315晚會的最后幾分鐘將黑科技“人臉識別”推向了風口浪尖，而就在一年多前，馬云首次通過人臉識別買了一套郵票，才剛剛將人臉識別這個新名詞帶入百姓的日常應用中。今天，面對所有的質疑、驚訝、恐慌，商湯科技想跟您聊聊人臉識別的那些事。

　　首先，得益于人臉識別在使用體驗方面的便利性以及對于人力成本的良好控制，目前已經廣泛應用于機場、車站以及金融單位的基礎應用中，特別是在需要遠程認證的方面，已經成為不少應用不可或缺的驗證手段。

　　那么，人臉識別的安全性到底如何?商湯科技表示：人臉識別遠比您想象的要安全得多!在實際應用過程中，人臉識別一般不會作為身份驗證、支付環節中的唯一標準，而是作為密碼等傳統方式的驗證補充;其次，通過多層的技術手段，也可以為用戶的財產做到妥善保護!也許，在普通人眼里，人臉識別就是一個比對“你”等于“你”的過程;但在帶有活體檢測技術的人臉身份驗證過程中，我們會分兩步走，第一步：驗證“你”是“活的你”;第二步：驗證“活的你”是“以前的你”，并且在驗證中也有多重保護機制保證信息安全。

　　“你”是“活的你”

　　目前很多活體檢測技術，只要求用戶做出眨眼、張嘴、點頭、搖頭、微笑、眼動等動作即可完成驗證，偽造的成本不高。例如通過某些APP模擬或者高清晰度打印等方式，都可能“繞過”防偽算法。

　　但是這類應用的技術引擎相對比較落后，而目前商湯在活體檢測技術方面，加入了全新的算法，即在結合動態視頻的驗證同時，增加針對單幀圖片的瑕疵差異和特征點學習，動靜結合翻出“假”的你。比如在活體檢驗的過程中，偽造和干擾檢測檢測結果的可能性一共有三種，分別是：高清圖片、合成的可動視頻以及人皮面具。針對每一種偽裝，商湯都準備了秘密武器!

　　用過PS的人都知道，高清PS的假臉和原有的真臉，在光線分布、色調均勻度、貼圖周邊處理方面難免會存在微小不自然，即使應用圖章工具，在輪廓邊緣也難免露出馬腳，假臉和真臉之間的銜接區域，也會留下“合成痕跡”，如模糊處理、涂抹等。這些假臉和真臉之間不匹配的情況，都會被商湯科技基于大數據訓練的深度學習模型一一找出，即便是那些人眼根本察覺不到的頭發絲的細微瑕疵，從而直接否認驗證結果。

　　與高清圖像相比，用合成視頻通過檢測就要“高級”得多，目前某些軟件應用可以通過盜取公民個人圖片，同時將圖片移花接木轉移到顯示屏幕上，甚至還可以控制合成的假臉做出簡單的表情以混過檢測。但合成視頻一方面仍會帶有光線、色調不自然，留有“合成痕跡”的問題，另一方面，通過手機、顯示屏等渲染出的圖像，還會被偵測到介質痕跡，如顯示屏幕邊緣、屏幕反光、摩爾紋、像素點紋理、鏡頭畸變等。這其中有些線索可能人眼很難注意到，但是商湯的防偽算法，恰恰能夠做到對每一處細節、每一個邊緣角落，都不放過!

　　偽造面具的方式無疑三種造假方式中最高級的，也是成本最高的，即使從犯罪成本來說，絕大多數情況下也是不劃算的。制作精良的人臉面具不僅形狀、顏色與真人難辨真假，在發型、胡須等細節方面也能做到惟妙惟肖。但邪不壓勝正，面具終究還是假面，在進行具體動作的時候，比如眨眼、張嘴、點頭等，鏤空部分的邊角也會出現肌肉線條變化匹配性較差，商湯所開發的人臉系統，通過對人臉表情數據的抓取和學習，能夠在毫秒級時間內找出其中的瑕疵。更為神奇的是，深度學習系統不間斷更新的，真可以說是“好好學習天天向上”的最好代言，隨著深度學習的不斷深入，今天的系統與昨天的系統相比又進一步提高了識別的準確率!

　　“活的你”是“以前的你”

　　通過“活人檢測”之后，系統就會將“活體人臉”圖像，與用戶之前上傳過的人臉信息進行比對!這一過程中，不僅僅是簡單的兩張圖的比對，人臉面部的檢測(跟蹤)、人臉關鍵點定位，以及和人臉數據庫中的比對(識別)，均是決定能否更快、更準地找出“以前的你”的重要因素。商湯在這一方面的造詣深厚，通過算法層面的持續優化，不僅可以在毫秒級別的時間內完成現以上過程，還實現了高精度的性能表現。

　　目前我國的人臉識別技術開發和應用方面在國際上處于領先水平，同時，人工智能產業興國今年更是出現在了工作報告中，可以說以人臉識別為代表的新一代人工智能目前方興未艾，而在技術發展過程中出現的任何小問題，都已經或者將很快被技術的革新加以解決。