“掃臉”變“偷臉”怎么能“保住臉”？

段永利

隨著人工智能、物聯網等前沿技術的迅速發展，智能時代已悄然到來，“刷臉”逐漸成為了新的風潮。在人臉識別技術商業化應用領域不斷擴張的趨勢下，“刷臉”辦事已成為默認模式。在我們日常生活中，監控攝像頭幾乎無所不在，這些攝像頭本來應以保障公共安全為目的，但是有些商家所安裝的攝像頭看似很普通，其實暗藏貓膩。?今年中央廣播電視總臺第31屆“3- 15”晚會曝光的“偷臉”事件令人唏噓，那么，作為消費者，應該怎么避免被“偷臉”及其帶來的危害呢？本刊記者盤點了.人臉識別技術的發展歷程、優劣勢，以及監管缺失的危害和階段性成果。

概念厘清

人臉識別技術是基于人的臉部特征，對輸入的人臉圖像或者視頻流首先判斷其是否存在人臉，如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。依據這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

廣義的人臉識別實際包括構建人臉識別系統的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等;而狹義的人臉識別特指通過人臉進行身份確認或者身份查找的技術或系統。

發展歷程

人臉識別是一個熱門問題，大量的研究成果層出不窮，在一定程度上有“泛濫成災”之嫌。根據AFR的研究歷史，人臉識別的發展歷史主要有三個階段：

第一階段（1964年—1990年）。基于人臉幾何結構特征的方法研究一般性的模式識別問題，人工神經網絡也一度曾經被研究人員用于人臉識別問題中。

第二階段（1991年—1997年）。人臉識別研究的高峰期。從技術上看，2D人臉圖像線性子空間判別分析、統計表觀模型、統計模式識別方法是這一階段內的主流技術。誕生了若干代表性的人臉識別算法、人臉識別系統、柔性模型，并出現了若干商業化運作的人臉識別公司。

第三階段（1998年—現在）。光照、姿態問題逐漸成為主流的人臉識別技術研究熱點。與此同時，人臉識別的商業系統進一步發展。2014年3月，香港中文大學信息工程系主任、中國科學院深圳先進技術研究院副院長湯曉鷗領軍的團隊發布研究成果，基于原創的人臉識別算法，準確率達到98.52%，首次超越人眼識別能力（97.53%）。

分析算法

人臉識別技術中被廣泛采用的區域特征分析算法，它融合了計算機圖像處理技術與生物統計學原理體，利用計算機圖像處理技術從視頻中提取人像特征點，根據生物統計學的原理進行分析，建立數學模型，即人臉特征模板。通過對已建成的人臉特征模板與被測者的人的面像進行特征分析，根據結果給出一個相似值，通過這個值即可確定是否為同一人。

人臉識別的方法很多，目前主要使用的方法有：幾何特征的人臉識別方法;基于特征臉（PCA）的人臉識別方法;神經網絡的人臉識別方法;彈性圖匹配的人臉識別方法;線段Hausdorff 距離（LHD） 的人臉識別方法;支持向量機（SVM） 的人臉識別方法。

應用領域

第一，企業、商業住宅區的安全和管理。如人臉識別門禁考勤系統，人臉識別防盜門，尤其是在疫情期間，新技術為各社區、生活小區的網格化管理帶來便利。

第二，電子護照及身份證。這或許是未來規模最大的應用。國際民航組織（ICAO）已確定，從2010年4月1日起，其118個成員國家和地區，人臉識別技術是首推識別模式，該規定已經成為國際標準。中國的電子護照計劃公安部一所正在加緊規劃和實施。

第三，公安、司法和刑偵。如利用人臉識別系統和網絡，在全國范圍內搜捕逃犯。

第四，自助服務。如銀行的自動提款機、人臉識別支付。在原有自助交易方式的基礎上，同時應用人臉識別就會避免被他人盜取現金現象的發生。

第五，信息安全領域。如計算機登錄、電子政務和電子商務。使用生物特征，就可以做到當事人在網上的數字身份和真實身份統一。大大增加電子商務和電子政務系統的可靠性 。

隨著技術的發展和社會認同度的提高，人臉識別技術將應用在更多的領域比如政府、社會福利保障、電子商務、安全防務等。如2012年無錫采用物聯網人臉識別技術規范建筑市場;京滬高鐵三站已建成人臉識別系統，整容也能被識別。

優勢劣勢

人臉識別是目前應用最為熱門和廣泛的智能技術，為人民帶來便利的同時，同樣也引發了廣泛爭議。

人臉識別的優點。相較于其他生物識別技術而言，人臉識別具有以下特點：非接觸性。用戶不需要和設備直接接觸;非強制性。被識別的人臉圖像信息可以主動獲取;并發性。即實際應用場景下可以進行多個人臉的分揀、判斷及識別。

人臉識別的缺點。周圍的光線環境可能會影響識別的準確性（例如白天和夜晚，室內和室外等）;易變性。人臉的視覺圖像也相差很大，另外，人臉的很多遮蓋物（例如口罩、墨鏡、頭發、胡須等）、年齡等多方面因素的影響，需要人工智能進行補償。這些特點對于利用人臉進行定位是有利的，但是對于利用人臉區分人類個體是不利的。

監管挑戰

當前人臉識別技術的爭議點主要有三個方面：一是人臉識別技術本身存在局限性和由易獲得性造成的濫用風險。二是生物特征數據的保存是否安全。三是有關數據的運用是否合理。雖然政府在很多領域具有更強的權威性，推廣起來更高效，但公共使用的邊界是什么？技術治理的公共倫理又是什么？

目前由于缺乏監管，部分人臉識別系統在沒有法律和監控部門審核下運行，目前沒有更好的監管或法律進行管制，這也是目前對人臉技術存在質疑的原因之一。

用戶端很難管控。人臉識別是個閉環，抓拍、比對、分析整個過程基本無感。盡管法律明確規定未經允許不得隨意獲取人臉識別信息，然而在我們周圍，商業行為的人臉抓拍無孔不入，信息泄露風險較大。建議公民也可通過戴帽子、墨鏡、口罩等方式，避開大部分的人臉識別算法。

另外可以強化保障技術手段，但問題是需要企業做大量信息安全成本的投入，商家普遍沒有這個意愿，除非政府強制。相較于傳統系統，人臉識別系統的安全級別更高，因此在數據處理和存儲方面更加復雜，對技術的要求更高。

階段成果

關于人臉識別技術倫理、規范的建立，目前我國已取得進展。2019年8月17日，北京互聯網法院發布《互聯網技術司法應用白皮書》;2021年4月9日下午，全國“人臉識別第一案”在浙江省杭州市中級人民法院迎來二審判決;3月15日，由國家市場監督管理總局制定出臺的《網絡交易監督管理辦法》，在中央廣播電視總臺第31屆“3·15”晚會現場正式發布。其對相關法律規定進行細化完善，制定了一系列規范交易行為、壓實平臺主體責任、保障消費權益的具體制度規范。

因此，有觀點認為，“人臉識別技術的收益與風險關系直接決定了法律規制的基本態度。如果收益與風險的關系不確定，則法律應該謹慎，而不能盲目放開其利用。”綜上，相較于直接對人臉識別技術粗暴地加以阻止，更為科學的做法應當是完善此技術領域的相關法規標準，明確技術應用的法律和倫理邊界。

未來，還需要行業、企業、政府協同努力，尋找隱私、安全、便利之間的平衡，明確人臉識別的邊界，真正地為人臉識別應用發展“把把關”，給人民群眾帶來“安全感”。