人脸识别技术及其安全性综述

王飞龙

（武汉市武钢三中湖北武汉 430080）

1 引言

随着图像识别技术的不断进步，我们生活中通过人脸识别来进行的活动范围不断扩大，火车站机场等可以“刷脸”进站、超市可以“刷脸”购物、图书馆采用了“刷脸”借书、部分公司“刷脸”打考勤、小区物业也采用了人脸识别门禁，就连公安机关也启用了出入境边防检查人脸识别系统——人脸识别已经逐步占据了我们的日常生活的方方面面，真正开启了“刷脸”时代。

目前，人脸识别主要有两种应用场景，一种是验证“这是不是某人”，这是一对一的身份验证，就如同身份证审核一样，也就是我们平时说的的“刷脸”。另一种是一对多的模式，在海量干扰信息存在的情况下，识别出“这是谁”，也就是公安机关追捕罪犯、边防检查时需要用到的。第二种识别更加具有复杂性和隐蔽性，由于往往提供的图像信息不是正面的，对识别技术的要求更高，具有非强制性和高效性的特点。

人脸识别的发展经历了三个阶段：基于结构特征（1973年—1990年）、基于统计特征（1991年—2000年）和基于大数据和复杂模型（2001年至今）。这只是一个大致的划分，阶段之间的界限并不明显，但基本上对应着计算机技术的发展历程，从另一个侧面印证了人脸识别的进程与计算机技术整体水平的进步息息相关。

2 人脸识别的概念

2.1 生物识别

人脸识别是生物特征信息对个人进行识别的一种，说起生物特征识别，人们首先想到的是指纹以及眼睛虹膜识别，这也是最初生物识别在个人身份鉴定方面的应用，很容易联想到电影中的侦探情节，让人感觉神秘、高科技。其实从技术方面简单阐述生物特征识别的过程，就是先把生物特征提取出来，将收集到的特征转换为代码，进而建立模型、然后在认证阶段，从数据模型中进行比对，从而实现识别的过程。

2.2 人脸识别的特点

目前，生物识别主要有指纹识别、声纹识别、人脸识别、虹膜识别、静脉识别等。相比之下，虹膜识别的准确性最高，安全性也最高，但是其识别设备成本太高，不适用于日常生活；语音识别设备成本最低，但是其准确性和安全性不高；而人脸识别便利性最高，准确性和安全级别也较高，且设备成本不高，在今后的生物识别领域发展将更加突出，应用也会越来越广泛。

另外，区别于其他生物识别方式，人脸识别方式可以是自然的、不被觉察的和非强制性的，就如同婴儿在出生不久就能认出父母的脸，成年人之间的结识，演员的分辨等，这些都是人类通过观察和感知、比较，从而进行识别，不需要在像指纹或者识别，需要采集指纹或者虹膜图像。这也是人脸识别在大数据时代背景下得以迅速应用和发挥越来越重要作用的本质原因。

3 人脸识别技术的过程

3.1 人脸识别的流程

从人脸识别的流程图中，我们可以了解到，人脸识别首先要进行人脸检测，在众多的环境和图片中检测到人脸，第二步才是将获取需要的人脸图像进行特征提取，随后在数据库中进行对比、识别，也就是说人脸识别应用起来是两个步骤：人脸检测（FaceDetect，以下简称FD）和人脸识别（FaceRecognition，以下简称FR）。

3.2 人脸检测技术

人脸识别的前提是检测，人脸检测通常有四种方法：基于知识的人脸检测、基于特征的人脸检测、基于模板匹配的算法、基于学习的算法。

特点优点缺点基于知识的FD利用人脸特有的规则，如五官相对位置等速度快、计算量小正确率不高基于特征的FD利用人脸的特征，如肤色、鼻子凸起等速度快正确率不高基于模板匹配的FD使用预定义模板来逐个检测图像 操作简单依赖于大小、旋转灯因素，正确率不高基于学习的算法利用机器学习和统计分析进行检测，更能适应不同姿态的脸识别速率高，不依赖于先验知识和参数模型操作复杂、训练时间长

3.3 人脸识别技术

人脸识别技术主要有基于特征脸的识别技术、基于模型的识别技术（包括隐马尔科夫模型、3D形变模型等）、基于几何特征的识别技术、基于神经网络的识别技术（BP神经网络），下表对几种技术进行了特点对比。

特点 优点 缺点基于特征脸的FR 构对人脸进行识别 识别效率高 对光照和尺度变化适应性不好基于模型的FR根据人脸的特征和结将一幅待测试的图像和一个代表整张人脸的单个模板做比较方法简单，比特征匹配方法更合乎逻辑可用模型较多，需要区别选择基于几何特征匹配的FR基础是从人脸图像中计算一组几何特征， 速度快方法依赖于特征定位算法的准确性，算法复杂度较高基于神经网络的FR将神经网络作为一个分类器，模拟人的多种行为，从复杂的数据中发现共同特征非线性的映射性能、自适应和自学习性能训练时间长

4 人脸识别技术的难题

尽管近年来人脸识别技术得到了飞跃发展，但是对于技术的研究成果往往是在条件理想或者苛刻的情况下获得的，当采集的图像不理想，识别的效果就会大打折扣，这也是人脸识别还需进一步解决的难点。

（1）光线问题：光线照射方向和角度不同，光线折射到人脸的部分阴影也不同，此时人脸的特征值会发生变化，影响识别率。

（2）表情姿态问题：在识别过程中，当人脸发生很大程度的扭曲时（例如夸张表情、大哭、大笑、做怪相等），或者是侧脸、低头等姿态不正时，人脸识别的识别率将会下降。

（3）遮挡问题：对于一对多的非强制性采集到的人脸图像，如出入境视频监控中采集到的图像，图片都会带着墨镜、戴帽子等日常的饰物，长留海也会遮挡住部分脸部特征，使得被采集出来的人脸图像当中，人脸的特征不完整，导致算法的失效。

（4）年龄的变化：随着年龄的增长，脸部皱纹变多，纹理特征改变，对采用纹理特征来进行识别的方法，就会明显降低识别率。

5 关于人脸识别的安全性隐患

人脸识别技术已经得到了较大的发展，然而技术是否达到了大规模应用的阶段？很多研究报道都表明人脸识别准确率超过99%，但是据GeekPwn2017国际安全极客大赛上的比赛结果中可以看到[1]，黑客们用2分30秒就成功击破了人脸识别门禁系统，用一张打印的照片在处理之后解锁了一部人脸识别锁的手机，并且评委说“理论上，只要拍到一张手机主人的清晰照片就可以解锁了”，这给大家带来了很大的困惑，人脸识别到底是否可靠？其安全性如何保证？的确，随着人脸识别技术的逐步应用，安全风险隐患日益凸显，主要存在三个方面的隐患：（1）利用3D打印等先进技术结合照片制作“假人脸”；（2）在目前人脸识别应用的金融领域，盗用人脸进行金融犯罪活动，造成广大群众经济损失；（3）通过对人脸识别的破解，以病毒入侵等方式，窃取使用者的个人信息和公共安全信息。

面对这样的隐患，是不是就该放弃人脸识别呢？当然不是，技术总是在曲折中不断发展。生物识别在某种意义上来说还是更加安全可靠的，毕竟人脸只有一个，相比密码、声纹等，破解的技术要求和难度也更大，正如专家所说，现在发现漏洞，只是为了让广大企业和研究单位更加关注技术安全，提高安全意识，而不是因噎废食。应该如何进一步在发展技术的同时提高安全性是目前需要解决的问题。

6 应对人脸识别的安全隐患

由于存在安全隐患，应针对人脸识别安全隐患的几个方面来寻找解决方案：

（1）首先，对于利用技术制作“假人脸”，应该在人脸识别技术上进一步研究，使用先进的算法等，解决人脸识别的技术难题，例如光线、肤色、面部纹理等，只有把技术做精了，才能更好地防止“盗版”。

（2）对于盗用人脸进行金融犯罪活动，除了技术的研发，最重要的还是市场准入标准的规范化。预计2020年，生物识别技术将使用在总额超过36.4万亿美元资金的移动支付中[2]，当前各个金融机构都在争抢先机，而在这其中部分公司为了尽早占领市场，采用的是还不太规范或者没有周全考虑安全隐患的技术，导致市场比较混乱，安全防护标准缺乏。应该尽早做出市场准入标准的规范化，对技术安全不到位的企业强制要求其退出，以统一和完善的标准促进行业内的知识共享和良性竞争。

（3）针对通过对人脸识别的破解，以病毒入侵等方式，窃取使用者的个人信息和公共安全信息的问题，目前国家质量监督检验检疫总局、国家标准化管理委员会批准发布的《公共安全人脸识别应用图像技术要求》等就是好的开端。

另外，虽然人脸识别技术已经得到了大幅发展，然而为了更加安全，还是应该结合多种生物识别技术共同提高识别的准确率，从而解决安全隐患问题。

7 小结和展望

在计算机科学技术大发展、大数据广泛应用的时代，人脸识别技术将得到飞跃的发展，小到手机解锁等生活领域、大到公安机关检查追捕等国家公共安全领域，渗透到从金融领域到教学领域等方方面面，相信在今后十年还将是热门的研究领域，专注解决光线问题、表情问题等技术难题，将进一步推进人脸识别的应用。让“刷脸”时代真正安全、可靠。