從移動支付到手機解鎖，從交通出行到旅游檢票，從門禁打卡到關卡安防，從銀行辦理到政務協助。。。。。。如今，憑借著便捷、安全、簡單等優勢，以人臉、指紋、語音等生物信息為基礎的識別技術，已經越來越多的出現在我們生活之中。它們通過對傳統密保方式的取代，不僅給人們的生活帶來了更多安全保障，同時也進一步推動了人們對便捷、智能生活的體驗。

而在眾多生物識別技術之中，人臉識別無疑當前是應用廣且火熱的一項技術。其在各行業領域的落地應用，快速開啟了人們“刷臉”的時代。相比傳統密保技術和其他識別技術，人臉識別具有方便、高效、避免接觸等多種優點，因此經常能在安防、刑偵等特殊領域做出貢獻。

比如今年以來，我們時常能看到人臉識別技術在明星演唱會上協助警察抓捕逃犯，以及前段時間貸款平臺工作人員通過人臉識別發現兇殺案真相等等。人臉識別的非接觸識別和廣范圍精準識別，給警察辦案帶來了更多證據和資料，通過拓展刑偵辦案的能力和效率，大大保障了社會的穩定與和諧。

不過，通過上述這些事件，人們在看到人臉識別給國家維穩帶來的巨大幫助時，同時也感受到了隱私信息遭暴露、時刻被監視的擔憂與恐懼。出于該原因，美國一些城市甚至已經明令禁用人臉識別，但這樣的辦法終究不可取。那么除了棄用之外，還有什么辦法能夠對抗人臉識別技術，保護人們的個人隱私呢？

反面部識別眼鏡

2016年11月，卡內基梅隆大學研究人員開出了一種反面部識別眼鏡，該種眼鏡可以讓攝像頭前的人顯示成為另一個人，在對商用級別面不是軟件的測試中，其誤認人臉的成功率為100%。

據悉，其原理是眼鏡的花紋采用了“攝動”圖案，該種圖案能夠通過小到像素級別的圖案欺騙識別系統。研究人員表示，這是利用了AI深度神經網絡的缺陷，對AI進行的有效欺騙。

而這樣一副眼鏡造價只需要0.22美元，用光滑的照片紙就能夠打印，十分的廉價和易制。

ETO算法

2017年，麻省理工和日本九州大學的研究人員創建了一種叫ETO的算法，該算法能夠成功騙過谷歌AI系統，讓系統將一幅3D打印的海龜照片識別為步槍，同時將3D棒球認成濃縮咖啡。

這種算法的具體用法是：研究人員用算法生成“對抗性”圖像，之后將圖像附加到3D打印的模型上，將這些模型拿去谷歌的圖像分類AI識別，便能起到很好的欺騙和誤導效果。換句話說，只要將算法生成的圖像附加到人臉之上，也應該能夠產生欺騙人臉識別系統的效果。

而類似的做法在俄羅斯便出現過，一家公司科技公司的技術總監和幾名黑客一起，開發出過“反面部識別算法”，這種算法的實現方式是，便是以化妝的方式在臉上畫出特定的線條，以此干擾面部識別技術。

“隱私濾鏡”

2018年，多倫多大學Parham Aarabi教授和研究生Avishek Bose的團隊開發了一種算法，可以動態地破壞人臉識別系統。他們的解決方案利用了一種叫做對抗訓練的深度學習技術，這種技術讓兩種人工智能算法相互對抗。

研究人員表示，在圖像識別領域，在圖像中添加小的、往往不可察覺的干擾就可以欺騙一個典型的分類網絡，使其將圖像錯誤地分類。這種被干擾的圖像被稱為對抗樣本，它們可以被用來對網絡進行對抗攻擊。

利用這一特點，研究人員開發了一種“隱私濾鏡”，可以干擾人臉識別算法。該系統依賴于2種AI算法：一種執行連續的人臉檢測，另一種設計來破壞前者。

腦門貼紙

今年，來自莫斯科國立大學和華為莫斯科研究院的科學家們研發出了一種特殊的紙符，符上有特殊紋路，可以迷惑AI。

據悉，該研究團隊想了一種方法，在紙片上生成了一種對抗攻擊圖像，讓其不再是一張平面的紙了，而是三維立體，能直接干擾和欺騙AI的紙。人們將該紙貼在腦門上，人臉識別系統便再也識別不出你的真正樣子了。

小結：

綜上我們看到，對于人們隱私的保護和人臉識別技術的對抗，我們完全可以從技術角度來解決。而在技術上，大家普遍采取的方法比較一致，都是利用AI系統的神經網絡漏洞，設計算法對其進行對抗攻擊，從而起到干擾、誤導和欺騙識別系統的效果。

不過，這種嘗試也進一步說明了人臉識別技術當前并不完善，仍然有很多被利用和攻擊的地方，現在我們可以利用漏洞保護人們隱私，不法分子也可以利用漏洞竊取隱私。因此未來，或許推動技術的成熟發展，才是保護人們隱私安全的真正良策。