跳到主要內容

科技大觀園商標

分類項目
Menu

臉部辨識(二):臉部辨識與資訊安全的兩難?

107/08/05 瀏覽次數 4523
圖片最上層是假設被利用的名人照片,中間層是用該紅外光態照射的臉部區域;底層是用此光態拍出的照片,而這照片會被辨識成最上方的名人臉龐。(圖/https://boingboing.net/2018/03/26/the-threaten-from-infrared.html)圖片最上層是假設被利用的名人照片,中間層是用該紅外光態照射的臉部區域;底層是用此光態拍出的照片,而這照片會被辨識成最上方的名人臉龐。(圖/https://boingboing.net/2018/03/26/the-threaten-from-infrared.html)
 
最近,蘋果人臉辨識技術Face ID的隱私條款被懷疑有漏洞,使任何第三方程式開發者都可以使用你的臉部資訊;擁有世上最大臉部資訊庫(DeepFace)的臉書也因為新的臉部辨識計畫再次捲入資安風波;甚至當作iPhone X辨識功能「TrueDepth」核心技術的「紅外光物表感應」,也被證實可當作誘騙臉部辨識科技的方法。中國研究團隊用紅外光加上深度『對抗例(adversarial example)』學習技術,反過來用深度學習研究哪些光態可以順利誘騙人臉辨識科技。
 
當亞馬遜(Amazon)將其先進辨識技術Reckognition賣給美國某些州警警網,人們其實不知道自己正受監視器監控以實驗犯罪防治網路。全球有許多新創公司戮力於科技慈善,英國某科技公司免費提供線上臉部辨識以協尋失蹤青年、某網路新創公司則提供辨識服務以打擊人口販賣,但人們能確定這些功能沒有被「數據歧視」誤導而失去效果嗎?
 
人應正視資訊爆炸帶來的資安問題。像是多倫多大學(University of Toronto)的研究團隊就因應人臉辨識資訊盜用問題,用AI深度學習的「對抗訓練(adversarial training)」技術研發專門反制資安漏洞的科技。該團隊開發出新的『反辨識』演算法,研究出如何只改一點點、不讓原圖改變太多就能讓不法辨識系統失效的方法。世界資訊龍頭更要領頭對自己的研究發表與應用性產品提出資安評估,隨同其應用一同發布,並督促法律與教育跟進新科技步伐。
 
左邊是原圖;中間是修改的圖,卻沒被辨識出臉;右邊的圖顯示修改過的地方。(圖/https://venturebeat.com/2018/05/31/university-of-toronto-researchers-develop-ai-that-can-defeat-facial-recognition-systems/)左邊是原圖;中間是修改的圖,卻沒被辨識出臉;右邊的圖顯示修改過的地方。(圖/https://venturebeat.com/2018/05/31/university-of-toronto-researchers-develop-ai-that-can-defeat-facial-recognition-systems/)
 

關於資訊安全,法律與教育該如何相輔相成?

 

法律與教育應負起監督科技的責任,尤其在這科技革新速度比人腦思考速度還快的時代。司法系統應制定新的資訊協定,以及辦法相關專利的法律增修、資安利用法則、相關資訊安全刑責增修,並強制公私機構實行含括識別科技的資安教育,更要獎助資安研究與應用。教育界則應教授有關自動識別應用的好壞處、宣導資安意識、保護個資的措施辦法、資訊識讀、資安法律與道德教育。

 
最後,科技應回到人文。辨識科學的深度研究是利用AI加速自主學習的特性,除了以自動辨識急速增生的巨量數據研究其應用,更同時應以同樣巨量的資料讓機器學習如何深度防範更容易爆發的資安危機;另一方面讓奠基在生物辨識上的人文領域深度研究追上科學領域,例如考古鑑定、社會心理學、美學與政治哲學等學門。畢竟,人應該回來「辨識」一件事:科技始終出於人性。
 

總編輯:國立中山大學資訊工程學系 黃英哲教授

副總編輯:國立中山大學外國語文學系 徐淑瑛教授 

 
參考資料
 
資料來源
  • 科技部補助「新媒體科普傳播實作計畫」執行團隊
  • 原標題:臉部辨識(二)─資訊安全
OPEN
回頂部