近日，中国信息通信研究院安全研究所与北京百度网讯科技有限公司联合发布了《人脸识别技术在 App 应用中的隐私安全研究报告》，（以下简称《报告》）。
《报告》梳理了人脸识别技术的市场情况、特点和难点以及在 App 中的应用场景和使用目的，结合实际案例分析人脸识别技术在 App 应用过程中存在的安全问题。并针对安全问题分别挑选了应用市场中下载量较多的应用人脸识别技术的 App 进行了评估。并从法律法规、监管体系、技术标准、行业自律等方面结合我国实际情况提出了有针对性的建议。
一、人脸识别技术概述
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。具体而言，就是计算机通过视频采集设备获取识别对象的面部图像，再利用核心算法对其脸部的五官位置、脸型和角度等特征信息进行计算分析，进而和自身数据库里已有的范本进行对比，最后判断出用户的真实身份。
1、人脸识别技术
从采集人脸到辨识人脸的整个过程中来看，人脸识别技术一般包括：人脸图像采集及检测；人脸特征提取；人脸规整和人脸识别比对等。
人脸图像采集及检测不同的人脸图像都能通过摄像头采集下来，比如静态图像、动态图像、不同的位置、不同的表情等都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。人脸检测在实际应用中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。
人脸特征提取人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变化系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程，人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法，一种是基于代数特征或统计学习的表征方法。
人脸规整对于人脸图像的预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何
校正、滤波及锐化等。
人脸识别对比提取的人脸图像特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。可分为1:1、1：N、属性识别。其中，1:1 是将 2 张人脸对应的特征值向量进行对比，1：N 是将 1 张人脸照片的特征值向量和另外 N 张人脸对应的特征值向量进行对比，输出相似度最高或者相似度排名前 X 的人脸。
2、身份验证中的人脸识别技术应用
人脸识别在 App 中的身份验证过程如下：
用户拍摄自己的身份证信息并上传 App ，App 通过公民身份信息查询获取用户信息及身份证系统证件照片，建立用户档案并关联用户人脸，当 App 扫描用户人像时，经活体检测、人脸质量检测、人脸图像等处理后与先前获取的用户人像照片进行人脸对比，完成身份验证。
下载安全教育平台app3、特点
自然性自然性是指该识别方式同人类进行个体识别时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体形识别等。而指纹识别、虹膜识别等不具有自然性。
非接触性人脸识别完全利用可见光获取人脸图像信息，不同于指纹识别需要利用手指接触传感器采集指纹，用户不需人脸与设备直接来接触，可以同时满足多人连续进行人脸图像信息的识别和分拣，可应用于医院测温、小区门禁等一些应用场景下。
4、难点
相似性不同个体之间的区别不大，所有的人脸结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。
例如双胞胎现象，全世界平均出生率为 1:89 ，有些双胞胎面部存在差异，有些双胞胎甚至从面部特征来看相似度极高，对于人脸识别系统来说这是一大挑战。
易变性人脸的面部特征具有不稳定性，人可以通过脸部的变化产生很多表情，而在不用观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件、人脸遮盖物（口罩、墨镜、胡须、头发）、年龄等多方面的影响。
发布评论