目前人脸识别技术还欠火候，要实际应用还有待提升.doc

目前人脸识别技术还欠火候,要实际应用还有待提升
从线上支付、考勤打卡到抓捕逃犯,不可否认,面部识别技术已经深入到我们日常生活的方方面面,但同时,它也存在争议,隐私问题一直是众多AI技术需要面对的难题。近日,亚马逊因向执法机构提供面部扫描技术而成为头条新闻。
对人工智能监视系统的担忧,促使研究人员开发了一种针对它们的工具。近日多伦多大学教授帕勒姆·阿比拉和研究生阿维舍克·博斯发明了一种算法,%。
有了这项“反人脸识别”技术,我们能够决定自己的脸是否会被识别吗?

反人脸识别不陌生
其实这种反人脸识别技术早在前几年就已出现。2016年11月,卡内基梅隆大学研究人员开发出一款反面部识别眼镜。,团队称,眼镜可让摄像头前的人显示成为另一个人,在对商用级脸部识别软件的测试中,误认人脸的成功率达到100%。
2017年,麻省理工学院和日本九州大学的研究人员创建了一种叫做EOT(ExpectaTIon Over TransformaTIon)的算法,成功骗过谷歌AI系统,让系统将一幅3D打印的海龟照片标记为步枪,将3D棒球认成浓缩咖啡,而可爱的猫咪则有时被当做鳄梨酱。
有研究人员担忧,AI对3D物品的错认,以及被设计用来欺骗机器视觉系统的对抗性图像技术的突破,让面部识别系统正面临新一轮挑战。在上述实验中,将乌龟错认成步枪正是对抗性图像的一个例子,多伦多大学教授帕勒姆·阿比拉使用的也是这种方法。
对抗训练技术受追捧
勒姆·阿比拉在最近发表的《基于约束最优化的神经网络的反面部识别系统》中介绍,他们在一个超过600张脸的行业标准库中进行了系统训练,用于测试的600张脸包含了不同种族、不同
光照条件以及不同环境。
文章第一作者阿维舍克·博斯在接受媒体采访时也表示,测试的关键在于训练两个神经网络相互对立,一个创建越来越强大的面部检测系统,而另一个创建更强大的工具来破坏面部检测。
现代脸部识别软件主要依赖于深度神经网络--一种从大量信息中学习模式的人工智能技术。在被呈现过数百万张人脸之后,该类软件就能习得