“扫脸”变“偷脸”怎么能“保住脸”？

段永利

随着人工智能、物联网等前沿技术的迅速发展，智能时代已悄然到来，“刷脸”逐渐成为了新的风潮。在人脸识别技术商业化应用领域不断扩张的趋势下，“刷脸”办事已成为默认模式。在我们日常生活中，监控摄像头几乎无所不在，这些摄像头本来应以保障公共安全为目的，但是有些商家所安装的摄像头看似很普通，其实暗藏猫腻。 今年中央广播电视总台第31届“3- 15”晚会曝光的“偷脸”事件令人唏嘘，那么，作为消费者，应该怎么避免被“偷脸”及其带来的危害呢？本刊记者盘点了.人脸识别技术的发展历程、优劣势，以及监管缺失的危害和阶段性成果。

概念厘清

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

发展历程

人脸识别是一个热门问题，大量的研究成果层出不穷，在一定程度上有“泛滥成灾”之嫌。根据AFR的研究历史，人脸识别的发展历史主要有三个阶段：

第一阶段（1964年—1990年）。基于人脸几何结构特征的方法研究一般性的模式识别问题，人工神经网络也一度曾经被研究人员用于人脸识别问题中。

第二阶段（1991年—1997年）。人脸识别研究的高峰期。从技术上看，2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。诞生了若干代表性的人脸识别算法、人脸识别系统、柔性模型，并出现了若干商业化运作的人脸识别公司。

第三阶段（1998年—现在）。光照、姿态问题逐渐成为主流的人脸识别技术研究热点。与此同时，人脸识别的商业系统进一步发展。2014年3月，香港中文大学信息工程系主任、中国科学院深圳先进技术研究院副院长汤晓鸥领军的团队发布研究成果，基于原创的人脸识别算法，准确率达到98.52%，首次超越人眼识别能力（97.53%）。

分析算法

人脸识别技术中被广泛采用的区域特征分析算法，它融合了计算机图像处理技术与生物统计学原理体，利用计算机图像处理技术从视频中提取人像特征点，根据生物统计学的原理进行分析，建立数学模型，即人脸特征模板。通过对已建成的人脸特征模板与被测者的人的面像进行特征分析，根据结果给出一个相似值，通过这个值即可确定是否为同一人。

人脸识别的方法很多，目前主要使用的方法有：几何特征的人脸识别方法;基于特征脸（PCA）的人脸识别方法;神经网络的人脸识别方法;弹性图匹配的人脸识别方法;线段Hausdorff 距离（LHD） 的人脸识别方法;支持向量机（SVM） 的人脸识别方法。

应用领域

第一，企业、商业住宅区的安全和管理。如人脸识别门禁考勤系统，人脸识别防盗门，尤其是在疫情期间，新技术为各社区、生活小区的网格化管理带来便利。

第二，电子护照及身份证。这或许是未来规模最大的应用。国际民航组织（ICAO）已确定，从2010年4月1日起，其118個成员国家和地区，人脸识别技术是首推识别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。

第三，公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。

第四，自助服务。如银行的自动提款机、人脸识别支付。在原有自助交易方式的基础上，同时应用人脸识别就会避免被他人盗取现金现象的发生。

第五，信息安全领域。如计算机登录、电子政务和电子商务。使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一。大大增加电子商务和电子政务系统的可靠性 。

随着技术的发展和社会认同度的提高，人脸识别技术将应用在更多的领域比如政府、社会福利保障、电子商务、安全防务等。如2012年无锡采用物联网人脸识别技术规范建筑市场;京沪高铁三站已建成人脸识别系统，整容也能被识别。

优势劣势

人脸识别是目前应用最为热门和广泛的智能技术，为人民带来便利的同时，同样也引发了广泛争议。

人脸识别的优点。相较于其他生物识别技术而言，人脸识别具有以下特点：非接触性。用户不需要和设备直接接触;非强制性。被识别的人脸图像信息可以主动获取;并发性。即实际应用场景下可以进行多个人脸的分拣、判断及识别。

人脸识别的缺点。周围的光线环境可能会影响识别的准确性（例如白天和夜晚，室内和室外等）;易变性。人脸的视觉图像也相差很大，另外，人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响，需要人工智能进行补偿。这些特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。

监管挑战

当前人脸识别技术的争议点主要有三个方面：一是人脸识别技术本身存在局限性和由易获得性造成的滥用风险。二是生物特征数据的保存是否安全。三是有关数据的运用是否合理。虽然政府在很多领域具有更强的权威性，推广起来更高效，但公共使用的边界是什么？技术治理的公共伦理又是什么？

目前由于缺乏监管，部分人脸识别系统在没有法律和监控部门审核下运行，目前没有更好的监管或法律进行管制，这也是目前对人脸技术存在质疑的原因之一。

用户端很难管控。人脸识别是个闭环，抓拍、比对、分析整个过程基本无感。尽管法律明确规定未经允许不得随意获取人脸识别信息，然而在我们周围，商业行为的人脸抓拍无孔不入，信息泄露风险较大。建议公民也可通过戴帽子、墨镜、口罩等方式，避开大部分的人脸识别算法。

另外可以强化保障技术手段，但问题是需要企业做大量信息安全成本的投入，商家普遍没有这个意愿，除非政府强制。相较于传统系统，人脸识别系统的安全级别更高，因此在数据处理和存储方面更加复杂，对技术的要求更高。

阶段成果

关于人脸识别技术伦理、规范的建立，目前我国已取得进展。2019年8月17日，北京互联网法院发布《互联网技术司法应用白皮书》;2021年4月9日下午，全国“人脸识别第一案”在浙江省杭州市中级人民法院迎来二审判决;3月15日，由国家市场监督管理总局制定出台的《网络交易监督管理办法》，在中央广播电视总台第31届“3·15”晚会现场正式发布。其对相关法律规定进行细化完善，制定了一系列规范交易行为、压实平台主体责任、保障消费权益的具体制度规范。

因此，有观点认为，“人脸识别技术的收益与风险关系直接决定了法律规制的基本态度。如果收益与风险的关系不确定，则法律应该谨慎，而不能盲目放开其利用。”综上，相较于直接对人脸识别技术粗暴地加以阻止，更为科学的做法应当是完善此技术领域的相关法规标准，明确技术应用的法律和伦理边界。

未来，还需要行业、企业、政府协同努力，寻找隐私、安全、便利之间的平衡，明确人脸识别的边界，真正地为人脸识别应用发展“把把关”，给人民群众带来“安全感”。