人臉識別技術會帶來一場個人隱私的淪陷嗎觀點
9月12日，新一代iPhone面世，蘋果公司這款新產品最大的亮點之一就是全新的身份驗證系統——“Face ID”，即臉部識別功能。這一被形象地稱為“刷臉”的功能，基于被網友戲稱為“劉海兒”的“原深…
刷臉：從蘋果手機到“人臉閘機”
人機交互革命的開端，還是一場個人隱私的淪陷？
9月12日，新一代iPhone面世，蘋果公司這款新產品最大的亮點之一就是全新的身份驗證系統——“Face ID”，即臉部識別功能。這一被形象地稱為“刷臉”的功能，基于被網友戲稱為“劉海兒”的“原深感攝像頭采集系統”的運作，感應器會讀取用戶獨一無二的臉部幾何結構圖，并將它與被保護在 A11 仿生安全隔區內的數據進行對比，如果二者一致，iPhone X 便會解鎖。
蘋果公司提供的數據顯示，Face ID的紅外線發射器可以發射3萬個偵測點，以3D形式記錄和識別用戶面部，可以如Touch ID(指紋識別)一般解鎖手機、用Apple Pay支付和應用于第三方App中。也就是說，之前Touch ID能用的場景，Face ID將同樣能夠使用。
據蘋果公司統計，iPhone用戶平均每天要解鎖手機80次，有了人臉識別解鎖功能后，解鎖過程將被大大地簡化。
如此簡單的解鎖方式是否會有安全隱患？蘋果高層強調，人臉識別解鎖非常安全，手機使用3D形式認證用戶面部，只有當手機處于穩定狀態，而且用戶直視鏡頭的時候，才能開鎖，系統不會被面具或照片所蒙蔽。當用戶轉移視線或閉眼時，屏幕就會自動被鎖定。用戶的臉部信息數據將安全地存放在手機本地存儲里，不會被上傳到云端。
40年刷臉技術路
人臉識別屬于生物特征識別技術中的一種，它指的是對生物體(一般特指人)的生物特征來區分每一個個體。臉、指紋、手掌紋、虹膜、視網膜、語音、體形、個人習慣(如簽字)等生物特征的識別，都有相應的識別技術支持。這些特征常被視為便捷的身份認證形式，因為它們大多與生俱來，且具備唯一性。
人臉識別技術的研究從20世紀60年代就開始了。起初，這項技術還不是全自動的。程序會計算五官之間的距離和比例，再把得出的數據與數據庫里已有的參考值進行對比，但程序操作者需要手動“鎖定”臉部特征，如眼睛、耳朵、鼻子和嘴巴，實驗才能繼續。
到了上世紀70年代， 研究人員創造出一套可以自動識別人臉的程序，這套程序利用21個特定的面部特征，如發色和嘴唇厚度等等來判定人臉。80年代末，一項突破性的研究發現，要準確識別一張正常的人臉，只需要不到100個特定變量。
隨著1990年代計算機技術的高速發展，加之美國軍方因反恐需要開始資助相關研究，人臉識別技術才迅速從理論落實到應用上。美國國防部資助的FERET項目分別在1994年、1995年和1996年組織了3次人臉識別評測，幾種知名的人臉識別算法都參加了測試，這3次測評直接推動了人臉識別算法的改進。
“9·11”事件發生后，為了遏制恐怖襲擊，美國對人臉識別技術更加重視，并且在安防領域被更加廣泛地推廣應用。其后十年，人臉識別技術僅局限于安防領域，一直沒有實質性突破。雖然民用市場上也出現了這類產品，但大多只是集中在門禁、考勤和監控系統這類安防系統上。唯一的例外是2006年，尼康公司率先將人臉識別技術運用到產品當中，新款相機在拍攝時能自動搜尋人臉并優先對焦。
轉機出現在移動互聯網時代，巨頭們率先出手。2010年年底，Facebook(臉書公司)在美國率先推出使用人臉識別技術的“Tag Suggestions”功能，并于2011年6月將這一功能擴展到美國以外的大多數國家。谷歌也于2011年12月在Google+上推出類似功能“Find My Face”，允許用戶通過面部識別功能，自動尋找好友相冊中的自己。
之后兩年，上述兩家公司想分別收購多家人臉識別技術創業公司，如谷歌2011年收購的“匹茲堡模式識別”(PittPatt)；2012年Facebook收購的以色列臉部識別技術公司Face.com，試圖實現不用標注就能自動識別照片中的人物，幫助用戶進行照片分類。
2013年，芬蘭創業公司Uniqul推出了一款基于臉部識別系統的支付平臺，支付時只需要面對POS機屏幕上的攝像頭點個頭，并點擊“OK”即可。Uniqul 還對此技術申請了專利，并號稱擁有“軍用級別算法”的保護。這是全球第一次將人臉識別運用到支付領域。
2013年12月，Facebook在紐約創建了深度學習人工智能實驗室，力邀深度學習鼻祖Yann LeCun加入。在他的推動下，2014年Facebook的DeepFace技術臉部識別率的準確度達到97%。2015年，Yann LeCun公開表示，現在即便在圖像中沒有正臉，他們研發的程序也可以從用戶的發型、姿勢和體型判斷出其身份。2014年初，谷歌用4億美元收購了深度學習算法公司DeepMind以及圖片分析公司Jetpac，之后推出人臉識別技術 FaceNet。
在中國，百度在2014年5月也招納了深度學習領域的大牛吳恩達加盟成立深度學習研究院，2015年發布臉優產品。2015年3月，馬云在漢諾威消費電子、信息及通信博覽會上向德國總理默克爾與中國副總理馬凱演示了螞蟻金服的Smile to Pay刷臉技術，為嘉賓從淘寶網上購買了1948年漢諾威紀念郵票。
隨著移動設備處理能力的提升，人臉識別技術迅速突破安防領域，涌向日常應用，在金融系統、娛樂等其他領域發酵，創造了巨大的商業價值。
目前，深度學習正逐漸被應用于人臉識別中，深度學習將特征提取和分類兩個步驟融合在一起，利用神經網絡黑盒子的特性，計算出最適合的特征提取模式，直接跳過“特征提取影響識別結果”這一缺陷，讓算法更適用于不同的實際應用。
人臉識別技術的種類雖然繁多，但底層算法大同小異，識別圖片的“多樣性”和“精準性”才是衡量技術高低的重要標準。只有把一定規模的訓練數據“喂”給機器，提升它深度學習的能力，才能保證人臉識別技術在實際應用場景中達到預期的效果。這也就意味著，為了提高算法的準確性，大量的數據積累是必不可少的。
誰偷走了我們的“面紋”
以商場內部監控攝像頭的例子來說明，比較容易理解“刷臉”的原理：裝備了面部識別軟件的計算機將會對商場內的視頻影像進行檢測和識別。系統一旦發現任何可疑的“臉”，就會密切關注那個鏡頭中的每一張“臉”。當系統把圖像中的臉調整到合適的大小和方向后，就會進一步細致識別，并創建一個“面紋”。
面紋與指紋原理類似，即一組能夠區別人臉的組合特征。每個人眼睛、鼻子和嘴等面部特征之間的距離、面積和角度等幾何關系各不相同，一個大眼睛、小鼻子、薄嘴唇的“面紋”，就和小眼睛、大鼻子、厚嘴唇人的面紋不同。
把面紋與一張照片進行對比，可以驗證一個“已知人”的身份，比如公司對進入特定區域的員工進行身份驗證。面紋也可以與數據庫中大量的圖片進行對比，識別出一個“未知人”。可是，當光照變化、人臉有外物遮擋、面部表情變化時，特征變化較大，一個墨鏡就能極大地混淆面部識別系統。
此外，正在被識別的人對識別過程的配合程度也是決定面部識別成功與否的因素之一。因而，對有意識地進行面部識別的人進行識別就會比較簡單，比如刷臉支付時，顧客為方便軟件識別，就需要在合適的光線下直視攝像頭。
為了解決這些技術難點，提高面部識別的準確性，研發或應用人臉識別技術的公司正大量積累數據，期冀完善系統的深度學習能力。比如，作為美圖秀秀的合作方，Face++已經識別了超過10億張照片，現在還建立了數億張照片的名人圖片庫。而Facebook為了研究DeepFace技術，早已建立了一個來自于4030個人的440萬張標簽化的人臉池。Facebook希望通過深度學習算法，調查用戶在社交網絡上的行為和習慣，進而精準地推送信息。
智能硬件、攝像頭隨時隨地采集我們的個人影像資料，而這么長時間大規模地積累用戶數據，必然涉及個人數據與隱私保護的問題。
一個叫FindFace的手機應用，能讓用戶通過面部識別技術，僅憑一個人的照片，就能找到他在社交軟件上的賬號。表面上，這是聯系朋友、同事的絕佳方式，但這個程序很容易被濫用，人們可能會錯誤地用它來暴露他人身份或者造成騷擾。
2014年美國卡耐基梅隆大學的一位教授發現，經過谷歌圖片搜索一個匿名婚戀網站上的用戶照片，就能輕而易舉地人肉這些用戶的真實信息。迪士尼曾遭消費者投訴，它擅自使用人臉識別系統Trapwire獲取消費者的信用卡信息，為其推送他們可能感興趣的產品。
今年7月，沃爾瑪被爆出正在研發一種面部識別系統，識別顧客是否不高興，并為此申請專利。近日，兩名斯坦福大學研究人員開發出一套神經網絡算法，可以通過人臉識別來判斷出一個人的性取向，且該算法的測試結果準確率高達91%。這一研究成果及它可能帶來的歧視問題，令平權組織與LGBTQ群體深感不安。
更不用說將人臉識別技術和警用隨身相機、定位軟件和輔助實時跟蹤的機器學習等其他技術聯合使用——它們對打擊犯罪非常有利，卻也讓我們正常生活中的隱私也隨時暴露在公權力之下。
一直以來，歐美大量的消費者權利組織正關注這一問題，Facebook和谷歌也分別在德國和法國吃過罰單。歐洲監管機構在即將于2018年5月生效的《通用數據保護條例》中嵌入了一套原則，規定包括臉紋在內的生物信息屬于其所有者，使用這些信息需要征得本人同意，意味著歐盟對個人信息保護及監管達到了前所未有的高度。
“人臉閘機”已在首都機場測試
當然，也有一些專家表示，現在的人臉識別技術還很粗糙，大眾無需過于緊張，矯枉過正則會阻礙技術的發展。事實上，在某些情況下，你可以欺騙這些系統，讓它們以為自己看到或聽到了實際上不存在的東西。
現任谷歌研究員Alexey Kurakin等人工智能專家撰文解釋，神經網絡是有安全漏洞的。只要非常細微地改變一個圖像，神經網絡就會認為這個圖像包含了一些它實際上并沒有的東西，這些改變是人類的肉眼也感覺不到的——有時改變僅僅是在圖片的各處隨意添加了幾個像素。比如，操作者可以改變大象照片的幾個像素，然后欺騙神經網絡，讓它認為這是“一輛汽車”。研究人員把這些稱為“對抗樣本”。
不過，即便技術和法規層面都還不成熟，人臉識別技術的廣闊應用前景已被商界所認可。
金融行業有足夠的身份認證需求，且具備最廣闊的市場前景，被預估為“千億級”市場。實際上，中國的移動支付公司對于技術、安全、場景的需求領先于全球，對技術要求也更多，同時與身份認證相關的監管機構有十幾個，大家的關注點和側重點各不相同。
但習慣于“倒逼監管改革”的互聯網行業早已開始籌備自己的標準，并形成了在國際市場獲得普遍認可的FIDO、支付寶主導的IFAA，以及微信支付的SOTER三大認證體系。隨著近期IFAA、SOTER先后宣布開放身份認證能力，三大認證體系開始正面博弈。
在娛樂社交方面，人臉識別技術應用在游戲角色虛擬、VR/AR社交、表情交互或短視頻上，必然產生出全新的玩法。比如，最近Facebook上有一款名為Face Dance的小游戲，這款游戲和音樂類游戲相似，后者要在音符到達識別線之前按下正確的按鍵，而Face Dance則依靠人臉識別，根據游戲指示做出種種表情。游戲過程中，攝像頭還會把整個過程錄下來，讓用戶在社交網站上展示自己的“顏藝”，上傳各種搞笑視頻。
在安全方面，百度AI機器人與北京首都國際機場達成合作并已實施，百度人臉閘機已經入駐首都國際機場運控中心進行測試，主要承擔樓內辦公人員的出入打卡、數據監測工作。國際民航組織(ICAO)已確定，從2010年起，其118個成員國家和地區，必須使用機讀護照，人臉識別技術是首推的識別模式，該規定已經成為國際標準。
我們可以換手機，也可以在身份證、駕照上作假，但以目前的醫療技術，我們還沒法“換臉”。人臉識別技術有廣闊的前景，也潛藏著安全隱患。這項技術會是一場全新人機交互革命的開端，還是一場個人隱私的淪陷？我們拭目以待。
來源：中國新聞周刊/羅元婕
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
