社交账号登录

社交账号登录

0/34

上传头像

拖拽或者缩放虚线框,生成自己满意的头像

头像

预览

忘记密码

设置新密码

智能

人脸识别越来越普及,也有人用新技术来反制它

聂丽平2018-06-27 08:32:28

还在早期研发阶段

用美图软件 P 图已经成为一种当代流行病。我们一边用精修图在朋友圈和 ins 上收割点赞,一边一不小心就在相亲或购物时被“照骗”套路。更令人担忧的是,当被视为证据的照片可以随意修改,又该如何避免更具欺骗性的假照片、假新闻的泛滥?

尤其是随着深度学习和 AI 技术的发展,原本需要熟悉视频编辑以及 CGI 专家花费数小时才能做到的“换脸”也越来越简便、易操作,判断图像的真实性显得越来越困难。2017 年 12 月,一位名叫“Deep Fakes”的用户在 Reddit 上发布了一个视频。他利用深度学习和 AI 技术,把成人电影中某个演员的脸换成了名人的脸,看起来几乎毫无破绽。视频发布后,也引发了大众的恐慌。当假照片可以做到如假包换、真假莫辨,个人名誉、诈骗、假新闻等问题都接踵而来。

一些公司正试图研发反制技术来解决这个问题。美国加州的一家初创公司 Truepic 是其中之一。这家公司发明了一种图像验证技术,可以用 Truepic 的 APP 或者是嵌入了 Truepic SDK的 APP 拍摄照片。Truepic 的专利技术在验证图像没有被修改或编辑后,会给照片加上拍摄者名字、拍摄时间等信息。

同时,Truepic 的数据库会存储副本,并加上六位数的代码和 URL。随后,用户可以导出经过验证并加了水印的图片。而查看照片的人,可以通过图片上的 URL 到 Truepic 的数据库里检索图片,以确保照片没有在被导出后又进行了修改。

Truepic 称使用 Truepic 的拍摄的照片“不能以任何方式修改或编辑,使企业能够以 100%的信心验证上传的照片是否准确,消费者可以在网上任何地方分享未经编辑的照片。”Truepic 联合创始人兼 COO 克雷格·斯塔克(Craig Stack)表示,通过 Truepic,保险公司可以对提交保险索赔的照片进行认证;房屋租赁照片可以被证实是准确和最新的;约会软件上的照片也可以确保不会出现“照骗”。

为了应对可以移花接木、直接“换脸”的“深度仿冒”(deepfakes)技术,Truepic 也正在研发视频检验技术。Truepic 的 CEO 杰夫·麦格雷戈(Jeff McGregor)表示:“我们将投资离线图像和视频分析,并且已经确认了一些可以用来检测深度仿冒之类的伪造技术。”“尤其是,你可以分析头发、耳朵、眼睛的反射率等其他细节,这些几乎不可能在一个视频的数千帧中逼真地呈现。哪怕是识别出几帧是假的也足以证明这个视频是伪造的。”

6 月 21 日,Truepic 宣布获得 800 万美元的融资。此前,它已经获得 175 万美元投资。Craig Stack表示:“在利用图像影响全球民主选举、暴行和侵犯人权的数字证据经常遭到破坏,或网络身份被伪造以推进政治议程之前,我们就已经创立了 Truepic,但我们现在才充分认识到它对社会的影响,”“世界需要 Truepic 技术来帮助纠正滥用数字图像造成的错误。”

Truepic 不是唯一一家想解决假照片泛滥的公司。Image Edited、FotoForensics 和 ImgOps 这样的工具,也都可以上传照片来检测有没有被修改过,不过他们的功能都很基本。

发明 PS 的公司也参与了进来。在这个月的 CVPR 计算机视觉大会上,Adobe 展示了如何用 AI 技术识别假图像。Adobe 的新论文展示了如何利用机器学习来识别三种常见的图像处理:剪接,即将不同图像的两部分组合在一起;克隆,即将图像内的对象进行复制和粘贴;删除,即把图像的某一处对象删除。

对图像的处理总是会留下一些痕迹,譬如传感器产生的颜色亮度不一致、背景噪声不匹配等。而 Adobe 的 AI 识别就是通过对大量 PS 过的图片进行深度学习和训练,从而得出一些常见的模型,通过对照片的噪点、颜色变化的识别来检测各种对图片的编辑。

在一些测试中,Adobe 这项技术的得分高于其他团队构建的类似系统,但并不是很明显。且这项研究并没有直接应用于对“deepfakes”的识别。Adobe 称这是一个“早期研究项目”,但公司希望未来能在“开发有助于监控和验证数字媒体真实性的技术”方面发挥作用。

AI 图像技术的发展除了带来图片编辑、假照片的困扰外,依托 AI 图像识别技术的面部识别系统也一直面临很多争议。就在当地时间 6 月 25 日,奥兰多市与奥兰多警察局发布声明称,已于上周停止使用亚马逊深度学习人脸识别技术 Rekognition,从去年 12 月份开始为期 6 个月的合同已经到期,目前不再续约。奥兰多市停用亚马逊的面部识别技术的主要原因来自大量公民自由团体的抗议。

但除了抗议之外,不少科技机构正在研究降低人脸识别准确性的技术。譬如,在 2016 年11 月的一项研究中,美国卡内基梅隆大学的研究人员设计了一种眼镜框,可以误导面部识别系统,使其产生错误的识别。在 2017 年 11 月,麻省理工学院和日本九州大学的专家们用一种算法将一幅 3D 打印的海龟的照片标记为了步枪,方法是改变照片中的一个像素。

近日,多伦多大学的研究人员也宣布发明了一种算法中文链接),通过对图像进行光转换,动态地破坏面部识别系统。具体来说,他们的算法是在 600 张人脸的数据集上进行训练,它会发出一个实时的过滤器,可以应用到任何图片上。因为它的目标——图像中的单个像素——是特定的,因此它几乎是肉眼无法察觉的。

研究人员 Parham Aarabi 和 Avishek Bose 称,他们的算法将人脸识别系统中被检测到的人脸的比例降低到 0.5%。他们希望在应用或网站上提供这种神经网络系统。


题图/GIPHY

喜欢这篇文章?去 App 商店搜 好奇心日报 ,每天看点不一样的。