华为监控人脸识别对比（骗过最强人脸识别系统）

鱼羊 栗子 发自 凹非寺

量子位 报道 | 公众号 QbitAI

你知道吗，在脑门上贴张符，AI就认不出你了。

比如，这里有一个妹子，被人脸识别系统ArcFace发现了：

于是，她在脑门上贴了一张符。

人脸识别就不认识她了，框框上的“Person_1”标签没有了：

就算把光线调暗，这张符依然可以保护她，不被AI发现身份：

鬼片的光照条件，也是一样：

这样，万一哪天人类和AI打起来了，说不定还能逃过一劫呢 (误) 。

毕竟，去年发表的ArcFace，在现有的公开FaceID系统里面，是最强大的一个 (State-of-the-Art) 了。

而骗它的人，是来自莫斯科国立大学和华为莫斯科研究院的科学家。

他们的符上有特殊纹路，可以迷惑AI，这叫对抗攻击。攻击成本很低，符是普通的彩色打印机打出来的。

团队说，这是一个“很容易复现 (Easily Reproducible) ”的方法，还不光对ArcFace这一只AI有效，可以迁移到其他AI上，骗无止境。

网友说：开个公司，可以量产了。

并且，画符的算法已经开源了，那大家都可以生成欺骗人脸识别AI的符了。

说不定有一天，监控系统对陌生人出没，就没有抵抗力了。果然还是人类比较危险。

那么，先来看看画符的原理吧。

画符的原理

你可能听说过，在图像里加上一些噪声，熊猫就变成了长臂猿：

对抗性攻击在数字领域很容易实现，但在真实世界中，对抗攻击的效率大打折扣。

研究团队想到了一个方法，首先，他们琢磨出了一种新的离面变换方法，把一张平面矩形图像弯曲成三维抛物线，再进行旋转。

第二步，是把高质量的人脸图像投到变形后的“贴纸”上，并加入随机噪声。

然后，将由此获得的图像转换为ArcFace的标准输入。

最后，降低两个参数的总和：初始矩形图像的TV损失，和最后获得的图像的嵌入与ArcFace计算出来的锚嵌入之间的余弦相似性。

如此生成的对抗攻击图像，就不是一张平面的纸了，而是三维立体，能直接贴合人类脑门。

研究团队一开始完全随机地加入噪声。

在对抗样本生成阶段，他们采用的是具有动量的多次迭代FGSM方法（Goodfellow提出的经典对抗样本生成方法）。攻击分成两个阶段，第一阶段的迭代步长为5/255，动量为0.9；第二阶段的迭代步长变成1/255，动量为0.995。

在第一阶段的100次迭代之后，使用最小二乘法，通过线性函数对最后100个验证值进行插值。如果线性函数的斜率不小于0，则进入攻击的第二阶段。

在第二阶段的200次迭代之后，同样进行这一操作，如果线性函数的斜率不小于0，就停止攻击。

有趣的现象出现了。

比较成功的对抗图像，看上去都有点像人类的眉毛。

实际上，为了找到人脸的那个部位最适合投影到“贴纸”上，研究团队进行了数字模拟实验。他们发现贴纸的位置较低时能得到更好的验证值。即使限制了贴纸的位置，强制它高于眼睛，贴纸也总是会向下移动到更接近眼睛的位置。

而此前的研究也表明，眉毛是人类面部识别中最重要的特征。

不过最后生成的“贴纸”并不是通用的，是根据每个人的照片“私人定制”的。

团队请了10个人类，来测试定制效果。4女6男，结果如下：

蓝色，是一个人戴上普通帽子前后，AI判断的类别相似度，在70%上下。

橙色，是一个人贴上对抗符前后，AI判断的类别相似度，降到了20%以下。

定制成功，鉴定完毕。

这套攻击方法，不止是对ArcFace有效，其他的的Face ID模型也一样扛不住。

△LResNet100E等模型基线相似度和被攻击后的相似度之差

骗过AI一向不难

其实，AI在对抗攻击面前，一向没什么抵抗力。

乌龟变步枪的旧事，这里不赘述，毕竟在那之后又有了许多先进的玩法：

比利时鲁汶大学的两位少年，就曾经拿一幅炫彩的对抗图画，挡在自己的肚子前面。

这样，目标检测界的翘楚YOLOv2，不光看不出他们是人类，连那里有物体存在都发现不了。

优秀的隐身衣，令人瑟瑟发抖。

另外，腾讯团队也曾经用对抗图，骗过一辆特斯拉。

一般情况，停车场里不会下雨的。但当屏幕上出现了一种奇妙的图案：

特斯拉的雨刷器就打开了。

并且，挥舞的节奏十分紧凑，仿佛AI看到的还不是绵绵细雨。

如果你觉得，开个雨刷器不算什么危险：

特斯拉的图像处理工具，都是身兼数职的：追踪其他车，追踪物体和车道，为周围环境画地图，以及估计雨量……

并且，腾讯团队还发现，刚才这些任务里面，大多都是只靠单一神经网络完成的。

这不就是说，一挂挂一片？

而今天的主角，来自莫斯科的对抗符，一个高能之处在于：不是把图案摆在面前，而是完全贴在脸上。

这就是说，经过3D扭曲/拉伸的图案，也可以用来欺骗AI。

其实，挡在肚子前面的炫彩对抗图出现之后，便有网友说最好印在T恤上，只是那时还不知道图案能不能承受人体的拉伸。以现在的技术，就做得到了。

另一个优势便是，它不止能欺骗一只AI，只要调调损失函数，就可以迁移到其他AI上了，攻击范围十分广泛。

不过，世界越来越危险，人脸识别显得越来越脆弱，倒也不单是对抗攻击的事。

福布斯的记者用3D打印的石膏人脸，破解了一众流行旗舰手机的AI人脸识别解锁功能；

腾讯又曾经用一副眼镜，攻破了苹果的面部识别系统。

骗术日新月异，人脸识别AI，还是要变得更强大才行。

所以研究人员是希望，这个新的人脸识别对抗攻击方法，可以用到人脸识别系统里，帮助各种FaceID系统进化成更加鲁棒、可以信赖的样子。

来自华为莫斯科研发中心

这项研究的两位作者Stepan Komkov和Aleksandr Petiushko，来自华为莫斯科研发中心。

目前，华为在俄罗斯拥有莫斯科和圣彼得堡两大研发中心，另外还在筹备第三个研发中心，总共人数将破千，在俄罗斯科技行业能算得上是规模巨大的研发机构了。

由于战斗民族数学一向很好，因此在俄罗斯的研究中心主要面向算法研究，此前就有华为俄罗斯研究所的一名数学天才，打通了不同网络制式之间的算法，帮助运营商节省30%以上的成本。

论文传送门：

https://arxiv.org/abs/1908.08705

代码传送门：

https://github.com/papermsucode/advhat

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վᴗ ի 追踪AI技术和产品新动态

,