人脸识别最近好火啊,从iPhone X的face id 到谷歌的Google Arts and Culture都挺好玩的。那么问题来了,比起指纹识别,人脸识别安全吗?长得很像的双胞胎能瞒过它吗?

爹说的都是真理爹说的都是真理提问于
彼岸轮回回答于

这涉及到适应性和准确性相平衡的问题。

例如,假定当系统设定80%相似度便认定为同一个人时,当某人发生胖瘦变化、换发型、年龄变化时,系统能够识别出是同一个人;而双胞胎的相似度可能为90%,这时系统无法将两个人区分出来。在80%的设定下,系统适应性较高,准确率相对较低。假定如果为了提高准确性,将90%相似性设定为同一个人,那么当一个出现较少的变化,系统也可能无法识别出是同一个人,这时准确率较高,但适应性较差,会增加审核的负担。

虽然说人脸与人体的其它生物特征(指纹、虹膜等)一样具有唯一性,这是他作为身份鉴别的必要前提,但是相比指纹和虹膜这种固定不变的特征,人脸还是有很多不确定性的。

比如对于双胞胎来说,特别是同卵双胞胎,他们的长相通常都会达到极其相似的程度,这对于人脸识别系统来说就是一个巨大的挑战。如果识别系统因此提高识别匹配的精准度,降低容错率,那么对于化妆问题以及自然的容貌变化使用起来必定又很不友好。

而且,虽然不少人脸识别系统都号称拥有活体检测的环节,但是依然可以通过注入应用绕开活体检测,所以也并没有给安全性带来实质性的改变。从目前的技术情况来看,想要靠刷脸来实现识别甚至是金融支付还是要保持谨慎乐观的态度。

回答过的其他问题

如何快速搭建一个微服务架构?

选择进程内 LB 方案 首先,随着 Netflix 的微服务方案和 Spring Cloud 的兴起与成熟,进程内 LB 方案成为我们的首选。 其次,推荐使用 Eureka 做服务注册中心,Ribbon 做客户端服务发现和负载均衡。 最大好处是: 1、简单 + 实用 + 可控,不...... 展开详请

智能推荐算法的原理是什么?

就像我最近研究协作过滤算法一样,我将详细描述这个算法是如何实现的。 协作过滤算法通常如何做?我们来看看图书推荐的做法: 协同过滤(CF)大致可以分为两类:一类是基于邻域的推荐,另一类是基于模型的推荐;邻域法是利用用户最喜欢的现有项目度来猜测用户对新项目的喜爱程度。相反,基于模型的...... 展开详请

AI领域无监督学习有哪些难点?

首先我觉得无监督学习迷雾重重,目前无监督学习领域并没有一个好的正确的方向。但是,本身无监督学习相比于有监督学习要难许多。而且我认为无监督学习应该归属到强人工智能领域。而有监督学习应该归属到弱人工智能领域。所以我认为无监督学习的设计模式、设计方法应该跟有监督学习完全不同。但是,目前...... 展开详请

微服务架构中不同服务之间是如何通信的?

微服务能解决了单体应用以及SOA带来的的问题,但是微服务使整个应用服务增多,服务间通讯更复杂,也会带来大量 的问题。比如单体如何拆分成多个微服务,团队间沟通更多,运维成本增高,分布式事务问题,依赖管理变得复杂,测试 更加困难,故障更难于定位等等。 微服务架构能够解决单体架构带来的...... 展开详请

Google的Shopping Actions计划用到了哪些智能推荐算法?

这个购物的推荐算法应该是看砸钱吧,毕竟用户都给了关键词了,搜索而已。

看普通SSD改造成傲腾,傲腾究竟意义何在?

傲腾内存外形与M.2固态硬盘相仿,并占用主板上的一个M.2接口,其主要作用是为HDD与SSD加速(不支持为NVMe固态硬盘加速),而对于HDD的提升收益最大,SSD加速意义不大。 它就是为机械硬盘加速用的。具体来说,它的主要作用表现在: 其一、提升开机速度; 其二、提升软件加载速...... 展开详请

关于作者

所属标签

扫码关注云+社区

领取腾讯云代金券