當今應用較為成熟且廣泛的智能技術有哪些?人臉識別算是一例。《麻省理工科技評論》曾將其列為2017年“十大突破性技術”之一。

[[324304]]

不過，隨著人臉識別技術的逐漸成熟，“反人臉識別”也頻繁出現在公眾視野之中。如今，僅用一張貼紙、一個紋身、一件特殊的T恤就能干擾人臉識別的新聞層出不窮。

對此，許多企業在進行人臉識別驗證的時候都需要配合活體檢測，以防被圖片蒙混過關。然而，這一方式也可以通過動圖來破解。在某寶就有許多商家提供身份認證活體檢測的動圖，能夠做到點頭、眨眼、張嘴、搖頭等動作。另外，2019年的美國黑帽大會上，騰訊玄武實驗室的安全人員就通過給“無意識”的人員戴上專門設計的眼鏡，就能訪問機主的iPhone并通過移動支付應用程序向他們自己轉賬。

除此以外，人們對對抗樣本的關注度也逐漸攀升。所謂對抗樣本，就是將噪聲引入正常數據樣本，并導致人臉識別模型的識別出現錯誤。對抗樣本使得深度學習模型的正確率嚴重下降，對現有模型提出了挑戰，也對攻防提出了新要求。

從上述情況可以看出，人臉識別技術有很大的脆弱性，不僅易被破解，也容易讓垃圾樣本通過識別分類系統。

這顯示了人臉識別技術存在的風險。近幾年，兜售人臉信息、人臉數據泄露等新聞并不罕見，這些數據若被有心人利用，再配合一些“打包”出售的輔助數據，就可以偽造某人的視頻資料，從而盜取資金，乃至從事非法活動。

在人臉識別的幫助下，近年來警方破獲了許多案件，若不法分子也利用反人臉識別技術隱藏，將對案件的破獲產生不利影響。

當然，這些技術的出現并非完全是壞事。如今人臉識別技術較為普遍，無論是街頭巷尾的攝像頭，還是人人隨身攜帶的手機，人們很難完全避開被識別，而信息保護也無法做到萬無一失，反人臉識別技術若運用得當，就可以為個人隱私提供保護。

既然如此，運用人臉識別的系統還是否可靠?

實際上，在安全級別要求較高的網絡系統，人臉識別并非唯一認證手段，而是配合虹膜識別、靜脈識別、密碼等其他手段進行驗證。系統設計者應當充分考慮應用場景的需求，做到即便捷又安全。

而人臉識別技術用于追逃時，不僅應該考慮非目標群體的隱私保護，也應該進行多線索追蹤和多元取證，不能盲目依賴人臉識別技術。

在信息化的現代，人們分享的每一張照片、每一個視頻，都存在被非法利用的可能，因此當自身利益受到侵害時，應該勇敢地拿起法律武器，及時向公安機關進行舉報，維護自己的合法權益。