近日，以色列特拉維夫大學(xué)研究人員證明了一種創(chuàng)建“人臉（master face）”的方法。
研究人員通過圖像生成系統(tǒng)StyleGAN先生成假的人臉圖像，然后通過算法和分類器對比篩選出與真實人臉相似度的圖像，終獲得9張“人臉”圖像。
這種計算機生成的“人臉”作用就像鑰匙一樣，可以模仿多個身份，通過基于人臉識別的身份驗證。
該研究論文題目為《利用網(wǎng)絡(luò)輔助的潛在空間演化生成字典攻擊的人臉（Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution）》，已提交論文預(yù)印本發(fā)布平臺arXiv上。
一、指紋技術(shù)帶來靈感
由于其方便性，生物識別認證，特別是人臉識別認證，已日益成為主流，因此現(xiàn)在成為攻擊者的主要目標。
攻擊一般的計算機認證系統(tǒng)時，有破解者會采取字典式攻擊，通過連續(xù)嘗試多個輸入來嘗試通過認證系統(tǒng)。
而在現(xiàn)實世界的生物識別系統(tǒng)中，人們通常只能嘗試幾次輸入，然后系統(tǒng)就會鎖定。并且使用生物統(tǒng)計學(xué)進行的匹配并不精確，加之生物學(xué)統(tǒng)計數(shù)據(jù)的空間分布不均勻，這表明可能少量樣本可以覆蓋更大的人口比例。
特拉維夫大學(xué)研究人員從“指紋”研究中獲得了靈感，他們開發(fā)了一種“人臉”，來繞過人臉識別軟件。
二、通過算法分類對比，選出9張“人臉”
研究人員使用人工智能領(lǐng)域廣泛使用的生成模型StyleGAN，來進行“人臉”的制作。
▲“人臉”訓(xùn)練過程
然后研究人員然后使用算法和神經(jīng)網(wǎng)絡(luò)來優(yōu)化。有限內(nèi)存矩陣自適應(yīng)進化策略（LM-MA-ES）算法是非常適合高維黑匣子優(yōu)化的，但是還需要增加一個組件，來推斷哪些人臉是交叉身份認證的候選選項。
所以，研究人員創(chuàng)建了一個“成功預(yù)測器（Success Predictor）”神經(jīng)分類器，將大量候選人臉圖像篩選出合適、可完成繞過人臉識別軟件任務(wù)的人臉圖像。
▲“成功預(yù)測器”神經(jīng)分類器原理
研究人員使用算法和分類器將每一個系統(tǒng)輸出的虛假人臉都與Labeled Faces in the Wild（LFW）數(shù)據(jù)庫中5749個不同人的真實照片進行比較，并給出平均集覆蓋率（Mean Set Coverage，MSC）分數(shù)，只保留分數(shù)高的虛假人臉圖像。
其中對圖像比較得到的分數(shù)會用于訓(xùn)練進化算法，幫助研究人員使用StyleGAN，創(chuàng)建出越來越多看起來像數(shù)據(jù)集中真實存在的人臉圖像。終得到9張“人臉”圖像。
▲九張“人臉”
三、能覆蓋超40%數(shù)據(jù)集
研究人員使用“人臉”對三種不同的深度人臉識別系統(tǒng)：dlib、FaceNet、SphereFace進行測試，因為這幾種人臉識別系統(tǒng)在LFW數(shù)據(jù)集中測試競賽的排名。
▲9張生成的圖像所覆蓋的數(shù)據(jù)集的百分比
研究人員實驗得到，9張“人臉”覆蓋了這三種人臉識別系統(tǒng)中42%-64%的數(shù)據(jù)集，也就是說9張“人臉”可以通過這些人臉識別系統(tǒng)中42%-64%的身份驗證。
結(jié)語：人臉識別系統(tǒng)準確性備受關(guān)注
隨著人臉識別技術(shù)的普遍應(yīng)用，除了涉及到隱私保護問題外，人臉識別的準確性同樣是人們熱議的話題。美國就有幾起因為人臉識別錯誤而錯誤發(fā)生逮捕的事件，引起了很大輿論反響。
特拉維夫大學(xué)研究人員其實給出了很好的思路，從如何破解人臉識別系統(tǒng)入手反推人臉識別系統(tǒng)漏洞，這樣可以更好地完善人臉識別系統(tǒng)。
聲明：本網(wǎng)站發(fā)布內(nèi)容和圖片的目的在于傳播更多信息，歸原作者所有，不為商業(yè)用途，如有侵權(quán)敬請作者與我們聯(lián)系刪除。
