這是一個(gè)看臉的時(shí)代。

無論是刷卡支付、考勤打卡，還是在機(jī)場(chǎng)港口，門鎖門禁都可能要用到人臉識(shí)別。你走在街巷上可能被路邊攝像頭拍下，并經(jīng)過一系列人臉識(shí)別技術(shù)判斷出你的身份。這項(xiàng)新的技術(shù)已經(jīng)成為警察尋找罪犯的最強(qiáng)助攻，還記得張學(xué)友演唱會(huì)上落網(wǎng)的那些疑犯嗎？

技術(shù)背后的支撐是數(shù)據(jù)。如果這些隱私數(shù)據(jù)被竊取，你的臉可能不只屬于自己，可能屬于任何人。

雷鋒網(wǎng)就在昨天報(bào)道了一起國(guó)內(nèi)某人臉識(shí)別公司發(fā)生大規(guī)模數(shù)據(jù)泄露事件。該公司所掌握的數(shù)百萬人的跟蹤數(shù)據(jù)可供任何人訪問，其中包含超過256萬人的個(gè)人信息，例如身份證號(hào)碼、身份證發(fā)行日期、性別、國(guó)家、住址、生日、照片、雇主和過去24小時(shí)內(nèi)的位置，大約有668萬條記錄。

知道創(chuàng)宇對(duì)這起數(shù)據(jù)泄露可能帶來的風(fēng)險(xiǎn)點(diǎn)進(jìn)行了分析：

1. 泄露數(shù)據(jù)之細(xì)，使攻擊者能精確定位到人群。攻擊者如果拿到這部分?jǐn)?shù)據(jù)，想要發(fā)起釣魚攻擊可謂是輕而易舉。

2. 任何人都能訪問數(shù)據(jù)庫(kù)獲取到這些信息。

3. 任何人都能訪問，意味著任何人都有可能拿這個(gè)寫數(shù)據(jù)來“干壞事”。這家公司致力于公安行業(yè)的視頻監(jiān)控分析，人群分析，人群密度，混亂程度，安全等級(jí)，滯留預(yù)警，人體跟蹤，人臉識(shí)別等。本來是用來打擊違法犯罪的技術(shù)手段現(xiàn)在卻有可能成為罪犯的“犯罪工具”。

除了數(shù)據(jù)庫(kù)泄露事件，人臉識(shí)別的技術(shù)成熟度也被圍觀群眾質(zhì)疑，之前就曾出現(xiàn)過不少烏龍事件。

比如去年11月，一張寧波“行人闖紅燈曝光臺(tái)”的照片被網(wǎng)友廣為傳播。在曝光臺(tái)的大屏幕中出現(xiàn)了知名女企業(yè)家董明珠的照片，旁邊還展示了她是在“橋東違法闖紅燈”的。網(wǎng)友仔細(xì)查看后卻發(fā)現(xiàn)原是人臉識(shí)別系統(tǒng)出錯(cuò)，將大巴車上的董明珠廣告人像錯(cuò)當(dāng)橫穿馬路路人記錄，鬧了個(gè)大烏龍。（所以，編輯被認(rèn)成波多野結(jié)衣指日可待……了嗎？）

（董明珠：？？？）

不止如此，連巨頭公司也出現(xiàn)過這種烏龍，比如亞馬遜2016年推出圖像識(shí)別AI系統(tǒng)“Rekognition”，還積極向美國(guó)警方推銷以幫助其辦案。但“Rekognition”也曾將 28 名美國(guó)國(guó)會(huì)議員識(shí)別成了罪犯。

原本只是個(gè)證明技術(shù)牛X的測(cè)試，利用一個(gè)擁有2.5萬張公開罪犯照片的數(shù)據(jù)庫(kù)，把國(guó)會(huì)參眾兩院所有現(xiàn)任議員的照片交給“Rekognition”處理，看2.5萬張照片中是否有照片與國(guó)會(huì)議員匹配，結(jié)果有28張匹配。這就很尷尬了……

還有人因?yàn)檠劬π。掌荒鼙蛔o(hù)照人臉識(shí)別系統(tǒng)識(shí)別，甚至人臉識(shí)別系統(tǒng)存在種族差別都曾被高度討論。因?yàn)樵邪兹伺c黑人合照攝像頭只跟蹤鎖定白人情況。

人臉識(shí)別技術(shù)經(jīng)過40多年的發(fā)展，技術(shù)已經(jīng)達(dá)到一定的成熟度，相比指紋識(shí)別、虹膜識(shí)別技術(shù)，其在實(shí)用性方面更有優(yōu)勢(shì)。

人臉識(shí)別過程大概分為三步，第一步是面部檢測(cè)，即輸入圖像中是否有面部，如果是，則給出每個(gè)面部的位置和大小。第二步是面部特征定位，即對(duì)于每個(gè)面部發(fā)現(xiàn)，檢測(cè)主要器官的位置和形狀，最后進(jìn)行面部比較：根據(jù)面部特征定位的結(jié)果，與數(shù)據(jù)庫(kù)中的面部相比，面部判斷身份信息。

這種方式采用非接觸式采集，非侵入性且易于接受，因此人們對(duì)這項(xiàng)技術(shù)抱有很高期待。但更多業(yè)內(nèi)人士認(rèn)為現(xiàn)有的人臉識(shí)別系統(tǒng)在用戶配合，獲取條件理想時(shí)，可以取得滿意的效果。但是，當(dāng)用戶不配合，采集條件不理想時(shí)，現(xiàn)有系統(tǒng)的識(shí)別率會(huì)突然提高。識(shí)別技術(shù)還有許多具有挑戰(zhàn)性的問題需要解決。

比如，當(dāng)比較面部時(shí)，存儲(chǔ)在系統(tǒng)中的面部之間存在差異，例如剃胡須，改變發(fā)型，擁有更多眼鏡，以及改變表情可能導(dǎo)致比較失敗。換句話說，如果一個(gè)人做了一個(gè)小的改變，系統(tǒng)可能會(huì)失敗認(rèn)證。目前美國(guó)有些先進(jìn)的人臉識(shí)別系統(tǒng)，測(cè)試時(shí)識(shí)別出1％的誤讀率。 

但1%的概率仍會(huì)帶來各種烏龍。

中國(guó)科學(xué)院自動(dòng)化研究所的張曉波博士也曾表示，照明、姿勢(shì)、裝飾等都會(huì)對(duì)機(jī)器人臉識(shí)別產(chǎn)生影響。對(duì)于非合作情況下的人臉圖像采集，遮擋問題非常嚴(yán)重。特別是在監(jiān)控環(huán)境中，被監(jiān)控對(duì)象可能佩戴眼鏡，帽子等配件，使得捕獲的人臉圖像可能不完整，影響后續(xù)的特征提取和識(shí)別，甚至導(dǎo)致人臉檢測(cè)算法。無效。

除此之外，面部外觀隨著年齡的增長(zhǎng)而變化，特別是對(duì)于青少年。人臉識(shí)別算法的識(shí)別率因不同年齡組而異。還必須解決年齡變化對(duì)人臉識(shí)別算法的影響。另外，雖然人臉識(shí)別算法的大小隨著人臉數(shù)據(jù)庫(kù)大小的增加而減小，但如何在大規(guī)模應(yīng)用環(huán)境中維持或提高人臉識(shí)別算法的識(shí)別率也是一個(gè)非常重要的問題。

最重要的，在安全性方面，人臉識(shí)別系統(tǒng)信息存儲(chǔ)仍然基于計(jì)算機(jī)可識(shí)別的語(yǔ)言，即數(shù)字或特定代碼。而隨著這些數(shù)據(jù)價(jià)值的提高，面臨黑客攻擊的風(fēng)險(xiǎn)也會(huì)越來越高。

對(duì)于黑產(chǎn)而言，數(shù)據(jù)越詳細(xì)具體越好下手，如此說來，人的面部及位置數(shù)據(jù)對(duì)其而言無疑是個(gè)巨大的誘惑。

此次人臉數(shù)據(jù)泄露事件受到了廣泛網(wǎng)友的關(guān)注，但雷鋒網(wǎng)編輯也注意到，網(wǎng)友們似乎“比較寬容”。

以下為熱門網(wǎng)友評(píng)論：

這和以前的信息泄露風(fēng)險(xiǎn)差不多，就是再加個(gè)人臉，所謂債多了不愁，虱子多了不癢；

中國(guó)人愿意用隱私換方便，言猶在耳；

只要有數(shù)據(jù)，就必然有丟數(shù)據(jù)，沒什么慌的；

有種被豬隊(duì)友泄密的感覺，這么一曝光所有人都知道有泄露問題，沒捅出來的時(shí)候可能還不會(huì)有人拿來跟蹤，報(bào)道之后什么人都可以有想法了……

這些回答似乎都透露著一種溫水煮青蛙的無可奈何。

知乎上有一個(gè)問題，大數(shù)據(jù)、人工智能、人臉識(shí)別技術(shù)真的能阻擋黑產(chǎn)腳步嗎？還是催生更多攻擊面，讓不法分子更加增強(qiáng)火力獲取個(gè)人信息？

這個(gè)問題的確很難回答。不可否認(rèn)的是，任何技術(shù)的出現(xiàn)都伴隨著許多值得期待的亮點(diǎn)。同時(shí)，理想與現(xiàn)實(shí)之間始終存在著不可避免的差距。

你怎么看這件事？歡迎給（即將成為波多野結(jié)衣的）編輯后臺(tái)留言。

雷鋒網(wǎng)參考來源：知乎

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。