的效果。

第二种是生成对抗网络（GAN），让两个AI算法（生成器和判别器）相互对抗。由生成器输入随机噪声并转化为图像添加到真实图像中，经判别器判别。经过大量的循环和训练后，二者都得到改进，能够输出不存在的逼真人脸。

而这样逼真的 DeepFake人脸处理，只是诸多破解人脸识别方法中的一种。每一种破解方法都是人脸识别系统的潜在威胁。在专业技术人员的眼中，目前大部分人脸识别技术并不是牢不可破。

中科院院士、清华大学人工智能研究院院长张钹，也称人脸识别算法很不安全，非常容易受到攻击：“人识别对方不会因为表情不一样、对方戴个眼镜，或者照明、看的角度偏一点，就不认识他，但计算机就很容易认不出来。”

而一旦人脸验证被攻破，一些门禁验证，支付验证都可能形同虚设，毕竟现在在社交平台上获取一个人的照片太简单，这无疑给每个人的信息安全带来了巨大的隐患。

如何加强人脸识别的安全性就成了当务之急，作为专业的人工智能数据服务商，数据堂从数据出发，采集了活体检测数据集、3D活体检测数据集等高质量的数据集，可做对抗样本使用，提高人脸识别技术安全性。

活体检测数据集

该数据集采集场景包括室内和室外，男女性别比例均衡，年龄分布为少年到老人，以中青年为主 ，数据包括多姿态、多表情、多对抗样本。采集动作精度、动作命名准确率、唇语命名准确率97%以上可用于刷脸支付、远程身份验证、手机刷脸解锁等任务。

3D活体检测数据集

该数据同样使用通用性非常高的iPhone X，iPhone XR进行采集。数据多样性涵盖了多表情、人脸多姿态、对抗样本、多种光照条件、多种场景。标注人员对被采集人的人物id、人种、性别、年龄、人脸动作、采集场景、光照条件进行标注。按照采集动作准确度为准，数据精度超过97%,数据可用于3D人脸识别、3D活体检测等任务。

Re-ID数据

数据包括室内场景和室外场景，年龄分布为儿童至老人，数据多样性包括不同年龄段、不同时间段、不同拍摄角度、不同人体朝向和姿态、不同季节服饰，标注人体矩形框和15种人体属性信息检测框合格率不低于97%，人体属性标注准确率不低于97%，标签标注准确率97%以上，数据可用于Re-ID等任务。

数据堂严格遵守相关规定，所采集的数据均已获得被采集人授权，致力于用高质量的数据推动人脸识别技术的发展、有效保障用户“刷脸”的安全性。

技术赋能“人脸识别”的初衷，是给人们的生活带去便利，并不是让个人隐私“裸奔”。在法律不断为人脸识别划定“红线”的同时，业界也需要树立起人脸识技术标准，设计并研发成熟的人脸识别解决方案。