共计 1811 个字符，预计需要花费 5 分钟才能阅读完成。
作者 |Trung Anh Dang
编译 |Flin
起源 |towardsdatascience
多亏了计算机科学和电子技术的迅速倒退，现在，就市场份额而言，面部辨认正成为仅次于指纹的寰球第二大生物特色认证办法。
每天，越来越多的制造商在他们的产品中退出面部辨认性能，例如苹果公司采纳了人脸识别技术，银行则采纳 eKYC 解决方案进行了入职流程。
人脸识别钻研的次要目标是进步验证和辨认工作的性能，与此相反，过来对人脸识别零碎的安全漏洞的钻研较少，直到最近几年，人们才开始关注不同类型的人脸识别攻打，包含检测一个生物特色是来自一个活着的人还是一张照片。
面部识别系统上应用的两种攻打
如上图所示，存在七个能够作为攻打指标的模块和点，它们分为两种类型：演示攻打和间接攻打。
演示攻打
演示攻打在传感器级别（1）进行，而无需拜访零碎外部。
演示攻打与纯正的生物辨认破绽无关。在这些攻打中，入侵者应用某种伪像，例如，照片，面具，合成指纹或打印的虹膜图像，或试图模拟实在用户的行为（例如步态，签名）欺诈地拜访生物识别系统。
因为“生物特色不是机密”，攻击者意识到这种事实，即裸露了大量生物特色数据，显示了人的脸部，眼睛，声音和行为，因而他们利用这些信息资源来尝试利用以下示例坑骗人脸识别零碎。
- 攻击者应用要被假冒的用户照片。
- 他们应用要模拟的用户视频。
- 黑客能够构建和应用被攻打人脸的 3D 模型，例如，超真切面具
咱们应用反坑骗技术来避免这些攻打。
间接攻打
能够在数据库，匹配的通信通道等上执行间接攻打（2-7）。在这种类型的攻打中，攻击者须要拜访零碎外部。
能够通过与“经典”网络安全无关的技术（而不是与生物辨认技术）相干的技术来避免间接攻打，因而在本文中咱们将不再探讨。
防御形式
如果不施行演示攻打检测，大多数最新的面部生物特色识别系统都容易受到简略攻打。
通常，能够通过向相机出现指标人员的照片，视频或 3D 蒙版来坑骗面部识别系统。或应用化妆或整形手术。然而，因为高分辨率数码相机曝光率高、成本低，应用照片和视频是最常见的攻打类型。
- 照片攻打 ：照片攻打包含将被攻打身份的照片显示在面部识别系统的传感器上。
- 视频攻打 ：攻击者能够在任何复制视频的设施中播放非法用户的视频，而后将其出现给传感器 / 摄像机。
- 3D 蒙版攻打 ：在这种类型的攻打中，攻击者构建面部的 3D 重建并将其出现给传感器 / 相机。
- 其余攻打 ：化妆，手术
反坑骗技术
因为大多数面部识别系统很容易受到坑骗方的攻打。因而，为了在实在场景中设计一个平安的人脸识别零碎，从零碎的初始布局开始，防坑骗技术应该是首要任务。
因为面部识别系统试图辨别实在用户，因而无需确定提供给传感器的生物特色样本是实在的还是假的。咱们能够通过以下四种不同形式来实现它们。
传感器
咱们应用传感器来检测信号中的实时特色。
专用硬件
借助专用硬件（例如 3D 摄像机）来检测生命迹象，但并非总是能够部署。
挑战响应法
应用挑战响应法，其中能够通过申请用户以特定形式与零碎进行交互来检测演示攻打。
- 微笑
- 悲伤或幸福的面部表情
- 头部动作
算法
应用以下辨认算法实质上具备抵挡攻打的能力。
镜面特色投影 ：首先，通过刻画实在图像对应的镜面特色空间，在此基础上学习实在数据和虚伪数据的投影。其次，依据实在投影训练 SVM 模型，而后应用 3D 掩模投影和打印照片投影作为检测模仿的反坑骗模型。
深度特色交融 ：通过深入研究人脸图像色彩特色信息对人脸检测的重要性，利用深度卷积神经网络 ResNet 和 SENet 构建了深度特色交融网络结构，无效地训练相干的人脸防坑骗数据。
图像品质评估 ：该办法基于图像品质度量的组合。该解决方案将原始图像与通过解决的图像进行比拟。
深度学习 ：此办法基于多输出架构，该架构联合了预训练的卷积神经网络模型和本地二进制模式描述符。
生物特色认证办法
https://towardsdatascience.co…
如何施行？
咱们能够应用反坑骗技术构建演示攻打检测零碎（PAD），并将其与面部辨认系统集成。
应用这种办法，防坑骗零碎首先做出决定，只有确定样本来自有生命的人之后，面部识别系统才会对其进行解决。
原文链接：https://towardsdatascience.co…
欢送关注磐创 AI 博客站：
http://panchuang.net/
sklearn 机器学习中文官网文档：
http://sklearn123.com/
欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/