從線上支付、考勤打卡到抓捕逃犯，不可否認，面部識別技術已經深入到我們日常生活的方方面面，但同時，它也存在爭議，隱私問題一直是眾多AI技術需要面對的難題。近日，亞馬遜因向執(zhí)法機構提供面部掃描技術而成為頭條新聞。

　　對人工智能監(jiān)視系統(tǒng)的擔憂，促使研究人員開發(fā)了一種針對它們的工具。近日多倫多大學教授帕勒姆·阿比拉和研究生阿維舍克·博斯發(fā)明了一種算法，可讓人臉識別率降至0.5%。

　　有了這項“反人臉識別”技術，我們能夠決定自己的臉是否會被識別嗎？

　　反人臉識別不陌生

　　其實這種反人臉識別技術早在前幾年就已出現。2016年11月，卡內基梅隆大學研究人員開發(fā)出一款反面部識別眼鏡。這種造價0.22美元的特制眼鏡可以用光滑的照片紙打印，團隊稱，眼鏡可讓攝像頭前的人顯示成為另一個人，在對商用級臉部識別軟件的測試中，誤認人臉的成功率達到100%。

　　2017年，麻省理工學院和日本九州大學的研究人員創(chuàng)建了一種叫做EOT（ExpectaTIon Over TransformaTIon）的算法，成功騙過谷歌AI系統(tǒng)，讓系統(tǒng)將一幅3D打印的海龜照片標記為步槍，將3D棒球認成濃縮咖啡，而可愛的貓咪則有時被當做鱷梨醬。

　　有研究人員擔憂，AI對3D物品的錯認，以及被設計用來欺騙機器視覺系統(tǒng)的對抗性圖像技術的突破，讓面部識別系統(tǒng)正面臨新一輪挑戰(zhàn)。在上述實驗中，將烏龜錯認成步槍正是對抗性圖像的一個例子，多倫多大學教授帕勒姆·阿比拉使用的也是這種方法。

　　對抗訓練技術受追捧

　　勒姆·阿比拉在最近發(fā)表的《基于約束最優(yōu)化的神經網絡的反面部識別系統(tǒng)》中介紹，他們在一個超過600張臉的行業(yè)標準庫中進行了系統(tǒng)訓練，用于測試的600張臉包含了不同種族、不同光照條件以及不同環(huán)境。

　　文章第一作者阿維舍克·博斯在接受媒體采訪時也表示，測試的關鍵在于訓練兩個神經網絡相互對立，一個創(chuàng)建越來越強大的面部檢測系統(tǒng)，而另一個創(chuàng)建更強大的工具來破壞面部檢測。

　　現代臉部識別軟件主要依賴于深度神經網絡--一種從大量信息中學習模式的人工智能技術。在被呈現過數百萬張人臉之后，該類軟件就能習得臉部概念，懂得如何分辨不同的臉。“這種反面部識別系統(tǒng)實際上就是通過生成式對抗網絡去形成一個最小最優(yōu)的變化，從而對現在面部識別的深度網絡進行攻擊。”中科視拓（北京）科技有限公司CEO劉昕說，但這種探索更多地還處于學術研究階段。

　　要實際應用還欠火候

　　劉昕說，上面提的一些反面部識別系統(tǒng)，訓練過程要求識別人臉的網絡是公開的，并且攻擊次數是不受限制的，而在實際中，這顯然難以實現。在實際環(huán)境中，面部識別系統(tǒng)是一個隱蔽系統(tǒng)，而且也不會允許被這樣反復攻擊。

　　“反人臉識別技術的誕生實質是對于隱私的擔憂。”劉昕說，目前，人工智能產業(yè)尚處于初級階段，技術的發(fā)展都具有兩面性，如何防止人們利用AI技術進行破壞行為是整個行業(yè)都需要思考的問題。

　　劉昕認為，這不僅需要立法層面的支持，也需要倫理方面的討論。同時對人工智能人才也要進行道德倫理教育，在立法的同時，通過行業(yè)自律來規(guī)避隱私泄露的風險。