基于隐私保护的人脸识别技术应用研究

来源：核心期刊咨询网时间：12

摘要：摘要：人脸识别技术是基于生物特征身份验证中最具代表性的技术，随着人工智能、大数据、5G等新一代技术的发展，人脸识别技术在公共安全、金融支付、智慧城市等领域被广泛应用。然而人脸识别技术在快速发展、深入社会的同时，也给我们带来了诸多安全挑战，人

　　摘要：人脸识别技术是基于生物特征身份验证中最具代表性的技术，随着人工智能、大数据、5G等新一代技术的发展，人脸识别技术在公共安全、金融支付、智慧城市等领域被广泛应用。然而人脸识别技术在快速发展、深入社会的同时，也给我们带来了诸多安全挑战，人脸信息泄露和技术滥用等造成的信息安全问题突出。该文分析了人脸识别技术常见应用场景及人脸识别技术应用当前面临的风险，并针对其面临的风险提出了人脸识别技术应用中的隐私保护措施。

　　关键词：人脸识别;隐私保护;安全风险;措施

　　开放科学(资源服务)标识码(OSID)：

　　近年来随着新一代信息技术的快速发展，基于人体生物特征的身份验证应用日趋广泛，人脸识别作为生物识别技术的一种，以其直观、简便、快捷的特点，在各个领域得到了广泛的应用。但是它在给用户带来便利的同时，存在着人脸特征信息泄露和技术滥用等安全问题。另外，人脸特征信息属于个人敏感信息，在识别过程中存在着未经被识别人同意的情况下强行采集的隐私问题。如何在应用人脸识别技术的过程中，安全有效地保护用户隐私就成为近来业界急需研究解决的问题。

　　1 人脸识别技术应用概述

　　1.1人脸识别技术

　　人脸识别技术是通过人的脸部特征信息进行身份验证的一种生物识别技术。具体来说，就是利用计算机对摄像机或其他图像采集设备所捕获的人脸图像通过识别算法对其脸部的脸形、五官位置和角度等特征信息进行计算分析，并和自身数据库里已有的数据进行匹配，从而对用户的真实身份进行验证。

　　从人脸特征信息采集到人脸辨识的整个过程上来看，人脸识别技术一般包括：人脸图像采集及检测、人脸特征信息提取、人脸图像处理和人脸识别匹配比对等。人脸图像采集是指通过摄像头采集人脸图像，如静态图像、动态图像等。人脸检测是指在图像中准确标定出人脸的位置和大小，也就是人脸识别的预处理。人脸特征信息提取是对人脸进行特征建模的过程。可使用的特征通常有人脸图像代数特征、人脸图像变换系数特征、视觉特征和像素统计特征等。人脸特征提出的方法大致上有两类：一类是基于统计学习或代数特征的方法;另一类是基于知识的方法。由于受到各种条件的限制和随机干扰，系统获取的原始图像常常不能直接使用，必须通过人脸图像预处理对它进行噪声过滤、灰度校正等操作，预处理过程主要包括人臉图像的灰度变换、归一化、滤波、锐化、光线补偿、直方图均衡化和几何校正等。人脸识别匹配比对是指将已得到的存储在数据库中的人脸特征数据与拟识别的人脸特征数据进行搜索匹配比对，根据相似程度对人脸的身份信息进行验证判断。具体而言，就是在数据匹配比对过程中设定一个阈值，当相似程度达到或超过设定的阈值时，将比对的结果输出。这一过程又可以分为两种：一种是一对一将两张人脸特征信息进行比对确认的过程;另一种是一对多将一张人脸特征信息与多张另外人脸信息进行比对辨认的过程。

　　1.2人脸识别技术应用

　　人脸与虹膜、指纹等人体生物特征一样具有唯一和不容易复制的特点，与指纹识别相比人脸识别具有非接触的优势，与虹膜识别相比其生物特征采集处理设备的性价比较高，易大范围推广应用。由于人脸通过肉眼就能够识别，便于人工确认审核，因此人脸识别是众多基于人体生物特征验证方法中，最符合人的认知规律、最直观的方法，实用性也很强。特别是近年来随着人工智能、大数据和云计算等技术的快速发展，人脸识别的准确率大幅提高，从而促进了人脸识别在各个行业领域的广泛应用，根据亿欧智库研究报告显示，人脸识别应用涵盖安防、金融、智慧园区、交通出行、互联网服务等多个行业领域，其中2018年安防占人脸识别市场份额的61.1%，金融占17.1%，智慧园区占6.7%。

　　人脸识别技术现在已在安防诸多细分领域得到应用。例如：人脸识别门禁在政府办公楼、企业园区、社区等需要身份验证进入的地方，通过把预先录入数据库的人脸数据与实时抓拍的人脸图像进行对比，在不同时间段可以实现对不同门禁点、不同区域的进出权限控制。在金融领域，伴随着人脸识别准确度的提升和动态人脸识别技术的发展，人脸识别应用已经覆盖移动支付、自主终端发卡和远程开户、远程购买保险等领域。

　　另外，为了保障公共安全，国家公安部门也广泛使用了人脸识别技术，根据公安业务对身份识别的应用要求，主要分为人像验证、人像监控和人像检索三种应用模式，如表1所示。

　　2 人脸识别技术应用面临的风险

　　人脸识别技术在广泛应用的同时，其面临着的各类安全风险也不容忽视，如果不能认清这些风险并及时应对，人脸识别技术的“双刃剑”效应必将出现，从而制约其发展和应用。从目前人脸识别技术的发展和应用来看，其面临的安全风险主要有以下几类。

　　(1)硬件设备安全风险。摄像头和摄像机等作为人脸识别技术的主要图像采集设备，在设计、开发等过程中产生的漏洞，有可能被非法人员利用进行恶意攻击，存在着被植入、泄露和篡改等安全风险。并且随着5G、物联网等进入实践深耕阶段，将使图像采集设备网络由封闭模式逐渐转变为开放模式，暴露面的扩大将使其遭受网络攻击的风险加大，带来了新的安全隐患。

　　(2)软件安全风险。软件层面的风险主要有人脸识别技术所采用的智能识别算法风险和训练数据污染风险。当前深度学习是人脸识别算法所采用的主要方法，如通过基于卷积运算的神经网络系统进行人脸特征提取和分类训练，可以使人脸识别的性能和精度大幅提升。但是神经网络学习面临着对抗样本攻击的风险，攻击者通过构造特定的对抗样本可以进行逃逸攻击，如近期出现的深度伪造(DeepFakes)。同时还有识别算法偏见风险，主要是指算法设计时带着创建者的偏见，或在学习训练中所采用的数据是带有偏见的，从而使识别的结果有偏见，产生了不公正的问题，如在肤色、种族等方面的技术偏见。训练数据污染风险是指用于深度学习的训练数据如被不法分子篡改变成“脏人脸数据”，将变更识别的结果或使识别的准确率降低，从而给用户带来影响。另外，识别软件系统的漏洞，也存在着被非法分子利用进行攻击的风险。

　　推荐阅读：科技类期刊有哪些

转载请注明来自：http://www.qikan2017.com/lunwen/dzi/16539.html