人臉識別又上熱搜了。

就在最近，央視網 曝出了一種分分鐘攻破人臉識別的方法：

只需要一張照片的那種。

△圖源：央視網微博

在視頻的演示中我們可以看到，隨便一個人，用一段包含點頭、搖頭、說話等動作的驅動視頻。

原本照片里的人物也會隨之做出一樣的行為。

雖然我們知道一張靜態圖，現在大概率是無法解鎖人臉識別。

但這樣動起來之后，結果可就不一樣了。

于是，人臉識別系統便自然可以輕松通過：

△圖源：央視網微博

央視網 曝出的這段視頻，成功引發了網友們的熱議。

許多網友對這種攻破人臉識別系統的方式表示“可怕”：

讓照片動起來的DeepFake

雖然央視網這次并沒有直接點名具體所涉及到的技術。

但從效果上來看，DeepFake就可以做到這點。

DeepFake大家很熟悉了，簡單來說有兩種基本方法。

第一種是將兩個人的大量面部照片輸入編碼器，編碼器在壓縮圖像的同時提取出其面部共同特征。

然后在恢復圖像時，把第一個人的壓縮照片輸入另一個人的解碼器中復原，產生“交換“面部的效果。

第二種是生成對抗網絡（GAN），讓兩個AI算法（生成器和判別器）相互對抗。

由生成器輸入隨機噪聲并轉化為圖像添加到真實圖像中，經判別器判別。

經過大量的循環和訓練后，二者都得到改進，能夠輸出不存在的逼真人臉。

?

△圖源：3DCAT

但傳統的DeepFake需要有大量的原始數據，并且要經過好幾天的訓練才能達到高質量的效果。

若是想達到實時的效果，怎么辦？

黎顥（沒錯，就是那個殺馬特教授）團隊就提出，將DeepFake和他此前做的paGAN結合到一起，做了一個新系統。

如此以來，在不需要大量訓練數據的情況下，這個系統也可以實時地渲染出合成圖像。

paGAN彌補了DeepFake需要大量訓練數據的不足，簡單來說就是把訓練的工作量都放到臺下去做。

實時渲染有三個問題需要克服：

需要處理大量數據以及使用更深層網絡訓練更好的模型，需要生成高分辨率幀并且能夠并行或者安排任務。

而paGAN預先經過大量的訓練，分析過很多圖片的面部和表情。這樣內部數據模型就可以在接觸到新的圖形時做出“條件反射”。

再加上paGAN使用了新的ML方法和更好的底層優化，達到了實時渲染的效果。

△圖源：3DCAT

張鈸：人臉識別算法非常不安全

而這樣逼真的DeepFake人臉處理，只是諸多方法中的一種。

每一種方法都是人臉識別系統的潛在威脅。

這說明視頻中展示的人臉識別算法還是存在著很大的漏洞。

中科院院士、清華大學人工智能研究院院長張鈸，也稱這種算法很不安全，非常容易受到攻擊：

人識別對方不會因為表情不一樣、對方戴個眼鏡，或者照明、看的角度偏一點，就不認識他。

但計算機就很容易認不出來。

△圖源：央視網微博

而一旦人臉驗證被攻破，一些門禁驗證，支付驗證都可能形同虛設。

畢竟現在在社交平臺上獲取一個人的照片太簡單。

這無疑給每個人的信息安全帶來了巨大的隱患。

對此，網友表示：早已沒什么隱私可言了，相對于人臉識別還是密碼更可靠。

參考鏈接：

[1]https://s.weibo.com/weibo?q=%23%E4%B8%80%E5%BC%A0%E5%9B%BE%E5%8F%AF%E6%94%BB%E7%A0%B4%E4%BA%BA%E8%84%B8%E8%AF%86%E5%88%AB%23&from=default

[2]https://www.3dcat.live/share/Deepfake/

[3]https://www.fxguide.com/fxfeatured/pinscreens-advanced-face-ai-neural-rendering/

本文來自微信公眾號“量子位”（ID:QbitAI），作者：行早，36氪經授權發布。