刷臉識別安全嗎？

“人臉識別目前主要應用方向是身份認證，在不同行業中都有應用。例如社保領域和征信領域，都是用來認證公民身份信息。在安防領域也是應用頗多，例如人臉識別閘機、人臉識別門禁等。此外，人臉識別在金融領域也有小規模的應用，例如支付寶的掃臉支付，但是由于金融領域對于安全性的考量極高，銀行目前正在考察和調研人臉識別遠程開戶實現可能存在的問題，人臉識別目前還未進入金融領域的核心應用。”中國信息通信研究院標準所移動互聯網與大數據研究室賀倩博士對國是直通車記者表示。

在蘋果公司發布會上，蘋果公司高級副總裁克雷格-費德里吉未能順利通過刷臉解鎖iPhone X，他試了兩次，手機上出現了輸入密碼的提示，最后換了一部備用機才成功解鎖。

這樣的意外，也引發了人們對人臉識別的一些擔憂，人臉識別安全嗎？

專家介紹，通常情況下，人臉識別主要包括人臉檢測、人臉圖像預處理、人臉圖像特征提取、人臉圖像匹配與識別四個步驟。其中，人臉檢測主要包括根據眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之間的幾何位置關系來檢測人臉。

北京大學信息科學技術學院智能科學系教授許超說，目前圖像識別技術在很多專業的圖像領域已經達到甚至部分超過人類的識別水準，例如字符識別、二維碼識別、指紋識別、人臉識別，特別是在識別效率方面計算機遠遠超過人類。

賀倩說，人臉識別技術目前已經相對成熟，一般對于面部的識別都能達到很高的識別準確率。但是由于目前沒有統一的標準去衡量精準度，每家人臉識別公司對于識別精準度的計算方式都不盡相同，沒辦法進行橫向比較。

王晶表示，在算法大致相同的基礎上，各家公司在細節參數、各個卷積層的搭配、數據情況會有所不同。同時根據不同的應用場景，會有調整。

魔高一尺，道高一丈

遇到特殊情況，人臉識別會失靈嗎？例如，遇到整容、雙胞胎、濃妝等，能識別出來嗎？

王晶表示，這涉及到適應性和準確性相平衡的問題。例如，假定當系統設定80%相似度便認定為同一個人時，當某人發生胖瘦變化、換發型、年齡變化時，系統能夠識別出是同一個人；而雙胞胎的相似度可能為90%，這時系統無法將兩個人區分出來。在80%的設定下，系統適應性較高，準確率相對較低。假定如果為了提高準確性，將90%相似性設定為同一個人，那么當一個出現較少的變化，系統也可能無法識別出是同一個人，這時準確率較高，但適應性較差，會增加人工審核的負擔。

王晶表示，對于整容問題，如果不是顴骨發生變化等，“小打小鬧”的微整仍然可以識別，隨著技術的發展、數據的積累，這方面問題會有好轉。雙胞胎的問題不會完全解決，在實際應用中也并沒有受到太多關注。

百度相關負責人也表示，人臉識別對于人類來說相對容易。因為機器沒有直覺，也并沒有久遠的進化歷史，只能靠分析數據來學習。特別對于識別整容、化濃妝或者十幾年跨度的照片，并沒有大量的數據可以分析。在今年年初的《最強大腦》節目中，百度AI針對這些特殊情況有很好的表現。但如果識別對象進行了“傷筋動骨”的大整容，人臉識別就比較難實現了。從技術上來說，也可以用其他虹膜識別、眼球識別、指紋識別等辦法。

而對于用面具、視頻等方式假冒，各家公司也推出了應對措施。

螞蟻金服相關負責人表示，支付寶配備了3D紅外深度攝像頭，且輔之以軟硬件結合的方法進行檢測，誤識率低于十萬分之一。漢柏科技通過在終端上采用雙目攝像頭的方式，來避免面具、照片、視頻等“欺騙”人臉識別系統。

今年底火車站有望刷臉進站

來自前瞻產業研究院的數據顯示，2016年我國人臉識別行業市場規模已超過10億元，預計到2021年將達到51億元左右。而尚未被完全開發的金融行業人臉識別的市場前景，更被業界預估為千億級市場。

但目前，人臉識別在應用方面僅僅處于初級階段，技術并不是主要問題，監管、政策、標準等仍在建立階段。