整理 | 鄭麗媛
出品 | CSDN（ID：CSDNnews）
人臉識別，近年來已逐漸滲透進我們生活的方方面面：上班打卡、小區入口、消費支付、銀行業務辦理…都與這項基于人的臉部特征進行身份識別的高科技有著密不可分的關系，
但每次進行人臉識別的時候，你腦中會不會閃過一個念頭：有沒有那么一張臉，“大眾化”到即便沒有事先錄入，也能通過人臉識別？
近來，以色列特拉維夫大學的一組研究人員表示，他們通過機器學習演算法成功創建了 9 張 Master face，這些面孔足以冒充 40% 的人，能夠繞過“三個先進的深度人臉識別系統”，
一、由“萬能指紋”聯想到“萬能人臉”
相比人臉識別，指紋識別技術普及得更早，因此早在 2017 年就有人研究“萬能指紋”的可能性；2017 年 9 月，資訊安全期刊 IEEE Transactions on Information Forensics and Security 上發表了一篇文章《MasterPrint：探索基于部分指紋的身份驗證系統漏洞》，（注：MasterPrint 指一種可冒充大量人群部分指紋的合成指紋，）
這篇論文主要研究了生成“MasterPrint”的可能性，其背后研究團隊通過對光學指紋資料集和電容指紋資料集的初步分析，發現確實可以定位或生成可用于冒充大量用戶的部分指紋，
基于此，特拉維夫大學研究人員獲得靈感，也使用了類似方法來生成“萬能人臉”，即 Master face，研究團隊稱其“可用來冒充任何用戶，而且成功的可能性很高，無需訪問任何用戶資訊”，研究步驟如下：
-
首先，該研究團隊利用 Nvidia 的 StyleGAN 系統（英偉達 NVIDIA 發布的一個影像生成技術，可生成虛假的人臉數字影像）創建逼真的“假臉”影像；
-
隨后，將每張“假臉”與人臉資料集 Labeled Faces in the Wild（LFW）中 5749 個人的真實照片進行比較；
-
再用一個單獨的分類器演算法判定人工智能生成的“假臉”與資料集中真實人臉的相似度，保留分類器相似度得分高的影像，其他影像忽略，
-
研究團隊根據這些分數進行演算法和神經網路的優化與訓練，以使 StyleGAN 創建越來越多看起來像是資料集中真人的虛假人臉，
通過大量反復試驗，該研究團隊終于創建出了一組 Master face，宣稱只要用 9 張人臉就可以代表 LFW 人臉資料集中 40% 的人，
在這之后，他們便嘗試用這些 Master face 在三種不同的人臉識別系統 Dlib、FaceNet 和 SphereFace 中進行測驗，最終經過不斷優化，該研究團隊聲稱：“我們創建的 9 張 Master face 能夠覆寫 42%-64% 的人臉資料集，”許多外媒更是將之稱為“人臉識別的萬能鑰匙”，
二、人臉識別的“萬能鑰匙”只是噱頭
但從以上 9 組影像，我們可以輕易發現一個問題：分數高的 Master face 幾乎都是滿頭白發、不戴眼鏡、沒有胡須的老年白人男性形象，并且根據分數也可以看出，女性、膚色較深和較年輕的面孔排名較低，
如果按照特拉維夫大學研究團隊的說法“這些影像能夠代表大量的 LFW 資料集”，這就意味著 LFW 人臉資料集存在一定不足，
查看 LFW 官網后，果然發現了問題所在，LFW 官網的免責說明中提到：
“許多人群在 LFW 中沒有得到很好的代表，例如，孩子很少，沒有嬰兒，80
歲以上的人很少，女性比例相對較小，此外，許多種族的占比非常低或者根本就沒有，”
LFW 也坦白承認：“簡單地說，LFW 還不夠大，不足以證明某個軟體已經被徹底測驗過，”
對此，來自特拉維夫大學電氣工程學院、同時也是該論文的合著者兼研究員 Tomer Friedlander 回應：“雖然 LFW 的確存在一定局限性，但它仍是用于評估人臉識別方法的學術文獻中廣泛使用的資料集，”
可是，不僅 LFW 存在局限，該研究用來測驗 Master face 選取的三個人臉識別系統 Dlib、FaceNet 和 SphereFace 似乎也有一定偏頗：這些系統并非商業面部識別系統，并且在對 LFW 資料集進行最佳人臉匹配演算法的基準測驗中排名最高，
關于這點，該項研究論文的主要作者 Ron Shmelkin 解釋道：“之所以選取這三個人臉識別系統，是因為它們能夠識別臉部的高級語意特征，而這些特征比膚色或燈光效果更復雜，”
但不論如何，用存在缺陷的資料集創建冒充大部分人臉以解鎖人臉識別系統的 Master face 實驗雖然有趣，但顯然還不夠成熟，眾多外媒認為它是人臉識別的“萬能鑰匙”也有些夸大了，
三、實驗僅作為人臉識別的安全研究
另外，這項實驗僅用作人臉識別系統的安全研究，Tomer Friedlander 也補充說道：“我們還沒有針對現實生活中使用的商業人臉識別系統進行測驗，因此不能用以參考現實生活中的系統，”
該研究論文最后寫道：“即使沒有目標身份的資訊，基于人臉的身份驗證也是極其脆弱的”，因此這項實驗的最終目的并非是要研究出可以騙過現實中人臉識別系統的 Master face，而是如 Tomer Friedlander 所說：“我們的論文只是提出了人臉識別系統可能存在的漏洞，攻擊者可以利用該漏洞，因此，人臉識別方法的開發者和用戶都應該考慮到這一點，”
研究團隊也建議將制造 Master face 的方法視為人臉識別系統的安全性漏洞之一，以此進行系統的安全優化，而據 Tomer Friedlander 透露，該研究論文已被今年 12 月即將舉行的 IEEE 自動人臉和手勢識別大會所接納，
參考鏈接：
-
https://ieeexplore.ieee.org/document/7893784
-
https://arxiv.org/pdf/2108.01077.pdf
-
https://www.theregister.com/2021/08/10/ai_master_face/
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/293783.html
標籤：其他