在中國隨便闖紅燈，你的頭像就會被拍下來。同時，馬路邊的顯示屏就會曝光你的個人信息。
當你將照片或視頻上傳到社交媒體平臺時，面部識別系統都會對你進行更多的瞭解。這些算法會提取關於你是誰、你的位置、你認識的人等關聯數據。
人臉識別是把雙刃劍，國家需要視頻監控手段以達到管理社會的目的；而民眾需要保護隱私以達到保護自己目的。
所以，社會上就有兩個技術派別：
①研發人臉識別技術
②研發破壞人臉識別技術
來自多倫多大學的教授Parham Aarabi 和研究生Avishek Bose，最近研發了一個算法，可以實時為圖像加上特效，擾亂人臉識別系統的分析效能。
這個算法結合兩個神經網絡：
一個用來分析數據製作圖像輸出
一個用來探測製作的圖像中含有的虛假數據
以這個方式就可以進行人臉識別，再加上使用虛假數據的擾亂效果，達到阻礙人臉識別系統的目標。
是怎麼現實的？
這個解決方案利用了一種叫做【敵對訓練的深度學習技術】，它將兩種人工智能算法相互對抗。
Aarabi和Bose設計了一套兩個神經網絡：
第一個，用來識別人臉；
第二個，用來破壞第一個人的面部識別任務。
這兩個人不斷地互相爭鬥，相互學習，建立了一場持續的人工智能軍備競賽。
這怎麼看著有點像周伯通的左右互搏術呢？
他們的算法是在包含不同種族，不同光照條件和背景環境下，300-W影像資料庫的超過600張人臉照片的數據集上進行訓練的（業界標準庫）。
兩個神經網絡相互對抗會發形成一個實時的【過濾器】，它可以應用到任何圖片上。
因為它的目標——圖像中的單個像素是特定的，改變一些特定像素，肉眼是幾乎無法察覺的。
比如說檢測網絡正在尋找眼角，干擾算法就會調整眼角，使得眼角的像素不那麼顯眼。算法在照片中造成了非常微小的干擾，但對於檢測器來說，這些干擾足以欺騙系統。
Bose和Aarabi聲稱，他們的算法將人臉識別系統中被檢測到的人臉的比例降低到0.5%。他們希望在應用或網站上提供這種神經網絡系統。
這裡的關鍵是訓練兩個神經網絡相互對立 ：
一個創建一個越來越強大的面部檢測系統；
一個創建一個更強大的工具來破壞面部檢測。
除了破壞面部識別之外，新技術還會中斷基於圖像的搜索，特徵識別，情感和種族評估以及可以自動提取的所有其他面部屬性。
生物特徵識別
▼
閱讀更多 特大號 的文章
