人臉識別技術及其安全性綜述

王飛龍

（武漢市武鋼三中湖北武漢 430080）

1 引言

隨著圖像識別技術的不斷進步，我們生活中通過人臉識別來進行的活動范圍不斷擴大，火車站機場等可以“刷臉”進站、超市可以“刷臉”購物、圖書館采用了“刷臉”借書、部分公司“刷臉”打考勤、小區物業也采用了人臉識別門禁，就連公安機關也啟用了出入境邊防檢查人臉識別系統——人臉識別已經逐步占據了我們的日常生活的方方面面，真正開啟了“刷臉”時代。

目前，人臉識別主要有兩種應用場景，一種是驗證“這是不是某人”，這是一對一的身份驗證，就如同身份證審核一樣，也就是我們平時說的的“刷臉”。另一種是一對多的模式，在海量干擾信息存在的情況下，識別出“這是誰”，也就是公安機關追捕罪犯、邊防檢查時需要用到的。第二種識別更加具有復雜性和隱蔽性，由于往往提供的圖像信息不是正面的，對識別技術的要求更高，具有非強制性和高效性的特點。

人臉識別的發展經歷了三個階段：基于結構特征（1973年—1990年）、基于統計特征（1991年—2000年）和基于大數據和復雜模型（2001年至今）。這只是一個大致的劃分，階段之間的界限并不明顯，但基本上對應著計算機技術的發展歷程，從另一個側面印證了人臉識別的進程與計算機技術整體水平的進步息息相關。

2 人臉識別的概念

2.1 生物識別

人臉識別是生物特征信息對個人進行識別的一種，說起生物特征識別，人們首先想到的是指紋以及眼睛虹膜識別，這也是最初生物識別在個人身份鑒定方面的應用，很容易聯想到電影中的偵探情節，讓人感覺神秘、高科技。其實從技術方面簡單闡述生物特征識別的過程，就是先把生物特征提取出來，將收集到的特征轉換為代碼，進而建立模型、然后在認證階段，從數據模型中進行比對，從而實現識別的過程。

2.2 人臉識別的特點

目前，生物識別主要有指紋識別、聲紋識別、人臉識別、虹膜識別、靜脈識別等。相比之下，虹膜識別的準確性最高，安全性也最高，但是其識別設備成本太高，不適用于日常生活；語音識別設備成本最低，但是其準確性和安全性不高；而人臉識別便利性最高，準確性和安全級別也較高，且設備成本不高，在今后的生物識別領域發展將更加突出，應用也會越來越廣泛。

另外，區別于其他生物識別方式，人臉識別方式可以是自然的、不被覺察的和非強制性的，就如同嬰兒在出生不久就能認出父母的臉，成年人之間的結識，演員的分辨等，這些都是人類通過觀察和感知、比較，從而進行識別，不需要在像指紋或者識別，需要采集指紋或者虹膜圖像。這也是人臉識別在大數據時代背景下得以迅速應用和發揮越來越重要作用的本質原因。

3 人臉識別技術的過程

3.1 人臉識別的流程

從人臉識別的流程圖中，我們可以了解到，人臉識別首先要進行人臉檢測，在眾多的環境和圖片中檢測到人臉，第二步才是將獲取需要的人臉圖像進行特征提取，隨后在數據庫中進行對比、識別，也就是說人臉識別應用起來是兩個步驟：人臉檢測（FaceDetect，以下簡稱FD）和人臉識別（FaceRecognition，以下簡稱FR）。

3.2 人臉檢測技術

人臉識別的前提是檢測，人臉檢測通常有四種方法：基于知識的人臉檢測、基于特征的人臉檢測、基于模板匹配的算法、基于學習的算法。

特點優點缺點基于知識的FD利用人臉特有的規則，如五官相對位置等速度快、計算量小正確率不高基于特征的FD利用人臉的特征，如膚色、鼻子凸起等速度快正確率不高基于模板匹配的FD使用預定義模板來逐個檢測圖像 操作簡單依賴于大小、旋轉燈因素，正確率不高基于學習的算法利用機器學習和統計分析進行檢測，更能適應不同姿態的臉識別速率高，不依賴于先驗知識和參數模型操作復雜、訓練時間長

3.3 人臉識別技術

人臉識別技術主要有基于特征臉的識別技術、基于模型的識別技術（包括隱馬爾科夫模型、3D形變模型等）、基于幾何特征的識別技術、基于神經網絡的識別技術（BP神經網絡），下表對幾種技術進行了特點對比。

特點 優點 缺點基于特征臉的FR 構對人臉進行識別 識別效率高 對光照和尺度變化適應性不好基于模型的FR根據人臉的特征和結將一幅待測試的圖像和一個代表整張人臉的單個模板做比較方法簡單，比特征匹配方法更合乎邏輯可用模型較多，需要區別選擇基于幾何特征匹配的FR基礎是從人臉圖像中計算一組幾何特征， 速度快方法依賴于特征定位算法的準確性，算法復雜度較高基于神經網絡的FR將神經網絡作為一個分類器，模擬人的多種行為，從復雜的數據中發現共同特征非線性的映射性能、自適應和自學習性能訓練時間長

4 人臉識別技術的難題

盡管近年來人臉識別技術得到了飛躍發展，但是對于技術的研究成果往往是在條件理想或者苛刻的情況下獲得的，當采集的圖像不理想，識別的效果就會大打折扣，這也是人臉識別還需進一步解決的難點。

（1）光線問題：光線照射方向和角度不同，光線折射到人臉的部分陰影也不同，此時人臉的特征值會發生變化，影響識別率。

（2）表情姿態問題：在識別過程中，當人臉發生很大程度的扭曲時（例如夸張表情、大哭、大笑、做怪相等），或者是側臉、低頭等姿態不正時，人臉識別的識別率將會下降。

（3）遮擋問題：對于一對多的非強制性采集到的人臉圖像，如出入境視頻監控中采集到的圖像，圖片都會帶著墨鏡、戴帽子等日常的飾物，長留海也會遮擋住部分臉部特征，使得被采集出來的人臉圖像當中，人臉的特征不完整，導致算法的失效。

（4）年齡的變化：隨著年齡的增長，臉部皺紋變多，紋理特征改變，對采用紋理特征來進行識別的方法，就會明顯降低識別率。

5 關于人臉識別的安全性隱患

人臉識別技術已經得到了較大的發展，然而技術是否達到了大規模應用的階段？很多研究報道都表明人臉識別準確率超過99%，但是據GeekPwn2017國際安全極客大賽上的比賽結果中可以看到[1]，黑客們用2分30秒就成功擊破了人臉識別門禁系統，用一張打印的照片在處理之后解鎖了一部人臉識別鎖的手機，并且評委說“理論上，只要拍到一張手機主人的清晰照片就可以解鎖了”，這給大家帶來了很大的困惑，人臉識別到底是否可靠？其安全性如何保證？的確，隨著人臉識別技術的逐步應用，安全風險隱患日益凸顯，主要存在三個方面的隱患：（1）利用3D打印等先進技術結合照片制作“假人臉”；（2）在目前人臉識別應用的金融領域，盜用人臉進行金融犯罪活動，造成廣大群眾經濟損失；（3）通過對人臉識別的破解，以病毒入侵等方式，竊取使用者的個人信息和公共安全信息。

面對這樣的隱患，是不是就該放棄人臉識別呢？當然不是，技術總是在曲折中不斷發展。生物識別在某種意義上來說還是更加安全可靠的，畢竟人臉只有一個，相比密碼、聲紋等，破解的技術要求和難度也更大，正如專家所說，現在發現漏洞，只是為了讓廣大企業和研究單位更加關注技術安全，提高安全意識，而不是因噎廢食。應該如何進一步在發展技術的同時提高安全性是目前需要解決的問題。

6 應對人臉識別的安全隱患

由于存在安全隱患，應針對人臉識別安全隱患的幾個方面來尋找解決方案：

（1）首先，對于利用技術制作“假人臉”，應該在人臉識別技術上進一步研究，使用先進的算法等，解決人臉識別的技術難題，例如光線、膚色、面部紋理等，只有把技術做精了，才能更好地防止“盜版”。

（2）對于盜用人臉進行金融犯罪活動，除了技術的研發，最重要的還是市場準入標準的規范化。預計2020年，生物識別技術將使用在總額超過36.4萬億美元資金的移動支付中[2]，當前各個金融機構都在爭搶先機，而在這其中部分公司為了盡早占領市場，采用的是還不太規范或者沒有周全考慮安全隱患的技術，導致市場比較混亂，安全防護標準缺乏。應該盡早做出市場準入標準的規范化，對技術安全不到位的企業強制要求其退出，以統一和完善的標準促進行業內的知識共享和良性競爭。

（3）針對通過對人臉識別的破解，以病毒入侵等方式，竊取使用者的個人信息和公共安全信息的問題，目前國家質量監督檢驗檢疫總局、國家標準化管理委員會批準發布的《公共安全人臉識別應用圖像技術要求》等就是好的開端。

另外，雖然人臉識別技術已經得到了大幅發展，然而為了更加安全，還是應該結合多種生物識別技術共同提高識別的準確率，從而解決安全隱患問題。

7 小結和展望

在計算機科學技術大發展、大數據廣泛應用的時代，人臉識別技術將得到飛躍的發展，小到手機解鎖等生活領域、大到公安機關檢查追捕等國家公共安全領域，滲透到從金融領域到教學領域等方方面面，相信在今后十年還將是熱門的研究領域，專注解決光線問題、表情問題等技術難題，將進一步推進人臉識別的應用。讓“刷臉”時代真正安全、可靠。