上周，AI人工智能发生了两件大事！ ！ ！
8月12日消息，英伟达（NVIDIA）官方辟谣称，观众在今年4月举行的GPU技术大会上看到的英伟达CEO黄仁森其实是冒牌货。 这个消息立即引起了轩然大波。
毕竟，这三个多月都没人注意到！ 黄老板的厨房，标志性的皮夹克，甚至发布会上的表情、动作、头发都是假的，都是AI合成的。
但是，由 Nvidia 来揭开这个秘密。 那一刻，黄仁勋的数码人替身只能用鬼斧神工和欺骗来形容。
不得不说，英伟达目前的技术沉淀已经奠定了其在数据中心计算市场的潜在优势。
这次活动虽然是NVIDIA的官方宣传制作，但也能证明AI技术真的很可怕！
更可怕的是：AI创造了9张可以伪装成40%以上人的“万能面孔”！ ！ ！
近日，以色列特拉维夫大学的研究人员展示了一种制造“大师脸”的方法。
研究人员使用图像生成系统 StyleGAN 生成假人脸图像，然后将算法和分类器进行比较，选择与真实人脸相似度最高的图像，最终得到 9 张“通用人脸”图像。
这张电脑生成的“万能脸”就像一把万能钥匙，可以模拟多重身份，通过基于面部识别的身份验证。
题为“Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution”的研究论文已提交至预印本出版平台arXiv。
论文链接：
1. 通用指纹技术带来的灵感
由于其便利性，生物识别身份验证，尤其是面部识别身份验证已成为越来越主流，因此现在已成为攻击者的主要目标。
一些破解者在攻击一般的计算机认证系统时，会采用字典攻击，通过不断尝试多次输入来尝试通过认证系统。
在现实世界的生物识别系统中，人们通常只会在系统锁定之前进行几次输入尝试。 并且使用生物统计学的匹配是不精确的，这与生物统计学的空间分布不均匀相结合，表明较大比例的人口可能被少量样本覆盖。
受“万能指纹”研究的启发，特拉维夫大学的研究人员开发了一种“万能脸”来绕过面部识别软件。
2、通过算法分类比对人脸识别控件，选出9张“万能脸”
研究人员首先使用人工智能领域广泛使用的生成模型 StyleGAN 来制作一张“通用脸”。
▲“万能脸”训练过程
然后，研究人员使用算法和神经网络进行优化。 有限内存矩阵自适应进化策略 (LM-MA-ES) 算法非常适合高维黑盒优化，但需要一个额外的组件来推断哪些人脸是交叉验证的最佳候选者。
因此，研究人员创建了一个“成功预测器”神经分类器，可以筛选大量候选人脸图像，以找到适合绕过人脸识别软件任务的图像。
▲“成功预测器”神经分类器原理
研究人员利用算法和分类器，将各系统输出的假人脸与野外标记人脸（LFW）数据库中5749张不同人的真实照片进行对比，给出均值集覆盖率（Mean Set Coverage，MSC）得分，并只保留得分高的假人脸图像。
图像比较的分数用于训练进化算法，帮助研究人员使用 StyleGAN 创建越来越多看起来像数据集中真实面孔的面部图像。 最终得到9张“通用人脸”图像。
▲ 九张“万能面孔”
3. 可以覆盖40%以上的数据集
研究人员使用“通用人脸”测试了三种不同的深度人脸识别系统：dlib、FaceNet、SphereFace，因为这些人脸识别系统在 LFW 数据集的测试竞赛中排名最高。
▲ 9 幅生成图像覆盖的数据集百分比
研究人员发现，在这三个人脸识别系统中，9张“万能脸”覆盖了42%-64%的数据集人脸识别控件，也就是说9张“万能脸”可以通过这些人脸识别系统的42%。 %-64% 身份验证。
结语：人脸识别系统准确率备受关注
随着人脸识别技术的广泛应用，除了隐私保护问题，人脸识别的准确性也是一个热门话题。 在美国，已经发生多起因面部识别失误而被误抓的事件，引起了极大的舆论关注。
特拉维夫大学的研究人员其实给出了一个很好的思路，从如何破解人脸识别系统入手，扭转人脸识别系统的漏洞，让人脸识别系统得到更好的改进。
最好的
01.
02.
03.
04.
05.
