关注隐私，多伦多大学开发的反面部识别系统，使人脸识别率降至0.5％

面部识别的隐私问题，一直备受关注，因为一旦数据流出，信息将不受用户控制，如果别有用心的人拿到我们的生物识别信息，我们将无能为力。这些信息容易被人恶意利用，而且人脸不可轻易改变的特点让这种情况变得更加危险。

图片来自网络

伴随面部识别，反面部识别技术也一直发展，近日，此项技术又有了新突破，可将原本的人脸识别率从接近100%降低到0.5％。成果来自新多伦多大学Parham Aarabi教授和研究生Avishek Bose的团队，他们通过开发了一种算法，动态地破坏人脸识别系统，降低识别率。

研究人员通过深度学习中的对抗训练，让两个神经网络进行对抗，利用第一个神经网络来识别人脸，而用第二个神经网络来扰乱面部识别过程。该算法用600张人脸数据集进行训练，反识别算法产生的实时过滤器，可以应用到任何图片上，并且，因为它的目标是图像中的单个像素，所以经过处理的图片上的改变，肉眼几乎无法察觉。

除了禁用面部识别之外，这项新技术还会干扰基于图像的搜索、特征识别、情感和种族判断以及其他可以自动提取面部属性。接下来，该团队希望通过app或网站公开这个隐私滤镜。

“十年前，这些算法必须要由人类定义，但现在是神经网络自己学习——你不需要向它们提供任何东西，除了训练数据，”Aarabi教授说。“最终，它们可以做出一些非常了不起的事情，有巨大的潜力。”

他们的研究报告将在2018年IEEE国际多媒体信号处理研讨会上发表。

对于反面部识别技术，此前有美国卡耐基梅隆大学和北卡罗来纳大学开发过一款反面部识别眼镜；美国麻省理工大学和日本九州大学开发过一套反面部识别算法；俄罗斯科技公司Yandex开发出过一种反面部识别算法。此外，还有很多科技公司和高校在反面部识别领域有研究。

来自网络