一張照片攻破人臉識別系統(tǒng)：能點(diǎn)頭搖頭張嘴，網(wǎng)友：太可怕！
相關(guān)閱讀：杭州程序員從互聯(lián)網(wǎng)跳央企，曬一天工作和收入，網(wǎng)友：待一年就廢
來源丨量子位（ID：QbitAI）
行早 發(fā)自 凹非寺
就在最近，央視網(wǎng)曝出了一種分分鐘攻破人臉識別的方法：
只需要一張照片的那種。
△ 圖源：央視網(wǎng)微博
在視頻的演示中我們可以看到，隨便一個人，用一段包含點(diǎn)頭、搖頭、說話等動作的驅(qū)動視頻。
雖然我們知道一張靜態(tài)圖，現(xiàn)在大概率是無法解鎖人臉識別。
但這樣動起來之后，結(jié)果可就不一樣了。搜索公眾號互聯(lián)網(wǎng)架構(gòu)師回復(fù)“2T”，送你一份驚喜禮包。
△ 圖源：央視網(wǎng)微博
央視網(wǎng)曝出的這段視頻，成功引發(fā)了網(wǎng)友們的熱議。
許多網(wǎng)友對這種攻破人臉識別系統(tǒng)的方式表示“可怕”：
讓照片動起來的DeepFake
雖然央視網(wǎng)這次并沒有直接點(diǎn)名具體所涉及到的技術(shù)。
但從效果上來看，DeepFake就可以做到這點(diǎn)。
DeepFake大家很熟悉了，簡單來說有兩種基本方法。
第一種是將兩個人的大量面部照片輸入編碼器，編碼器在壓縮圖像的同時提取出其面部共同特征。搜索公眾號互聯(lián)網(wǎng)架構(gòu)師回復(fù)“2T”，送你一份驚喜禮包。
然后在恢復(fù)圖像時，把第一個人的壓縮照片輸入另一個人的解碼器中復(fù)原，產(chǎn)生“交換“面部的效果。
第二種是生成對抗網(wǎng)絡(luò)（GAN），讓兩個AI算法（生成器和判別器）相互對抗。
由生成器輸入隨機(jī)噪聲并轉(zhuǎn)化為圖像添加到真實(shí)圖像中，經(jīng)判別器判別。
經(jīng)過大量的循環(huán)和訓(xùn)練后，二者都得到改進(jìn)，能夠輸出不存在的逼真人臉。
△ 圖源：3DCAT
但傳統(tǒng)的DeepFake需要有大量的原始數(shù)據(jù)，并且要經(jīng)過好幾天的訓(xùn)練才能達(dá)到高質(zhì)量的效果。
若是想達(dá)到實(shí)時的效果，怎么辦？
黎顥（沒錯，就是那個殺馬特教授）團(tuán)隊(duì)就提出，將DeepFake和他此前做的paGAN結(jié)合到一起，做了一個新系統(tǒng)。
如此以來，在不需要大量訓(xùn)練數(shù)據(jù)的情況下，這個系統(tǒng)也可以實(shí)時地渲染出合成圖像。
paGAN彌補(bǔ)了DeepFake需要大量訓(xùn)練數(shù)據(jù)的不足，簡單來說就是把訓(xùn)練的工作量都放到臺下去做。
實(shí)時渲染有三個問題需要克服：
需要處理大量數(shù)據(jù)以及使用更深層網(wǎng)絡(luò)訓(xùn)練更好的模型，需要生成高分辨率幀并且能夠并行或者安排任務(wù)。
而paGAN預(yù)先經(jīng)過大量的訓(xùn)練，分析過很多圖片的面部和表情。這樣內(nèi)部數(shù)據(jù)模型就可以在接觸到新的圖形時做出“條件反射”。
再加上paGAN使用了新的ML方法和更好的底層優(yōu)化，達(dá)到了實(shí)時渲染的效果。搜索公眾號互聯(lián)網(wǎng)架構(gòu)師回復(fù)“2T”，送你一份驚喜禮包。
△ 圖源：3DCAT
張鈸：人臉識別算法非常不安全
而這樣逼真的DeepFake人臉處理，只是諸多方法中的一種。
中科院院士、清華大學(xué)人工智能研究院院長張鈸，也稱這種算法很不安全，非常容易受到攻擊：
△ 圖源：央視網(wǎng)微博
而一旦人臉驗(yàn)證被攻破，一些門禁驗(yàn)證，支付驗(yàn)證都可能形同虛設(shè)。
這無疑給每個人的信息安全帶來了巨大的隱患。搜索公眾號互聯(lián)網(wǎng)架構(gòu)師回復(fù)“2T”，送你一份驚喜禮包。
對此，網(wǎng)友表示：早已沒什么隱私可言了，相對于人臉識別還是密碼更可靠。
