點擊上方“藍色字體”,選擇“設爲星標”
做積極向上的前端人!
來源:智東西
上週,AI人工智能發生了兩件大事!!!
8月12日消息,英偉達(NVIDIA)官方曝出一則猛料,就在今年4月份舉辦的GPU技術大會上觀衆看到的英偉達CEO黃仁勳居然是假的,此消息一出立刻引起軒然大波。
畢竟三個多月都沒人發覺!發佈會中黃老闆的廚房、標誌性的皮衣,甚至他的表情、動作、頭髮……全都是假的, 全是AI合成出來的。
而揭開這個祕密還是由英偉達自己揭曉的,彼時彼刻,只能用鬼斧神工、瞞天過海來形容黃仁勳的數字人替身。
不得不說英偉達如今的技術沉澱奠定了其在數據中心計算市場的潛力優勢。
此事件雖然是英偉達(NVIDIA)官方的宣傳製作,但是,可以證明AI技術真的太恐怖了!
還有更恐怖的:AI 造出 9 張“萬能人臉”,可冒充超 40% 的人!!!
8 月 16 日消息,近日,以色列特拉維夫大學研究人員證明了一種創建“萬能人臉(master face)”的方法。
研究人員通過圖像生成系統 StyleGAN 先生成假的人臉圖像,然後通過算法和分類器對比篩選出與真實人臉相似度最高的圖像,最終獲得 9 張“萬能人臉”圖像。
這種計算機生成的“萬能人臉”作用就像萬能鑰匙一樣,可以模仿多個身份,通過基於人臉識別的身份驗證。
該研究論文題目爲《利用網絡輔助的潛在空間演化生成字典攻擊的萬能人臉(Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution)》,已提交至論文預印本發佈平臺 arXiv 上。
論文鏈接:
https://arxiv.org/pdf/2108.01077.pdf
一、萬能指紋技術帶來靈感
由於其方便性,生物識別認證,特別是人臉識別認證,已日益成爲主流,因此現在成爲攻擊者的主要目標。
攻擊一般的計算機認證系統時,有破解者會採取字典式攻擊,通過連續嘗試多個輸入來嘗試通過認證系統。
而在現實世界的生物識別系統中,人們通常只能嘗試幾次輸入,然後系統就會鎖定。並且使用生物統計學進行的匹配並不精確,加之生物學統計數據的空間分佈不均勻,這表明可能少量樣本可以覆蓋更大的人口比例。
特拉維夫大學研究人員從“萬能指紋”研究中獲得了靈感,他們開發了一種“萬能人臉”,來繞過人臉識別軟件。
二、通過算法分類對比,選出 9 張“萬能人臉”
研究人員首先使用人工智能領域廣泛使用的生成模型 StyleGAN,來進行“萬能人臉”的製作。
▲“萬能人臉”訓練過程
然後研究人員然後使用算法和神經網絡來優化。有限內存矩陣自適應進化策略(LM-MA-ES)算法是非常適合高維黑匣子優化的,但是還需要增加一個組件,來推斷哪些人臉是交叉身份認證的最佳候選選項。
所以,研究人員創建了一個“成功預測器(Success Predictor)”神經分類器,將大量候選人臉圖像篩選出合適、可完成繞過人臉識別軟件任務的人臉圖像。
▲“成功預測器”神經分類器原理
研究人員使用算法和分類器將每一個系統輸出的虛假人臉都與 Labeled Faces in the Wild(LFW)數據庫中 5749 個不同人的真實照片進行比較,並給出平均集覆蓋率(Mean Set Coverage,MSC)分數,只保留分數高的虛假人臉圖像。
其中對圖像比較得到的分數會用於訓練進化算法,幫助研究人員使用 StyleGAN,創建出越來越多看起來像數據集中真實存在的人臉圖像。最終得到 9 張“萬能人臉”圖像。
▲ 九張“萬能人臉”
三、能覆蓋超 40% 數據集
研究人員使用“萬能人臉”對三種不同的深度人臉識別系統:dlib、FaceNet、SphereFace 進行測試,因爲這幾種人臉識別系統在 LFW 數據集中測試競賽的排名最高。
▲ 9 張生成的圖像所覆蓋的數據集的百分比
研究人員實驗得到,9 張“萬能人臉”覆蓋了這三種人臉識別系統中 42%-64% 的數據集,也就是說 9 張“萬能人臉”可以通過這些人臉識別系統中 42%-64% 的身份驗證。
結語:人臉識別系統準確性備受關注
隨着人臉識別技術的普遍應用,除了涉及到隱私保護問題外,人臉識別的準確性同樣是人們熱議的話題。美國就有幾起因爲人臉識別錯誤而錯誤發生逮捕的事件,引起了很大輿論反響。
特拉維夫大學研究人員其實給出了很好的思路,從如何破解人臉識別系統入手反推人臉識別系統漏洞,這樣可以更好地完善人臉識別系統。
— END —
點擊關注下方卡片關注我👇👇
炸裂!又一 VSCode 神器面世(AI 能自動編程了??)
如果覺得這篇文章還不錯,來個【分享、點贊、在看】三連吧,讓更多的人也看到~
本文分享自微信公衆號 - 前端佈道師(honeyBadger8)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。