别高兴太早!关于苹果刷脸背后的四大问题!

2017 年 9 月 13 日 量化投资与机器学习


本文授权转自AI科技大本营

(微信ID:rgznai100)


就在今日凌晨,苹果发布了逆天黑科技iPhone X,其中群众们讨论得最多的,无外乎这里面是用的Face ID,也就是说,刷脸解锁。




这几天,朋友圈里,手机+刷脸这个热点泛滥成灾。


就在周一小米发布Note3刷脸手机的当天,网上就有文章,提到刷脸手机容易被破解的四种方式,并且随着刷脸技术越来越普及,想拥有自己的隐私已经不太可能了。


今天,趁着这个热点,营长再次从技术层面,来透彻地解析一下有关手机刷脸这件事。


文中有来自业内人士的访谈,有来自苹果发布会的消息,也有相关的国外译文。AI科技大本营只负责公正地将各类观点平铺直叙,而不对文中观点进行站队。



问题一:苹果手机刷脸(Face ID )的背后到底是什么原理?

在苹果的刘海中,请注意这么四个标识:Infrared camera(红外镜头),Dot projector(点阵投影器),Flood illuminator(反光感应元件),Front camera(前置摄像头),这四个部件在苹果手机的刷脸功能Face ID中举足轻重。


Face ID 的原理是,通过屏幕上方的Dot projector在用户脸上投射超过 30000 个肉眼不可见的光点,绘制出一个专属于你面部的深度图,并将其存储起来。解锁时,苹果将从刘海中投射出人脸看不见的红外光,并读取用户脸部的3D几何结构图,由此与之前存储的脸部数据图进行对比。图片相近,即可解锁成功。


为了更好地完成实时的面部数据比对,苹果为此专门开发了一个神经引擎(Neural Engine)。


据相关媒体援引旷世科技的采访报道,苹果的这个原理,与刚刚发布的小米Note3不同。


据悉,小米Note3采用了2D人脸解锁的方案,这样的方案在对于平面的照片,视频人脸,或者熟睡的人脸时,也有解锁可能。


而苹果采用的原理叫做“结构光双摄方案”,该方案足以识别这类平面攻击。且在刷脸时,眼睛闭着也是解不了锁。此外,库克称其无论是改变发型,戴上眼镜,还是戴上帽子,Face ID都能成功识别。这在活体检测上,又近了一步。


那么问题又来了,如《碟中谍》电影中人脸面具怎么办?长得像是不是也可以解锁?


关于这个问题,营长会在第四个问题——手机刷脸安全性解析中,进行详细分析。


此外,营长就对文中提到的结构光多做一些解释,并说说3D传感中的三项技术:结构光,飞行时间(TOF)以及双目视觉


结构光是一种3D传感的原理。结构光,说白了,就是将光投到物体表面,再使用摄像机扫描该物体表面反射的结构光图案。


这里不得不提,苹果在2013年收购一家以色列公司PrimeSense。

2013年,苹果花了3亿美金的价格收购了此公司。而这家公司可谓3D传感器的鼻祖。而这家公司最核心的技术就是结构光的散斑测距。


联想到苹果今日所用的点阵投影器,不外乎就来自这项技术的雏形。

 

那么飞行时间又是什么?


这和雷达原理接近。即通过测量光脉冲发射及返回的时间差,来读取物体的三维位置信息。


值得一提的是,早前,PrimeSense曾与微软合作,研发第一代Kinect。但之后,两者关系崩塌,PrimeSense被苹果收至麾下,于是,微软的第二代Kinect也只能重新研发新的技术,即飞行时间。


双目视觉就比较简单了,原理和人眼差不多,通过两个摄像头的视差来确定距离深度。


三种方式综合来看,飞行时间的精度和稳定性更好,但结构光的功耗比较小。双目在精准度上,不及前两者。


这样,就能更清晰的比对苹果和小米的刷脸手机了。小米Note3属于双目识别,由于其属于被动光,而非主动发射光源,其在暗光下,识别度会比较差。而苹果则不会出现这个问题。


尽管在技术上有大的革新,苹果此次发布的刷脸真的有它说的那么邪乎,错误率只有百万分之一?



问题二:错误率真的只有百万分之一?


接下来,让我们来谈谈第二个问题,苹果iPhone X的错误识别率是否只有百万分之一?


就在发布会现场,苹果CEO现场的第一次刷脸解锁并未成功,场面一度十二分尴尬。


为何解不开锁呢?


也许是因为发布会后面的强光束。目前原因不得而知,不过,这款手机确实有这个硬伤,近红外光或强太阳光下,可能刷不出脸来,解不开锁。


因为苹果手机在解锁时,发射的是红外光,当光的波段与红外光接近时,就会干扰到识别过程,继而解锁失败。


此外,强太阳光包含所有波段的光,其中就有红外光,因此,在一个大太阳的中午,当手机正面冲上时,可能也解不了锁。不过,目前营长还没拿到手机进行具体的测试,这只是理论推测。


不少人对AI科技大本营抱怨,苹果此举有点太过激进,完全取消指纹识别,用起来可能比较麻烦。


至于库克所说的百万分之一的成功率,可能只是一个软件算法层面的识别率,显然实际在应用中的识别几率。他很聪明地回避了前提条件,这个说法,不愧为一个很巧妙的公关概念。


问题三:真的比指纹识别更方便吗?

 

如果从识别率来说,yes!


在发布会上说,库克说到Face ID比Touch ID更为安全,后者被破解的概率是五万分之一,而前者是百万分之一。


当然,这有不如指纹识别的时候。这有不如指纹识别的时候。在你掏衣兜时,指纹识别就可以解锁了,但刷脸识别你还先得掏出来手机,再对着脸才行。


不过,可以肯定的是,既然苹果这个举旗者,已经出了这个大招,国内的手机大厂接下来一定会纷纷跟进了。不管你是更喜欢指纹识别,还是人脸识别,以后你的选择不多了。


据不少业内人士透露,旷世科技已经ALL IN手机刷脸项目,而商汤科技也在猛增人手,支援手机刷脸。目前,旷世科技拿下了小米手机的刷脸项目,而商汤则拿下了Oppo的人脸识别业务。日前,两家正对Vivo项目展开激烈争夺。



问题四:生物识别真的比密码安全吗?


历史上,生物特征识别一直不安全。


相机可以被骗。


声音可以录制。


指纹可以解除。


并且,包括美国在内的许多国家  ,警方可以合法地强迫你用指纹来解锁手机。所以,他们同样可以强迫你刷脸来解开手机,无论你愿意还是不愿意。当然,碰上坏人的话,劫匪压根就不会在意这合不合法、你愿不愿意之类的细节。


同时,生物特征识别被破解的情况时有发生。


2007年,在电影《谍影重重3》里面,为了拿到黑蔷薇计划的全部资料,马特·达蒙就破解了所谓安全的声音加指纹双因素生物识别,他所采用的方法很好地说明了生物识别本身所固有的问题:



以更复杂的虹膜识别为例:人类视网膜有数百万个细胞,每个人的视网膜都是独一无二的。这应该算是相当高端的生物识别方式,对吧?


但在今年5月份,三星Galaxy S8手机上最新的虹膜解锁,已经被一些安全研究人员破解了。他们所用的工具不过是打印机和隐形眼镜,所为的只是获取你的虹膜信息。



如果你的虹膜信息被黑客掌握了,如果你的指纹、脸型信息被黑客掌握了,只需合适的方法,他们就能破解任何以这些信息做密码的系统。

一旦你的DNA序列被黑客掌握,比如施瓦辛格的电影《第六日》,他们用此克隆出另外一个你也不是没有可能。


这一切都是因为,你的生物识别信息是无法改变的。密码丢了,你换个密码就可以继续用设备;而虹膜、指纹、脸型信息丢了,你就很难把眼睛、手指、脸型换了继续生活……


事实上,89%的iPhone用户之所以使用指纹解锁,只不过是为了免密码查看手机信息。但是,当你的支付宝、微信支付、比特币钱包的支付解锁方式同样换成Touch ID后,“睡觉的时候……钱没了”这事,就只剩下发生早晚的问题。


但iOS的默认设置却是,在不解锁手机的情况下你就能读取收到的短信。而在App Store中购买应用时,它默认却需要你输入长长的复杂密码才能确认购买。这是“读”“写”权限的一种分离。


反过来,处处使用指纹解锁,看上去好像安全……但在“读”“写”权限的逻辑上,跟处处不用密码又能有多大的差别呢?所以,还是等苹果先搞定这里面的逻辑再说吧……


另外,为了避免“每天解锁手机80次”繁琐,你已经把指纹交出去了,这次真的要把脸也交出去吗?


登录查看更多
1

相关内容

【ICML2020-华为港科大】RNN和LSTM有长期记忆吗?
专知会员服务
77+阅读 · 2020年6月25日
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
155+阅读 · 2020年6月14日
专知会员服务
50+阅读 · 2020年6月14日
最新《Deepfakes:创造与检测》2020综述论文,36页pdf
专知会员服务
65+阅读 · 2020年5月15日
【浙江大学】人脸反欺诈活体检测综述
专知会员服务
32+阅读 · 2020年4月15日
专知会员服务
237+阅读 · 2020年1月23日
密歇根大学《20年目标检测综述》
专知会员服务
99+阅读 · 2019年10月13日
深入卷积神经网络背后的数学原理
人工智能学家
10+阅读 · 2019年4月26日
抖音的 2017 和它背后的黑科技
PingWest品玩
8+阅读 · 2018年1月4日
从Face ID说起,浅析人脸识别之刷脸技术
互联网架构师
6+阅读 · 2017年9月25日
小米Note3 ‖ 国产首款支持人脸解锁手机
机械鸡
4+阅读 · 2017年9月12日
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Local Relation Networks for Image Recognition
Arxiv
4+阅读 · 2019年4月25日
Neural Arithmetic Logic Units
Arxiv
5+阅读 · 2018年8月1日
Arxiv
6+阅读 · 2018年3月28日
Arxiv
11+阅读 · 2018年1月18日
VIP会员
相关VIP内容
【ICML2020-华为港科大】RNN和LSTM有长期记忆吗?
专知会员服务
77+阅读 · 2020年6月25日
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
155+阅读 · 2020年6月14日
专知会员服务
50+阅读 · 2020年6月14日
最新《Deepfakes:创造与检测》2020综述论文,36页pdf
专知会员服务
65+阅读 · 2020年5月15日
【浙江大学】人脸反欺诈活体检测综述
专知会员服务
32+阅读 · 2020年4月15日
专知会员服务
237+阅读 · 2020年1月23日
密歇根大学《20年目标检测综述》
专知会员服务
99+阅读 · 2019年10月13日
Top
微信扫码咨询专知VIP会员