因为人脸识别技术出现的风险问题,屡见不鲜。之前广州互联网法院通报了一起因为“刷脸”引发的借款纠纷。客户王兰(化名)在遗失了身份证后,却被人冒用身份通过银行的“人脸识别”贷款,导致王兰因逾期被告上了法庭。经司法笔迹鉴定,认为案涉客户签名并非王兰本人签署,手机号码亦未曾登记在王兰名下。最终,法院驳回银行全部诉讼请求。
前几年,还有一个新闻,四川警方查处一个上百人的诈骗团伙。该团伙购买大量人脸视频,借助“僵尸企业”“空壳公司”,为6000多人包装公积金信息,然后向多家银行申请公积金贷款,最终带来10亿多元的坏账。
就离谱是吧,但是人脸识别带来的风险是绝对不可忽视的。我们确实有必要掌握一些手段来多方面提升人脸识别应用安全。
人脸识别技术的风险
人脸识别已经成为登录、确认、申请、修改等业务环节中重要的验证技术,同时也存各类安全风险。
有媒体报道,大量社群和境外网站进行真人人脸识别视频的贩卖。“价高质优”的验证视频百元一套,动态软件将人脸照片制作成“动态视频”只要几元,以完成各类线上业务人脸识别的验证。此外,清华大学研究人员曾经在15分钟解锁了19个陌生智能手机。
可以清楚地看到,人脸识别技术带来人们便利的同时,也要带来的各类仿冒、攻击、盗取等三类安全隐患。
仿冒登录。 戴上眼镜、帽子、面具等伪装手段,或者可以制作人皮高仿模型、将2D人脸照片3D建模、利用AI技术将静态照片变成动态照片等多种技术均,混淆算法判断,达到欺骗系统的目的。可以骗过有效性不高的人脸识别算法和活体监测算法。
劫持篡改。 远程入侵篡改人脸识别系统验证流程、信息、数据等,将后台或前端的真数据替换为假数据,以实现虚假人脸信息的通过。
盗取冒用。 通过各类公开或非法手段,收集、保存、盗取正常的人脸数据,然后非法冒用。
由于人脸的结构、外形相似,并且脸部表情、角度、光线、环境、穿戴、年龄的因素,导致人脸的视觉图像也相差很大。因此,外部客观因素对人脸识别也带来较多影响。
多方面提升人脸识别应用安全
人脸识别是一个很大的话题,关于这方面的应用安全提升,是一个很大的话题,本次文章就简单介绍一个方式(具体需要结合应用场景使用)。
1. 加强面部特征信息的加密和存储
使用 OpenCV 库进行人脸识别,并通过哈希函数对面部特征信息进行加密。
import cv2
import hashlib
# 加载人脸识别模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 加载图像
img = cv2.imread('face.jpg')
# 将图像转换为灰度图像
gray = c