智东西（公众号：zhidxcom）编译 | 杨畅编辑 | Panken智东西8月16日消息，近日，以色列特拉维夫大学研究人员证明了一种创建“万能人脸（master face）”的方法
研究人员通过图像生成系统StyleGAN先生成假的人脸图像，然后通过算法和分类器对比筛选出与真实人脸相似度最高的图像，最终获得9张“万能人脸”图像
这种计算机生成的“万能人脸”作用就像万能钥匙一样，可以模仿多个身份，通过基于人脸识别的身份验证
该研究论文题目为《利用网络辅助的潜在空间演化生成字典攻击的万能人脸（Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution）》，已提交至论文预印本发布平台arXiv上
论文链接：https://arxiv.org/pdf/2108.01077.pdf一、万能指纹技术带来灵感由于其方便性，生物识别认证，特别是人脸识别认证，已日益成为主流，因此现在成为攻击者的主要目标
攻击一般的计算机认证系统时，有破解者会采取字典式攻击，通过连续尝试多个输入来尝试通过认证系统
而在现实世界的生物识别系统中，人们通常只能尝试几次输入，然后系统就会锁定
并且使用生物统计学进行的匹配并不精确，加之生物学统计数据的空间分布不均匀，这表明可能少量样本可以覆盖更大的人口比例
特拉维夫大学研究人员从“万能指纹”研究中获得了灵感，他们开发了一种“万能人脸”，来绕过人脸识别软件
二、通过算法分类对比，选出9张“万能人脸”研究人员首先使用人工智能领域广泛使用的生成模型StyleGAN，来进行“万能人脸”的制作
“万能人脸”训练过程然后研究人员然后使用算法和神经网络来优化
有限内存矩阵自适应进化策略（LM-MA-ES）算法是非常适合高维黑匣子优化的，但是还需要增加一个组件，来推断哪些人脸是交叉身份认证的最佳候选选项
所以，研究人员创建了一个“成功预测器（Success Predictor）”神经分类器，将大量候选人脸图像筛选出合适、可完成绕过人脸识别软件任务的人脸图像
“成功预测器”神经分类器原理研究人员使用算法和分类器将每一个系统输出的虚假人脸都与Labeled Faces in the Wild（LFW）数据库中5749个不同人的真实照片进行比较，并给出平均集覆盖率（Mean Set Coverage，MSC）分数，只保留分数高的虚假人脸图像
其中对图像比较得到的分数会用于训练进化算法，帮助研究人员使用StyleGAN，创建出越来越多看起来像数据集中真实存在的人脸图像
最终得到9张“万能人脸”图像
九张“万能人脸”三、能覆盖超40%数据集研究人员使用“万能人脸”对三种不同的深度人脸识别系统：dlib、FaceNet、SphereFace进行测试，因为这几种人脸识别系统在LFW数据集中测试竞赛的排名最高
9张生成的图像所覆盖的数据集的百分比研究人员实验得到，9张“万能人脸”覆盖了这三种人脸识别系统中42%-64%的数据集，也就是说9张“万能人脸”可以通过这些人脸识别系统中42%-64%的身份验证
结语：人脸识别系统准确性备受关注随着人脸识别技术的普遍应用，除了涉及到隐私保护问题外，人脸识别的准确性同样是人们热议的话题
美国就有几起因为人脸识别错误而错误发生逮捕的事件，引起了很大舆论反响
特拉维夫大学研究人员其实给出了很好的思路，从如何破解人脸识别系统入手反推人脸识别系统漏洞，这样可以更好地完善人脸识别系统
来源：VICE、arXiv
的人能人识别系统AI(能人的人识别系统研究人员图像) 洁面美容
（图片来自网络侵删）