人臉識別技術如今已經廣泛應用于人們的生產生活中，但大量生物信息的驗證也不免引起了人們的擔憂，如果該技術被破解了怎么辦？

　　近日，被譽為計算機視覺獨角獸的曠視CEO印奇現身第三屆人工智能大會。在大會上，印奇發表言論稱：

　　“面對像DeepFake這樣的應用，即便具備技術成熟度和商業價值，曠視也不會將其應用在產品中。”

　　這句話一方面強調了曠視對于生物信息保護的決心，但也從另一方面證實了DeepFake技術目前已經十分成熟。

　　事實上，DeepFake以及基于DeepFake原理誕生的反人臉識別、人臉識別擾亂技術已經層出不窮。在2019年，甚至曝出硅谷人工智能公司Kneron利用DeepFake成功欺騙支付寶和微信的新聞。

　　有時候僅僅是一副改良過的眼鏡，也足以欺騙人臉識別

　　而在人臉識別應用不斷增多的當下，我們正在進入的人臉識別時代真的安全嗎？

　　基于深度學習的DeepFake原理

　　DeepFake技術來源于生成對抗網絡（GAN）的出現和發展。通俗來講，利用DeepFake進行偽造主要為分為三個步驟。

　　第一步：提供基于雙方的人臉識別數據

　　以宋小寶換臉張若昀的《寶余年》為例，該視頻作者先是導入了慶余年中張若昀的影像資料，再導入了宋小寶的影像資料，將二者各角度的生物識別特征進行算法內部的完全還原。

　　第二步：深度學習

　　在算法記住二者的人臉信息后，便會開啟深度學習模式。具體而言，DeepFake通過不斷的扭曲人像，再讓算法復原來進行深度學習。通過反復的深度學習后，算法可以對任何具備人物特征的圖像進行還原，即便被還原對象不是原對象（即宋小寶）。

　　深度學習的時間越長，還原效果就越好

　　第三步：通過不同解碼器進行輸出

　　最后一步，就是把兩個視頻中的人臉進行扭曲，并讓經過豐富深度學習的算法來還原錯誤的視頻，即把《慶余年》中的張若昀還原成宋小寶，把小品中的宋小寶還原成張若昀，并進行視頻輸出，這樣我們得到的視頻，就是我們現在看到的《寶余年》了。

　　自2017年以來，深度偽造技術開始活躍在網絡中，隨著這一技術算法的日趨成熟，到如今，無論是人像還是聲音、視頻都可以被偽造或合成，并可達到幾乎不能辨別真偽的程度，并開始引發諸多社會問題，人臉識別也面臨被欺騙的考驗。

　　泛濫的偽造軟件及人臉識別廠商的反攻

　　隨著DeepFake的全面開源以及市面上算法廠商對換臉技術的研發，目前我們可以通過簡單的APP操作，就能在一個視頻里輕易替換成另一個人的表情、動作、姿態并達到完全同步。

　　比如之前美國的Deepnude軟件和國內紅極一時的換臉軟件ZAO。此外，去年9月，開源換臉工具FaceSwap甚至以超過23000星一度登上GitHub排行榜。

　　在此基礎上，換臉軟件、人臉識別反制面具、眼鏡等產品層出不窮，極大地擾亂了人臉識別的市場秩序。而在此基礎上，眾多人臉識別相關企業都作出了他們的反制方案。

　　禁止派：FaceBook、亞馬遜

　　2019年9月，Facebook與微軟、MIT、亞馬遜等宣布合作，共同打擊深度偽造。該計劃被稱為Deepfake檢測挑戰賽（DFDC），旨在創建能用于“打假”模型訓練的開源工具供公司、政府和媒體等組織使用，以更好地檢測視頻是否被篡改。

　　值得一提的是，中國科大團隊獲得第二名，拿到了30萬美金

　　12月，Facebook人工智能部門宣布開發出一套先進的“反識別”系統，能夠辨別影響的真偽。今年1月，Facebook宣布將該系統應用于軟件中，并刪除平臺所有的AI換臉視頻。

　　然而偽造視頻的真實度是和機器深度學習的時間及學習設備有關。事實上，該方法也被證明在許多經過漫長時間深度學習或者新型的換臉技術面前，是較為無力的。

　　阿里、騰訊：三維人臉識別+密碼驗證

　　像阿里、騰訊這樣涉及金融的企業，對反人臉識別的警惕性相當之高。因此他們普遍采用方式是三維人臉識別+密碼認證的雙保險。

　　而這也是安全行業普遍采用的保護財產安全的方式。

　　通過對指定動作的采集，比如點頭、搖頭、眨眼、張嘴等動作，來實現對于人臉識別數據高深度的采集。同時，阿里還創新性地提出了根據光影和位置變化的檢測方案。

　　阿里安全資深算法專家覺奧表示，這項方案是人、設備、算法的一體化判斷，比如不同手機型號拍照打光的顏色略有差距，通過對人臉不同區域顏色和亮度變化，來讓傳感器獲取更多的識別信息。

　　覺奧解釋說，這套系統在識別時會結合顏色、亮度、人臉姿態、設備空間位置等多種條件的變化，來判斷人臉的真偽。不過面對完全復制的3D人臉模型，還是有被突破的風險。

　　此外，面對大額消費時，支付寶還會啟動密碼驗證，通過雙重保險確認支付者的真偽。

　　而支付寶的人臉識別算法，則來自曠視的Face++。

　　超普通檢測近10倍的曠視

　　目前，曠視是業內唯一一家具備千點級別關鍵檢測能力的企業，也被稱作第二代關鍵點。

　　什么是第一代關鍵點？我們把以前81點，106點稱作第一代關鍵點，他們的主要任務就是定位人臉上比較明顯且重要的特征點。而1000點除了能定位人臉重要特征點之外，還能準確的描述出五官的輪廓。準確的說就是點和線的區別。1000點稠密關鍵點對于人臉五官標注來說與線無異。

　　這也是曠視的核心技術之一

　　據了解，相較于第一代關鍵點，千點可以將人臉的臉型、眉毛、眼睛、鼻子、嘴等部位完全勾勒出形狀，進行更為精確的人臉識別。

　　據知乎爆料者稱，目前曠視的人臉識別已經走在了世界前列，早在2019年就完成了網絡附屬存儲（NAS）的目標檢測算法，而同年谷歌的相關研究才剛剛開始。

　　此外，曠視Face++早在2015年就與支付寶合作，進行深度的人臉識別訓練。上文曾經提到，AI換臉的效果是根據深度學習的時間不同而略有不同，學習時間越長，換臉效果越好。而曠視人臉識別算法經過多年人臉識別訓練已經形成了自己獨居一格的解析能力，不斷為用戶提供卓越的人臉識別服務。

　　其實像曠視和阿里、騰訊這樣的企業，完全可以做到對市面上絕大多數反人臉識別軟件的反制，但市面上為何總有人臉識別被攻破的新聞曝出？究其原因還在于其產品的定價。

　　買不起或成人臉識別最大痛點

　　據廣西某公司員工爆料，目前市面上人臉識別系統最大的問題在于買不起。該員工稱，她購買國內某個知名CV企業的108點人臉識別系統，對方報價要30余萬元，但購買名號稍小的企業系統對方的質量又難以把握。幾經挑選，最后選擇了某美妝軟件的人臉識別系統。

　　事實上，目前人臉識別市場普遍存在一個現象：那就是好的系統你買不起，買得起的系統你又看不上。

　　據了解，人臉識別系統的報價是根據識別關鍵點位的數量來決定的，比如106點的價格就比81點的要貴。而上文提到的曠視千點識別，在市場中能夠應用的案例其實比較有限。

　　而在此基礎上，一大批企業，尤其是涉及到臉部修改的企業都加入到人臉識別的競爭中來，比如美妝軟件輕顏等。人臉識別市場的競爭也越來越激烈。

　　不可否認，即便有眾多軟件層出干擾人臉識別的準確率，但人臉識別技術依舊是智能化浪潮下的掌上明珠，隨著反人臉識別技術的不斷發展，未來人臉識別技術也將不斷更新提高。

　　我們也希望，隨著技術的不斷優化，會有越來越多的企業用得上、用得起相關技術，畢竟用的上的，才是最好的