<small id='sYUb9pMKI'></small> <noframes id='cdF81mV'>

  • <tfoot id='L8VcvGm2'></tfoot>

      <legend id='MC3fwdJSX'><style id='fHj7qE'><dir id='v0fY3LAQCZ'><q id='ESBP5'></q></dir></style></legend>
      <i id='CxoqzAHT'><tr id='lZpBePj'><dt id='eaLIuPF'><q id='BAZMLG'><span id='2hBAIOM'><b id='Dxict1kRd'><form id='URqDtePXNQ'><ins id='6mxlVpHA'></ins><ul id='JKM0aPHbU'></ul><sub id='sHX9U5ovqb'></sub></form><legend id='cMvFx1sL'></legend><bdo id='KQu9LHeOEq'><pre id='8OJDXs2P'><center id='DsueJ'></center></pre></bdo></b><th id='ZhIGNlWVzw'></th></span></q></dt></tr></i><div id='LumwpBPebV'><tfoot id='iMyRXK'></tfoot><dl id='9YNc'><fieldset id='7yKr'></fieldset></dl></div>

          <bdo id='X01PGeT3j'></bdo><ul id='NMx67'></ul>

          1. <li id='ol56e'></li>
            登陆

            人脸辨认黑科技正式侵略,消亡仍是复苏?人工智能测验势不可挡

            admin 2019-07-11 259人围观 ,发现0个评论

            摘要:当时,人脸辨认技能已经在许多范畴获得广泛运用,但其危绝世高手在都市险也一向为外界重视,尤其是对危险容忍度较低的金融职业来说,用户验证环节假如呈现缝隙,就可能形成巨大损失。本文将以一个项目实例动身,共享在测验人脸辨认技能时遇到的问题和获得的经历,并对怎么测验人工智能提出几点考虑。

            人脸辨认技能测验实例——从一个项目谈起

            近期,我司测验部分在接受某项目时,发现了该项目在用户活体会证呈现的一个事务安全缝隙。活体会证是该项目服务流程中的一个必经过程,验证的方法是由用户以手机设备录制阅览随机数字的视频,与后台人脸数据比对后,判别当时操作用户是否为自己。在此环节,测验人员发现,经过在电子设备上进行图片翻拍和视频翻拍,非自己也相同可以经过该验证。随后,项目组联络活体会证技能供给方,调整相关参数,又进行了人脸辨认的专项测验,但在该专项测验中仍有必定份额的静态图片进犯成功,骗过模型。鉴于测验成果,项目组经过研究讨论,决议该项目延期投产,会集处理人脸辨认模型相关问题。

            常用人脸辨认/活体检测技能简介

            人脸辨认是人工智能范畴运用较为广泛,开展也相对老练的技能。静态的图片人脸辨认黑科技正式侵略,消亡仍是复苏?人工智能测验势不可挡人脸辨认安全性较低,因而多选用活体检测技能,下面临常见的活体检测技能进行介绍。

            动作合作式活体检测:算法给出随机动作指令,用户合作完结动作,如允许、眨眼、摇头、唇语等,该类算法当时运用最为广泛。

            静默活体检测:望文生义,相较动作活体检测,静默活体检测不需求用户进行合作动作,而是让用户正对着摄像头几秒即可完结检测,其检测的要素包含了眼皮和眼球的律动、面部肌肉的缩短等。

            红外活体检测:即运用红外成像原理进行活体检测,该算法安全性较高,但需求额定装备红外摄像头。

            3D结构光活体检测:可以依据反射光线辨认3D的人脸结构,安全性较高,但需求深度图画镜头模组合作,现在只在部分高端旗舰手机上有所装备。

            常见人脸辨认进犯方法简介

            在对人脸辨认/活体会证环节的测验过程中,测验人员尝试了多种进犯方法,从介质上分类,根本的思路包含图片进犯和视频进犯。

            图片进犯:即以静态图片诈骗人脸辨认算法,运用于静态图片人脸辨认。图片展现介质包含了电子屏幕(考虑不同分辨率,不同成像原理的电子屏幕),纸质图片(五颜六色和是非)等。

            图1根本的相片进犯方法,看看我是谁?

            视频进犯:翻拍或制造视频以诈骗人脸辨认算法,首要用来对动作合作人脸辨认黑科技正式侵略,消亡仍是复苏?人工智能测验势不可挡式活体检测进行进犯。最直接的进犯方法为播映对应客户自己预先依据指令而录制的短视频,但实际中伪形本钱较高。跟着图画处理技能、人工智能技能的开展,呈现了一些依据静态相片生成动态视频的软件,仅需求一张人像相片,就可以生成该人像摇头、允许、眨眼,乃至阅览各种文字口型的视频。

            图2运用软件生成了彦祖读一串数字的视频,右下为原图

            考虑上述两种进犯方法,预备的印象资料一般需求依靠电子屏幕作为介质进行输出,这就可以经过辨认摩尔纹等方法进行判别。而单纯的静态图片人脸辨认运用场景也较少。下面介绍两类进阶的进犯方法。

            实体进犯:该进犯方法的方法较为多元化,首要思路是防止将电子屏幕或许单纯的平面相片作为验证图画展现方法。例如,打印一张人体相片,将相片依照必定弧度弯折,合作活体会证指令活动,关于向眨眼这样的指令,可将相片的眼部图画减掉,非自己的真人在后方合作眨眼。而较为高档的进犯方法还包含了制造3D脸部模型等。

            图3半张脸进犯

            图4扣嘴进犯

            运用破解/注入进犯:该进犯方法需求必定技能手段,思路包含埋点监测人脸辨认触发流程,修正程序绕过该过程,或抓包后重组数据报文,将前述图片进犯和视频进犯中预备的影响不经人脸辨认黑科技正式侵略,消亡仍是复苏?人工智能测验势不可挡过其他介质转录,直接发送给后台,以及修正报文中的阈值等要害目标后再进行查验等。

            浅谈怎么测验人工智能软件

            人工智能软件的测验,可以分为两个部分:一,对软件的测验。二,对算法的测验。而本次测验的特殊性就在于对算法的测验。

            关于测验人员来说,因为当时最广泛运用的深度学习算法(神经网络)是一种黑盒算法,测验人员难以像传统的功用测验相同提出规则性的功用缺点,且缺点难以安稳复现,因而测验人员终究所供给的测验成果往往是供给正向及反向用例的经过率,作为参阅。

            虽然算法的开发人员在建模时就需求输入很多的练习集与测验集,一起也需求评价很多的模型相关目标,但测验作业仍然是不能缺位的:开发人员更重视模型的正向经过率,而对多样性的反向场景想象缺乏。这就需求测验人员发挥想象力,供给更多反向场景。其含义在于,一方面临于算法较易失效的场景采纳愈加针对性的模型练习。另一方面,即便是黑盒的神经网络算法,也可以依据反向用例反推模型各个途径的权重,对模型参数调整供给参阅。

            别的,关于人脸辨认算法,一般还要重视模型类似性阈值,即类似度大于X%后断定经过。该值过高,则增加了进犯经过的危险,该值过低,则会形成正向经过率偏低,影响正常用户体会。而选用何种阈值,还需求项目组权衡了危险和收益之后,归纳考虑后决议。

            请关注微信公众号
            微信二维码
            不容错过
            Powered By Z-BlogPHP