近日，人工智能行業(yè)資深人士孫立斌向記者表示，人工智能技術(shù)能夠?qū)⒑Ａ康闹讣y數(shù)據(jù)作為‘原材料’，并且根據(jù)指紋的結(jié)構(gòu)特征和細節(jié)信息生成仿真度極高的偽造數(shù)據(jù)。然而，隨著人工智能技術(shù)的不斷發(fā)展，我們應(yīng)該如何更好地應(yīng)對AI偽造的指紋呢?
最近，美國紐約大學和密歇根州立大學發(fā)表的一篇論文詳細介紹了深度學習技術(shù)如何削弱指紋識別的安全系統(tǒng)。
生成對抗網(wǎng)絡(luò)可偽造指紋
“指紋識別，即通過識別手指紋路確認身份。指紋識別雖應(yīng)用廣泛但存在一定的弊端。因為觸摸式的驗證方式對環(huán)境要求高，對手指的濕度和清潔度更有要求，指紋磨損也會造成識別困難;另外一些人天生沒有指紋，或者指紋特征少導(dǎo)致無法成像;不容忽視的是，指紋痕跡容易留存，存在被復(fù)制的可能性，造假成本低。”曠視科技研究院研究人員范浩強告訴科技日報記者。
此次論文顯示，研究人員使用神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練基礎(chǔ)軟件，創(chuàng)建出令人信服的偽造指紋，其圖像甚至優(yōu)于原始指紋素材。“團隊使用神經(jīng)網(wǎng)絡(luò)技術(shù)變體，即生成對抗網(wǎng)絡(luò)偽造指紋。”論文作者之一、紐約大學副教授朱利安·托吉留斯說。
“生成對抗網(wǎng)絡(luò)是當下非?；鸨囊环N深度學習算法，它本質(zhì)是一種生成式模型，通過對抗式訓(xùn)練，制造帶有數(shù)據(jù)噪音的深度偽造的圖片，可用于數(shù)據(jù)增強，也可用于攻破特定的識別系統(tǒng)。”范浩強說。
孫立斌解釋，人工智能技術(shù)還能夠利用人眼和計算機認知方式的不同，在指紋圖像中嵌入某些隱藏屬性，雖然肉眼看不出來，但計算機可抓取這些信息，達到利用偽造指紋圖像進行身份識別的目的。并且很多系統(tǒng)沒有活體檢測模塊，無法判定獲取的圖像是否來自于真實的人體，這一漏洞使得偽造的指紋圖像可以通過系統(tǒng)驗證。
指紋、人臉、虹膜識別各有特色
范浩強介紹，就生物識別來說，目前常見的應(yīng)用有指紋識別、人臉識別、虹膜識別等。
虹膜識別，目前主要見于部分高端智能手機的虹膜識別解鎖。相較于指紋識別，虹膜識別技術(shù)通過人體獨一無二的眼睛虹膜特征來識別身份，虹膜識別的準確性是各種生物識別中較高的，但相較于其它生物識別技術(shù)，虹膜識別硬件造價高，識別過程需配合，大范圍推廣較為困難，鏡頭可能產(chǎn)生圖像畸變而使可靠性降低。因此，虹膜識別的圖像獲取和模式匹配都相對不便，實現(xiàn)大規(guī)模商用還有許多技術(shù)難關(guān)亟待攻克。
“人臉識別，以計算機圖像處理技術(shù)從人的面部提取關(guān)鍵特征點，利用已建成的人臉特征模板與被驗證者的特征進行對比分析，根據(jù)分析的結(jié)果給出相似值。通過這個值即可確定是否為同一人。相較于指紋需要接觸、虹膜需要配合的識別特性，人臉識別可自動抓取驗證，非配合式的識別更加便捷，適用場景更加豐富。”范浩強說。
多模態(tài)融合的識別方式更安全
范浩強分析，人臉識別在評估安全性上有兩個維度不可忽略。
“是否易獲取。這包括獲取應(yīng)用場景的人臉數(shù)據(jù)和底庫數(shù)據(jù)，僅擁有任何單一數(shù)據(jù)都無法完成識別比對。目前人臉識別商業(yè)應(yīng)用場景中不管是數(shù)據(jù)采集、調(diào)用還是比對等任一環(huán)節(jié)都需要在用戶知情、并且同意的情況下進行。而人臉生物樣本的核心數(shù)據(jù)庫是由公安、央行等核心機構(gòu)掌握，并非一般商業(yè)運營商能夠有權(quán)獲得的。”范浩強說，其次是，是否易攻破。這不僅考驗算法實力，更重要的是抗攻擊能力。
“綜合來看，人臉識別是目前生物識別領(lǐng)域安全性較高的，當然也并非萬無一失，想要實現(xiàn)人臉識別安全、規(guī)模化落地需要技術(shù)水平、法律法規(guī)和行業(yè)標準逐步完善。”范浩強表示。
孫立斌認為，生物特征識別迅猛發(fā)展，不同模態(tài)的生物特征有其自身的特性，抗偽造能力也不同。若要更高級別抗擊假體攻擊的風險，可以采取多模態(tài)融合的識別方式，例如步態(tài)和人臉一體化識別，能夠大幅度增加偽造數(shù)據(jù)的難度，提升識別系統(tǒng)的安全性。
下載文檔
