摘要: 人脸识别的各项应用推陈出新,隐私疑虑却未曾消除。现在有学者研发“抗人脸识别”的 AI,可以让人脸识别系统的准确率,从 100% 直线下降到只剩 0.5%!这项技术可望应用成为“隐私过滤器”,如果你也是一个重视网络隐 ...

人脸识别的各项应用推陈出新,隐私疑虑却未曾消除。现在有学者研发“抗人脸识别”的 AI,可以让人脸识别系统的准确率,从 100% 直线下降到只剩 0.5%!

这项技术可望应用成为“隐私过滤器”,如果你也是一个重视网络隐私的人,这应该会是你未来的必载神器。

当我们上传照片、视频至社群平台时,算法也抓取我们的信息、位置、友人的数据,让脸部识别系统对我们有更多的了解,并且不断进化。面对网络隐私、数据的安全性问题,多伦多大学成功创建了一种破坏脸部识别系统的算法。

“当脸部识别技术越精准时,个人隐私也成了大问题。”“其中一个能有效打击脸部识别方式,就是反脸部识别算法”负责该计划的多伦多大学教授Parham Aarabi 如此表示。

该算法的特征在于使用了对抗训练(Adversarial training),是一种深度学习技术,让两个人工智能互相对抗。

团队设计了两个神经网络,第一个用于“识别人脸”,第二个则是专门“唱反调”破坏前者的脸部识别任务。这两个网络不断地互相争斗、相互学习,创建了一场持续不断的人工智能军备竞赛。

结果是,唱反调AI 能够知道敌手脸部识别AI,在找寻什么关键部位,并适时动些人眼看不出来的小手脚 ,例如改变眼角,使其不太明显,但却能够完全欺骗敌手,让它无法识别。

团队于脸部数据库 300-W(拥有 600 张包含多种族、照明条件、环境的脸部数据),测试了该系统。他们表示, 新算法可以将脸部识别准确度 100%,毁到只剩 0.5%。

而该算法可以应用在,类似 Instagram 过滤器的工具上。未来团队将希望通过 App 或网站公开提供隐私过滤器。