人臉識別又上熱搜了。
就在最近，央視網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。
在視頻的演示中我們可以看到，隨便一個人，用一段包含點頭、搖頭、說話等動作的驅動視頻。
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圖，現在大概率是無法解鎖人臉識別。
但這樣動起來之后，結果可就不一樣了。
于是，人臉識別系統便自然可以輕松通過：
央視網曝出的這段視頻，成功引發了網友們的熱議。
許多網友對這種攻破人臉識別系統的方式表示“可怕”：
雖然央視網這次并沒有直接點名具體所涉及到的技術。
但從效果上來看，DeepFake就可以做到這點。
DeepFake大家很熟悉了，簡單來說有兩種基本方法。
第一種是將兩個人的大量面部照片輸入編碼器，編碼器在壓縮圖像的同時提取出其面部共同特征。
然后在恢復圖像時，把第一個人的壓縮照片輸入另一個人的解碼器中復原，產生“交換“面部的效果。
第二種是生成對抗網絡（GAN），讓兩個AI算法（生成器和判別器）相互對抗。
由生成器輸入隨機噪聲并轉化為圖像添加到真實圖像中，經判別器判別。
經過大量的循環和訓練后，二者都得到改進，能夠輸出不存在的逼真人臉。
但傳統的DeepFake需要有大量的原始數據，并且要經過好幾天的訓練才能達到高質量的效果。
若是想達到實時的效果，怎么辦？
黎顥（沒錯，就是那個殺馬特教授）團隊就提出，將DeepFake和他此前做的paGAN結合到一起，做了一個新系統。
如此以來，在不需要大量訓練數據的情況下，這個系統也可以實時地渲染出合成圖像。
paGAN彌補了DeepFake需要大量訓練數據的不足，簡單來說就是把訓練的工作量都放到臺下去做。
實時渲染有三個問題需要克服：
需要處理大量數據以及使用更深層網絡訓練更好的模型，需要生成高分辨率幀并且能夠并行或者安排任務。
而paGAN預先經過大量的訓練，分析過很多圖片的面部和表情。這樣內部數據模型就可以在接觸到新的圖形時做出“條件反射”。
再加上paGAN使用了新的ML方法和更好的底層優化，達到了實時渲染的效果。
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：
人識別對方不會因為表情不一樣、對方戴個眼鏡，或者照明、看的角度偏一點，就不認識他。
但計算機就很容易認不出來。
而一旦人臉驗證被攻破，一些門禁驗證，支付驗證都可能形同虛設。
畢竟現在在社交平臺上獲取一個人的照片太簡單。
這無疑給每個人的信息安全帶來了巨大的隱患。
對此，網友表示：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/
來源：量子位
?
免責聲明：本文版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請第一時間告知，我們將根據您提供的證明材料確認版權并按國家標準支付稿酬或立即刪除內容！本文內容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責。?
?
為您發布產品，請點擊“閱讀原文”
