京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:【公众号】
Python技术
人脸识别是一个既方便又安全的个人鉴权解决方案,被应用在各个场景中,从各种app,打卡门禁,到遍布各处的自动售卖机,已经和我们的生活密切结合了,不过可别掉以轻心,安全问题无小事
1
今天看到的一条新闻[1] ,给人脸识别的安全问题打上了大大的问号,怎么回事呢?
近日上海警方在查处一起伪造发票案时,牵出了一个破解人脸识别案,犯罪嫌疑人通过简单的手段,获取了大量的人脸信息
然后利用“活照片” app,把获取到的照片做成可以点头、摇头、眨眼,张嘴的视频
再通过劫持手机摄像头软件,轻松骗过手机的人脸识别环节
从而攻破广泛用于管理电子营业执照 App 的人脸识别系统,疯狂的开设虚假发票
2
之前也有破解人脸识别的新闻,依托清华大学人工智能研究院成立的团队瑞莱智慧,披露过一个研究成果:
研究人员根据一张照片,通过研究算法,制作一副特殊“眼镜”,就可以刷脸解锁他人手机或App身份认证。
戴上自制眼镜后,15分钟内破解了19款智能手机的人脸识别解锁系统,同样被破解的还包括十余款金融和政务服务类App。
研究人员表示,结合身份证号等个人信息,甚至可冒充机主完成线上银行开户。
3
这些新闻只是“人脸识别”黑产中的冰山一角
记者发现,网上存在大量提供破解人脸识别技术服务的群组,通过各种技术,用很便宜的价格,为客户提供各种场景的人脸识别服务,比如上班打卡考勤,甚至可以通过特殊的手机,随便破解运行在手机上的人脸识别应用,而且价格低廉
看的这里,我都不敢再随便晒我的头像了
面对这样的情况,专家不断地呼吁各方提高安全意识,敦促相关部门提高安全等级,修补安全漏洞……
这些无可厚非,但对于我们每个个体来说,远水解不了近渴,我的得主动出击做我们能做的,保护自己
1.头像分享需谨慎
通过调查可知,大部分都是通过窃取互联网上的用户头像训练以及进行突破人脸识别的
那么我们在分享个人头像时,就要谨慎,对于公信力不高的平台,最好不要轻易上传头像或者有脸的照片
2.个人信息保护牢
另外为了提高安全等级,很多人脸识别系统会配合采集个人信息作为副助验证,增强一定的安全性
那么我们就不要随便将个人信息泄露出去,特别是姓名,手机号,身份证号,这些关键信息,至少不要一起提供到不靠谱的平台上
3.主动防御
除了这些主动的通过习惯防范的方式,还有什么方法吗?
当然有,所谓“魔高一尺道高一丈”,那么怎么为我们的头像戴上面具呢
Fawkes是由芝加哥大学 SANDLab 研究人员开发,针对面部识别系统的隐私保护工具
它可以通过 AI 计算,为照片添加一层防识别 “隐身衣”,经测试,其已在最先进的面部识别技术中取得了百分百的胜利。
我们先看一组照片:
找不同
能看出两种照片的不同吗?
如果不仔细看是看不出来,甚至就算仔细看了,也未必能看出来
上面的图片中,左边的是原始图片,右边的是经过 Fawkes 伪装过的
神奇的是,经过处理后,人眼几乎看不出差异,而在机器看来却是完全不同的两张脸
这是如何实现的呢?
借用 Fawkes 为照片穿上隐身衣这篇文章上的解释:
Fawkes 在公开的研究论文里,详细描述了实现原理,不过比较复杂,简单来说就是:
Fawkes 并不是让你的照片对人脸识别系统隐形,而是通过代码做了一些微调,让你看起来好像另一个人,这个人可能时不存在的虚拟人像
关于虚拟人像,可参考 99% 的人并不知道 AI 生成人脸已经达到什么水平[5]
Fawkes 原理示意图:
Fawkes 原理示意图
前者是基于 Fawkes 算法来生成用户图像的伪装版本,后者是通过追踪器(Tracker)从网络资源中检索伪装的图像,并使用它们来训练未经授权的面部识别模型。最终可以发现模型输出的图像与原始图像并不相同
这是官方给出的效果对比:
效果对比图
看着很热闹,如何应用呢?
Fawkes 提供了两种应用方式
第一种是桌面应用,提供了 MAC 和 Windows 的下的软件[6],下载后直接使用即可
而且使用起来简单粗暴:
Fawkes 软件
转化完后,会保存在原始图片所在的目录里
第二种,可以安装 Fawkes 命令行工具
首先需要有 Python3.6 及其以上版本
然后需要安装 TensorFlow 2.0 以上版本,具体安装方法可以参考 TensorFlow 安装
最后使用 pip 安装 Fawkes
pip install fawkes
如果安装成功,就可以直接使用命令 fawkes 了
命令行参数为:
示例
fawkes -d ./imgs --mode min
将当前目录 imgs 里的所有图片以最小保护力度进行批量处理
两种保护方式各有好处,可根据自己实际情况选择
虽然人脸识别还有待提高安全性,但办法总比问题多
我们在加强安全意识的同时,可以利用技术手段提高自我保护的力度
这才是真正有效的方式,也是让自己不断强大起来的方式
这下,妈妈再也不用担心我的头像安全问题了,就聊到这里吧,赶紧去换一下社交网络上的头像
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22