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。
該研究論文題目為《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布平台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，已日益成為主流，因此現在成為攻擊者的主要目標。
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，因為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。美國就有幾起因為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。