1月27日，中國手機産業發生了一場“地震”：全國排行前5的手機廠商，被來自清華大學人工智能研究院RealAI在15分鐘破解，而在其中的破解過程中，19部安卓手機是被“秒”破。

值得注意的是，唯一未被破解的手機僅一部iPhone 11。

但從報道上看，似乎證明了iPhone系列最為安全，真相真如報道所說嗎？

手機人臉識别的“發展史”

随着手機産業的發展，目前國産手機呈現出兩極分化的特點：高端化和性價比。

在高端化方面，華為走在前列，而小米逐漸走向高端的道路上；而在性價比方面，小米、OV等企業成為代表，特别是小米，更是宣稱利潤控制在5％。

而在如此低利潤環境下，企業如何用料，成為當前的難點。

但值得注意的是，企業在解決用料的環境下，還得兼顧技術——如何把最新技術應用在當前手機。為了把價格及技術進行綜合，技術成為突破點：隻要達到類似的技術，即會立刻用低成本的技術，取代原有高成本技術，但宣傳并不會改變——就如同3D結構光。

随着iPhone X的應用，3D結構光正式走入人們的生活，而在蘋果的介紹中，3D結構光由于是生成3D畫面，并不會被輕易破解，從而被應用在支付等環境下。

而在iPhone X推出這一技術後，OPPO、小米等也紛紛推出了基于這一技術的手機：OPPO Find X、小米8探索版。但值得注意的是，這些手機并未實現大規模量産——小米8探索版在短短數日就被銷售一空，而OPPO Find X的銷量極少。

同時，為了實現人臉解鎖的方式，部分企業聯合曠視、商湯、雲從等企業提供的人臉識别方式——在錄入人臉信息時，會要求用戶在固定位置不斷記錄用戶面部信息，而在這一過程中，實際是不斷在人臉面部設定“點”，并用各類函數進行記錄。在用戶需要使用手機時，如果函數值達到設定的閥值，即可實現解鎖——閥值由提供商自行設定，部分企業為了實現所謂的“快速識别并解鎖”，把閥值降低到50％，甚至更低。

但這一方式随後被更好的技術替代：雙目識别。

雙目識别的優勢主要是通過兩個攝像機對同一個物體進行拍攝并計算，在這一過程中，由于攝像機的角度不同，會産生景深效果，而這就是所謂的“活體檢測”。而且相比傳統的單目攝像機，僅僅是多了更多的函數值。

（雙目識别示意圖 ｜ 圖片來源于OFweek維科網）

但這一方式，有效避免了使用2D照片被破解的問題。

同樣值得注意的是，這一方式并沒有被大規模應用在手機方面——ToF技術被正式應用，而雙目識别則被應用在門禁等大型設備中。

ToF測距方法屬于雙向測距技術，它主要利用信号在兩個異步收發機（Transceiver）（或被反射面）之間往返的飛行時間來測量節點間的距離。

ToF測距方法有兩個關鍵的約束：一是發送設備和接收設備必須始終同步；二是接收設備提供信号的傳輸時間的長短。為了實現時鐘同步，ToF測距方法采用了時鐘偏移量來解決時鐘同步問題。

（ToF技術示意圖 ｜ 圖片來源于OFweek維科網）

同時，其還分為三類發射方式：

1、發射脈沖光并測量它們經反射後返回的時間間隔；

2、調制光源的振幅并記錄反射光波的相移；

3、發射占空比為50％的方波，并記錄在特定間隔内到達的返回光量。

ToF模塊由于成本相對低廉，且不受到強光等外部光源的影響，其被廣泛應用在各類高端手機上面。

此外，在部分政務APP中，由于用戶手機采用了不同的識别方式，為了更好的統一，其采用了“光譜＋單目識别”的模式，其通過不同的色調的光線照射在面部的反光，從而判斷人員是否是真實的人。

秒破解：僅僅是2D手機

值得注意的是，在RealAI的測評中，并未告知測試手機型号及詳細的測試流程，從而也無法得知該手機破解的具體内容。

其中問題如下：

1、錄入手機用戶面部是誰？

2、“對抗樣本圖案”與“被攻擊對象的眼部圖像”相似度；

3、具體手機型号。

通過視頻所展示的手機，大體可以知道有華為、小米等手機，但具體型号并不知曉。

而在實際破解中，由于測試員采用了眼鏡上搭載“T”形圖像，對于算法來說，其已經是一個正常面部數據，而在“眼睛”和“鼻子”相似的情況下，其已經滿足手機所設定的閥值——破解手機也不成問題。

值得注意的是，據事後再次測試過程中，搭配了ToF鏡頭的Mate 40 Pro并未被破解，可以說，本次測試過程中，2D圖像被破解的概率較高，而搭載3D傳感器的智能手機并未被有效破解。

技術：從應用到完善

OFweek維科網編輯在與雲事通CEO龍壽金溝通時，其說道：“很多技術都是先應用，再完善。如果沒有應用，企業也無法全面得知該技術的缺點是什麼。”

對于目前世界上很多技術而言，在實驗室的專家及科研人員并不會完全了解技術方面的缺陷，對于他們而言，他們更在意如何通過某項技術從而實現某一個目的，在實現後，再進行逐步完善。

而人臉識别技術也同樣如此——在人工智能尚未爆發之前，安防企業已經開始探索人臉識别技術的應用，并把該技術應用在現實世界之中，但由于硬件及算法、算力等問題，用戶體驗效果極差，部分用戶甚至認為曠視、海康、科達等企業的銷售人員是“騙子”。

但随着軟／硬件的完善，人工智能技術也随之得到全面發展，到了2021年的今天，人臉識别已經得到全面的完善，并在衆多地區得到應用。

但随着産業的發展，人臉識别在部分地區的應用也不相同：亞略特市場營銷總監丁超說道：“并不是什麼地區的财政都能支撐起智能化安防的改造。”

亞略特針對用戶的确切需求，采用前端存儲特定人員特征值的方式，從而在前端完成對目标人物的分析及判斷，一旦确定目标人員，才會把相關數據傳輸到後端平台，有效減少對網絡及後台的建設，同時大幅度降低成本。

而在手機方面，基于高通、海思等芯片的應用，人臉識别得到較快的發展，但不得不說的是，由于目前人臉識别并未作為唯一的生物識别模塊，同時還有指紋識别，為此大部分手機企業并未把人臉識别作為重點項目進行深入，更多的是交由AI算法公司進行，如OPPO曾大規模采用曠視的算法。

然而，由于各類原因，導緻2D識别的準确度并未被完全認知；加上由于疫情問題，大部分用戶改用“指紋識别”，從而讓這一問題并未被及時提出，這也是問題的關鍵點。

關鍵技術仍需加強

對于手機提供商而言，人臉識别技術依然需要加強——随着手機産業的發展，手機已經成為當前人們日常生活的重要内容之一，一旦手機脫離人們的掌控，那麼個人信息也将全部曝光。

如何保障個人用戶的隐私問題，想必已經有了絕對的答案。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!