【多伦多大学开发反面部识别系统 人脸识别率降至0.5%】
面部识别系统是有争议的 ， 至少可以这样说 。 上周 ， 亚马逊因向执法机构提供面部扫描技术而成为头条新闻 。 研究表明 ， 一些面部识别算法对某些种族存在固有的偏见 。
人们对这种人工智能监视系统的担忧 ， 促使多伦多的研究人员开发了一种针对它们的工具 。 多伦多大学的教授Parham Aarabi和研究生Avishek Bose发明了一种算法 ， 通过对图像进行光转换 ， 动态地破坏面部识别系统 。
“随着面部识别技术越来越先进 ， 个人隐私成为了一个真正的问题 ， ”Aarabi在一份声明中说 ， “这就是反面部识别系统的用武之地 。 ”
旨在破坏面部识别的产品和软件并不是什么新鲜事物 。 在2016年11月的一项研究中 ， 美国卡内基梅隆大学的研究人员设计了一种眼镜框 ， 可以误导面部识别系统 ， 使其产生错误的识别 。 在2017年11月 ， 麻省理工学院和日本九州大学的专家们用一种算法将一幅3D打印的海龟的照片标记为了步枪 ， 方法是改变照片中的一个像素 。
图：研究人员的反面部识别系统在起作用（来源：多伦多大学）
但根据Bose和Aarabi的说法 ， 这是使用人工智能的首批解决方案之一 。 他们的算法是在600张人脸的数据集上进行训练的 ， 它会发出一个实时的过滤器 ， 可以应用到任何图片上 。 因为它的目标——图像中的单个像素——是特定的 ， 因此它几乎是肉眼无法察觉的 。
这两名研究人员采用了对抗训练（adversarial training）技术 。 这种技术使两个神经网络相互对抗——一个神经网络从数据中获得信息 ， 另一个试图破坏第一个神经网络的任务 。 Aarabi和Bose的系统使用第一个神经网络来识别人脸 ， 并利用第二个神经网络来扰乱面部识别过程 。
他们的研究报告将在2018年IEEE国际多媒体信号处理研讨会上发表 。 Bose和Aarabi声称 ， 他们的算法将人脸识别系统中被检测到的人脸的比例降低到了0.5% 。 他们希望在应用或网站上提供这种神经网络系统 。
“十年前 ， 这些算法必须是人类定义的 ， 但现在神经网络可以自己学习——除了训练数据之外 ， 你不需要提供任何东西 ， ”Aarabi说 ， “最终 ， 他们可以做一些非常了不起的事情 。 这是一个很有意思的领域 ， 有着巨大的潜力 。 ”
推荐阅读
- 美俄两国阻止“杀手机器人”规则遭反对者指责
- 感冒鼻塞流鼻涕怎么办
- 几个月不发工资算不算违反劳动法
- 最让女人反感的接吻方式
- 男人忽视的这些细节让女人反感
- 喝了啤酒加味精会有什么反应
- sd娃娃和bjd娃娃的区别
- 孩子学全脑开发的利弊
- 孩子犯错后，家长该给什么反应
- 指甲其实可以反映人体健康，美甲的女孩们注意啦