一家人工智能公司稱，他們利用日本專業(yè)面具制造商提供的面具，騙過了火車站、便利商店的面部識別，甚至包括支付寶和微信支付系統(tǒng)，成功完成購買。以此證明，目前面部識別技術還未達到安全標準。

“我從來都用數(shù)字密碼?！?/span>

這是一篇名為《美國公司制作逼真面具，成功騙過微信支付寶等人臉識別》文章下的用戶評論，對于標題描述的人臉識別支付被破解現(xiàn)象，大家感到詫異、惶恐。甚至有博主下定論：“人臉識別剛出來時我就說，人臉是人人可見的信息，拿這個做密碼簡直見鬼了?！?/p>

為什么用于支付的人臉識別會被破解?就日常用戶使用來說，用于支付的人臉識別安全級別可以說是最高的。

一家人工智能公司稱，他們利用日本專業(yè)面具制造商提供的面具，騙過了火車站、便利商店的面部識別，甚至包括支付寶和微信支付系統(tǒng)，成功完成購買。以此證明，目前面部識別技術還未達到安全標準。

看到這里，你是不是想立刻、馬上、光速地把手機中的人臉識別支付關閉?想關，看完下文也不遲。

支付寶和微信怎么說?

在各家媒體報道了此事之后，“當事人”微信方面稱，微信刷臉支付使用安全等級最高的 3D 活體檢測技術，綜合使用 3D、紅外、RGB等多模態(tài)信息，可以有效抵御視頻、紙片、面具等的攻擊。若因為刷臉支付導致賬號資金損失，用戶可以申請全額賠付。

支付寶團隊未有正面回應，但根據(jù)支付寶服務協(xié)議，用戶遭遇盜刷情況也能申請賠付。

這算是給大家吃了一顆定心丸，如果出現(xiàn)盜刷的情況，至少還有補救的方法。

但是沒人希望自己的資金成為別人眼中的獵物?；剡^去看，這家人工智能公司采用的特制的 3D 面具進行測試，才攻破了支付寶和微信的人臉識別支付系統(tǒng)。

3D 面具是一個關鍵點，它讓這場測試成為了一個可操作性極低的特例。該公司稱該面具仿真程度非常高，價格異常昂貴，因此這種欺詐行為不太可能廣泛應用。不過這種技術可以用來欺騙名人或富人。

這個 3D 面具有多貴?據(jù)此前媒體報道，這家日本公司制作的 3D 面具價值高達 300 萬日元(約合 19 萬人民幣)，若要制作一個副本，則需要 6 萬日元(約合 3800 元人民幣)。

同時它的制作過程也較為復雜。首先要對復制的對象進行不同角度的面部拍攝，傳到電腦上進行立體圖像合成，再將其在樹脂材料的面具上復現(xiàn)，細節(jié)包括膚色、毛孔和眼鏡的毛細血管。前后花費的時間需要約兩周。

我想沒有人會戴著價值 19 萬人民幣的面具去盜刷機場、火車站或者是便利店。但該日本公司的創(chuàng)始人也表示希望此項技術可以幫助開發(fā)者提高人臉識別的準確性。

就目前而言，類似的技術和實驗，對于技術的推動是有明顯效果的。但我并不希望它們會加強用戶日常使用的焦慮感。

2D 和 3D 面部識別

生物特征識別技術隨著人工智能、手機智能終端的發(fā)展，逐漸滲透了我們的生活，人臉識別就是生物特征識別其中一種。其余我們熟知的還有虹膜識別、指紋識別等等技術。

雖然都叫“人臉識別”，不同場景下應用的技術細節(jié)卻不一樣。簡單來說，目前市面上的人臉識別可大致分為 2D 平面和 3D 立體兩種圖像識別。按照安全等級來分，3D 人臉識別比 2D 人臉識別的安全等級更高。

此前豐巢智能柜的人臉識別取件，被學生用一張打印照片騙過，成功取件。原因就在于其采用的人臉識別技術是基于 2D 平面圖像。在發(fā)生此事之后，豐巢已經(jīng)下線了這一功能。

為什么 2D 人臉識別會被一張照片騙倒?

2D 人臉識別是利用攝像頭獲取人臉的 RGB 彩色圖像;再對該圖像進行人臉監(jiān)測，機器會識別出臉上的眉毛、眼睛、鼻子等等部位;同時提取出特征，例如眉毛、眼睛和鼻子的相對位置，機器會輸出一個數(shù)值串;最后進行數(shù)據(jù)庫的信息比對，以此達到識別出人臉的目的。

整個過程是基于二維平面圖像，因此理論上來說，只要是一張照片都能通過 2D 人臉識別。據(jù)報道，經(jīng)過多年的發(fā)展和算法不斷優(yōu)化，目前，基于神經(jīng)網(wǎng)絡人臉識別的 2D 人臉識別算法在各種人臉識別挑戰(zhàn)賽、開源數(shù)據(jù)集上測試的識別準確率已達到 99.80%。

不過為了補足 2D 人臉識別的安全性，大家還多下了點功夫。

2D 人臉識別雖然應用于各大生活場景，各大廠商通常還會對其進行升級，或者作為一個輔助驗證手段。例如加入活體檢測，即需要抬頭、張嘴和閉眼等動作，反復比對才能確認是否是本人;又如在金融行業(yè)，實際操作過程中，完成人臉比對后還需要輸入手機號碼或者驗證碼。

另一邊的 3D 人臉識別技術，我們最熟悉的應用案例，還要屬 2017 年蘋果公司推出的 iPhone X 手機。當然也包括不少安卓手機，例如華為 Mate30 Pro、OPPO Find X、小米 8 透明探索版等等，它們都采用了相似的 3D 面部識別技術。

目前市面上的 3D 人臉識別主要分為三種：3D 結構光、ToF 和雙目立體視覺。由于硬件要求標準各不相同，前兩者的應用更加常見，iPhone X 就是采用的 3D 結構光技術。

此外，雖然三種技術實現(xiàn)人臉識別的細節(jié)各不相同，但有一點是一樣的：采集的人臉數(shù)據(jù)相比 2D 人臉識別要多一個緯度——計算和分析信息的步驟也要更加復雜。

就 3D 人臉識別的工作過程來說，它是通過普通攝像頭獲取 RGB 信息，再由 3D 攝像頭生成 3D 信息，識別出人臉所處空間內(nèi)的每個點位的三維坐標信息，計算并復原完整的三維圖像。你可以想象成電腦建一個頭部的 3D 模型，人臉上的每一處都會對應不同的深度信息，這樣在計算機里人臉就是立體的了。整個處理過程獲取的信息更大，精度更高。

因此即使你的頭部并不是正面向鏡頭，采用 3D 人臉識別技術的設備也能將你認出來。

以 iPhone X 的 Face ID 所采用的 3D 結構光舉例，iPhone X 的深感攝像頭模組中包含紅外鏡頭、泛光感應元件、距離傳感器、點陣投影器。工作時，點陣投影器向面部投射出 3 萬個肉眼不可見的紅外點光源，先由紅外鏡頭拍攝一張紅外照片，并根據(jù)照片上點陣位移情況，分析出臉部的景深信息，由此合成 3D 模型。

因此相對而言，3D 面部識別技術安全等級更高。

在破解微信支付寶支付一事中，該人工智能公司也提到，在測試中，他們無法騙過例如蘋果、華為這樣手機公司生產(chǎn)的手機。值得一提的是，iPhone X 的 Face ID 所采用的神經(jīng)網(wǎng)絡是由專業(yè)面具制造商幫助訓練而成的。同時蘋果在推出 Face ID 的時候就表示，訓練過程中使用了 10 億張 3D 圖像，并且 iPhone 還會不斷學習用戶的解鎖習慣，更加熟悉你的臉。

焦慮交給研發(fā)

技術沒有絕對完美，就像人無完人。好在技術會不斷迭代，人類也會不斷學習進步。

面部識別支付被攻破不應當成為普通用戶產(chǎn)生焦慮的來源，更不能一口否定技術發(fā)展。只是這樣的事件在發(fā)生之后的確能給相關技術研發(fā)人員提個醒，不斷完善面部識別技術——這樣的焦慮應當交給技術研發(fā)人員。

目前受限于成本，3D 面部識別技術應用不如 2D 面部識別廣泛。但返過去看 2D 面部識別技術剛興起的那段時間，成本同樣居高不下。如今它們能滲透到消費級電子產(chǎn)品當中，說明該技術的成熟度以及成本都已經(jīng)在可接受范圍之內(nèi)。

在智能手機領域，由 iPhone X 興起的 3D 人臉識別技術已經(jīng)為其它安卓廠商所使用。但是在具體的應用支付上，互聯(lián)網(wǎng)廠商一開始是持著謹慎的態(tài)度前進的。

例如起初 OPPO Find X、小米 8 透明探索版以及華為 Mate20 Pro 剛上市的時候，微信上的面容支付功能是沒有適配的。經(jīng)過一段時間的衡量與開發(fā)后，面容支付功能才陸續(xù)在這些搭載了 3D 人臉識別技術的安卓手機上開放。

但是這就意味著 2D 人臉識別技術不夠安全了嗎?你可以看一看任何一臺搭載 2D 面部識別技術的安卓手機，微信上是否支持面容支付?