人臉識別又上熱搜了。

就在最近，央視網(wǎng) 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(wǎng)微博

在視頻的演示中我們可以看到，隨便一個(gè)人，用一段包含點(diǎn)頭、搖頭、說話等動作的驅(qū)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(tài)圖，現(xiàn)在大概率是無法解鎖人臉識別。

但這樣動起來之后，結(jié)果可就不一樣了。

于是，人臉識別系統(tǒng)便自然可以輕松通過：

△圖源：央視網(wǎng)微博

央視網(wǎng) 曝出的這段視頻，成功引發(fā)了網(wǎng)友們的熱議。

許多網(wǎng)友對這種攻破人臉識別系統(tǒng)的方式表示“可怕”：

讓照片動起來的DeepFake

雖然央視網(wǎng)這次并沒有直接點(diǎn)名具體所涉及到的技術(shù)。

但從效果上來看，DeepFake就可以做到這點(diǎn)。

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(gè)人的大量面部照片輸入編碼器，編碼器在壓縮圖像的同時(shí)提取出其面部共同特征。

然后在恢復(fù)圖像時(shí)，把第一個(gè)人的壓縮照片輸入另一個(gè)人的解碼器中復(fù)原，產(chǎn)生“交換“面部的效果。

第二種是生成對抗網(wǎng)絡(luò)（GAN），讓兩個(gè)AI算法（生成器和判別器）相互對抗。

由生成器輸入隨機(jī)噪聲并轉(zhuǎn)化為圖像添加到真實(shí)圖像中，經(jīng)判別器判別。

經(jīng)過大量的循環(huán)和訓(xùn)練后，二者都得到改進(jìn)，能夠輸出不存在的逼真人臉。

?

△圖源：3DCAT

但傳統(tǒng)的DeepFake需要有大量的原始數(shù)據(jù)，并且要經(jīng)過好幾天的訓(xùn)練才能達(dá)到高質(zhì)量的效果。

若是想達(dá)到實(shí)時(shí)的效果，怎么辦？

黎顥（沒錯(cuò)，就是那個(gè)殺馬特教授）團(tuán)隊(duì)就提出，將DeepFake和他此前做的paGAN結(jié)合到一起，做了一個(gè)新系統(tǒng)。

如此以來，在不需要大量訓(xùn)練數(shù)據(jù)的情況下，這個(gè)系統(tǒng)也可以實(shí)時(shí)地渲染出合成圖像。

paGAN彌補(bǔ)了DeepFake需要大量訓(xùn)練數(shù)據(jù)的不足，簡單來說就是把訓(xùn)練的工作量都放到臺下去做。

實(shí)時(shí)渲染有三個(gè)問題需要克服：

需要處理大量數(shù)據(jù)以及使用更深層網(wǎng)絡(luò)訓(xùn)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(wù)。

而paGAN預(yù)先經(jīng)過大量的訓(xùn)練，分析過很多圖片的面部和表情。這樣內(nèi)部數(shù)據(jù)模型就可以在接觸到新的圖形時(shí)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(yōu)化，達(dá)到了實(shí)時(shí)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(tǒng)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(xué)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?yàn)楸砬椴灰粯?、對方戴個(gè)眼鏡，或者照明、看的角度偏一點(diǎn)，就不認(rèn)識他。

但計(jì)算機(jī)就很容易認(rèn)不出來。

△圖源：央視網(wǎng)微博

而一旦人臉驗(yàn)證被攻破，一些門禁驗(yàn)證，支付驗(yàn)證都可能形同虛設(shè)。

畢竟現(xiàn)在在社交平臺上獲取一個(gè)人的照片太簡單。

這無疑給每個(gè)人的信息安全帶來了巨大的隱患。

對此，網(wǎng)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(jīng)授權(quán)發(fā)布。