（示意圖/取自pixabay）
近日，來自挪威科技大學的《DeepPrivacy：A Generative Adversarial Network for Face Anonymization》一篇論文中提到，有新的方法可以欺騙人臉辨識系統，就是在不改變原來數據分布的前提下，把人臉匿名化，更通俗的說法就是輸出一張逼真的人臉，但是不改變原圖人的姿態和背景。
在這種技術的加持下，人臉辨識系統依舊能夠正常運行，但是完全無法辨識出原來的人臉身份，偽造者則可以冒充他人自由出入具有人臉辨識系統的設施。
根據作者們的測試，經過他們匿名化的人臉，仍然保持了接近於原圖的人臉可辨識性，普通的人臉辨識對於匿名化後的圖像，辨識出人臉的平均準確率只下降了0.7% 。而人臉含有的自然生物資訊，竟然是100%不重合的。
用AI來欺騙AI ，這簡直是太厲害了。
此前，Facebook也針對反人臉辨識做過嘗試，近日，終於有了結果。
外媒VentureBeat報導稱，近日，Facebook的人工智慧實驗室Facebook AI Research（FAIR），開發出一種「去識別」系統，該系統可以欺騙臉部辨識系統，例如，讓臉部辨識系統將你辨識為一位女明星。
該技術使用機器學習，即時改變影片中人物的關鍵臉部特徵，誘使臉部辨識系統，錯誤地辨識成其他對象。
據稱，該技術將一個對抗自編碼器（Adversarial Autoencoders ），與一個訓練過的臉部分類器配對，使人的臉部稍微扭曲，從而在迷惑臉部辨識系統的同時，又能維持一個人們可以認出來的自然樣貌，它可以用在影片，甚至是直播中。
事實上這種「去識別」技術，在過去已經存在，以色列的自動反人臉辨識系統提供商D-ID，已經研發出了針對靜態圖像的去識別技術。另外，還有一種被稱為對抗性示例，它利用了電腦視覺系統的弱點，人們通過穿戴印有對抗圖案，來誘騙臉部辨識系統看到並不存在的東西。
過去的技術，通常應用於從監視器等渠道獲得的照片、靜止影像，或是已事先計劃好，利用對抗圖像欺騙人臉辨識系統。現在，FAIR的研究針對即時影像和影片腳本，且它足以抵抗精密的臉部辨識系統。
FAIR稱，這項技術成果是產業首例。
Facebook還發表了一篇論文，解釋了其對新技術的態度。它提出了一種觀點，即臉部辨識可能會侵犯隱私，人臉替換技術可能被用來製作誤導性影片。為了控制人臉辨識技術的濫用，該公司推出了對影片進行去識別的方法，並取得了很好的效果。
此外，據VentureBeat報導，Facebook並不打算在任何商業產品中使用這個反人臉辨識技術，但這項研究可能會對未來的個人隱私保護工具產生影響。並且，就像該研究在「誤導性影片」中所強調的那樣，它能夠防止個人肖像被用於製造偽造影片。
其實反人臉辨識技術近年來發展迅速，早在去年，多倫多大學Parham Aarabi教授和研究生Avishek Bose的團隊，開發出一種算法，可以動態地破壞人臉辨識系統。
簡單來說，他們選擇的方法是通過干擾人臉辨識算法，來達到阻礙人臉辨識的功能。該算法通過改變一些人眼幾乎不可辨識的微小像素，來改變識別器的檢測結果。儘管算法對於像素的修改十分微小，但對於檢測器來說卻是致命的。
研究人員針對300-W數據庫上的檢測結果，也證實了這種方法的可行性。該數據集包含多種族、不同照明條件和背景環境的超過600張人臉照片，是一個業界的標準庫。結果表明，他們的系統可以將原本可檢測到的人臉比例，從接近100%降低到0.5％ 。
而且更可怕的是，這個反人臉辨識系統具有神經網路自主學習能力，可以隨著人臉辨識系統的進化，而不斷改變自己。
但讓雷鋒網編輯感到更為可怕的是，AI時代下，我們竟不能保全自己的「臉面」。
本文為雷鋒網授權刊登，原文標題為「Facebook開發了一套「去識別」系統，能讓你在實時視頻中「隱身」」