10 万人，1000 万张照片，全球最大人脸识别数据库被秘密删除

▲点击上方 雷锋网 关注

一旦你发布了它，人们下载了它，那它就会存在于全世界的硬盘里。

 文 | I/O 

人脸识别技术发展到今天，已经不仅仅在技术发展层面受到关注，实际上，在政策和用户隐私层面，它引起的争议越来越多，在某些区域或者领域也颇不受待见（参见雷锋网此前报道）；比如说，2019 年 5 月，旧金山市对人脸识别技术发出了禁令，禁止该技术在政府机关和执法机关中使用，从而成为全球首个对人脸识别技术发出禁令的城市。

近日，微软公司悄然删除了该公司于 2016 年发布的人脸识别数据库 MS-Celeb-1M——该数据库是全球最大的公开人脸识别数据库。

微软为什么要发布 MS-Celeb-1M 数据库？

2016 年 8 月，微软在官网中公布了一篇题为《MS-Celeb-1M: A Dataset and Benchmark for Large-Scale Face Recognition》的论文，论文作者包括来自微软研究院的 （目前他已经离开微软加入） Lei Zhang（张磊）, Yuxiao Hu, Xiaodong He, Jianfeng Gao 等人。

在这篇论文中，微软介绍了一个名为 MS-Celeb-1M 的人脸识别挑战赛，参赛者需要根据微软提供的数据集作为训练数据来开发自己的图像识别系统，以便从 100 万个名人名单中进行人脸识别。

与此同时，随着这一挑战赛，微软也发布了一个面向公众开放下载的大规模人脸识别数据集 MS-Celeb-1M，其中第一个版本包含了 10 万个名人（根据他们的受欢迎程度，从上述 100 万个名人名单中选择而来）的 1000 万张脸部照片，来供研究者开发自己的人脸识别技术——微软宣称，这些照片来自于人们常用的搜索引擎，也就是公开渠道。

以 Lady Gaga 为例，我们来看一下数据库中的相关照片：

微软宣称，该数据库是全球最大的公开人脸识别数据库。

微软技术与研究院首席研究员 / 研究经理张磊（即上述论文作者中的 Lei Zhang）博士曾对外表示，MS-Celeb-1M 的目标是识别百万人脸，是计算机视觉内最大规模的分类问题，并且其中一个人物对应一个 entity，绑定了知识库，并且知识库中提供了每个人的职业，性别等等丰富的信息，从而解决了人物重名的问题，可以从识别达到认知。

基于这一数据库，微软举行了 MS-Celeb-1M 百万名人识别竞赛，这一竞赛被业界认为是人脸识别的年度 “世界杯”。其中，在 2017 年的微软百万名人识别竞赛中：Panasonic-新加坡国立大学合作夺得第一，CIGIT（中科院重庆绿色智能技术研究院）和中科院合作队伍位列第二，美国东北大学位列第三。

虽然在微软的认知中，最开始这个数据集是面向学术界做的，但后来，这一数据集被许多工业界的同行所使用。

根据相关的引文资料，MS-Celeb-1M 数据库已经被多商业机构所使用，比如说 IBM、松下电气、阿里巴巴、辉达、日立、商汤科技、旷视科技等，甚至有消息称，也有相关的军事研究人员采用了这一数据库来训练面部识别系统。

微软删除了，但它存在于全世界的硬盘里

然而，伴随着人脸识别技术的发展，人们对相关隐私的关注和担忧越来越多增加，也有人认为微软的这一数据库涉嫌侵犯隐私，比如说来自德国柏林的艺术家和技术专家 Adam Harvey，他在自己的 Megapixel 项目中记载了包括 MS-Celeb-1M 在内的数据库的详细信息以及使用用户。

Adam Harvey 认为，微软用 Celebrity 一词指的是那些在网上工作并且在数字世界具备知名度的人，而不仅仅是 Lady Gaga、Steve Jobs 这样的名人。

比如说，有媒体在针对 MS-Celeb-1M 数据库中的人脸进行核实后发现，MS-Celeb-1M 的确包含了不少名人的照片，比如说 Lady Gaga、Steve Jobs 等，但是也包含一些媒体人的信息，比如说《连线》杂志负责报道网络犯罪、网络安全、隐私等问题的高级记者 Kim Zetter。

实际上，针对微软涉嫌侵犯隐私问题，英国《金融时报》也设法联系了被收录在 MS-Celeb-1M 数据库的当事人，某些当事人甚至根本不知道自己的照片已经被收录——比如说科技作家 Adam Greenfield；他在接受采访时表示，自己绝不是公众人士，无法放弃自己的隐私权。

也就是说，微软在数据库中使用的照片，并没有征得当事人的同意，即使他们是名人。

当然，微软自己也意识到了这个问题，目前它已经删除了 MS-Celeb-1M 数据库；在对英国《金融时报》的回应中，微软表示：

这个网站原本是用于学术目的，它是由微软的一个前员工来运营的。目前，该员工已经离开微软，因此我们也已经移除了它。

值得一提的是，伴随着微软删除了 MS-Celeb-1M 数据库，另外两个学术单位也删除了它们旗下的类似相关数据库，包括由杜克大学研究人员建造的 Duke MTMC 监控数据库和斯坦福大学的 Brainwash 数据库。

就目前的情况来看，微软用来介绍 MS-Celeb-1M 项目的网站还在，但是数据集本身已经不能下载；然而，据雷锋网搜索发现，相关的数据库资源依然可以从其他网站进行下载。更重要的是，作为一个公开下载的数据集，MS-Celeb-1M 实际上已经存在于不少企业或机构的本地硬盘中，被用作各类的用途，而照片当事人却无法左右。

正如，Adam Harvey 所言：

一旦你发布了它，人们下载了它，那它就会存在于全世界的硬盘里。

- END -

◆  ◆  ◆

推荐阅读

腾讯云复制粘贴

美官员请求延期禁华为；Salesforce 157亿美元收购Tableau；格力奥克斯“掐架”新进展

谷歌游说美政府解除华为Android禁令；搜狐加入社交大战推出狐友；库克：中国封杀苹果事件不会发生

智能手表eSIM化，走向独立人格的第一步

解读 | 苹果推出 iPadOS 的真正用意是什么？

CCF-GAIR 2019

由中国计算机学会主办、雷锋网和香港中文大学（深圳）联合承办的 2019 全球人工智能与机器人峰会，将于 2019 年 7 月 12 日至 14 日在深圳举行。届时，诺贝尔奖得主JamesJ. Heckman、中外院士、世界顶会主席、知名Fellow，多位重磅嘉宾将亲自坐阵，一起探讨人工智能和机器人领域学、产、投等复杂的生存态势。

今日限量赠送10张850元门票优惠码，门票原价1999元，现价仅1149元，限量10张，送完即止。（在公众号对话框中回复关键字【门票优惠码】，即可获得）

在看点这里