研究人员希望通过这个新的人脸识别对抗攻击方法，可以用到人脸识别系统里，帮助各种FaceID系统进化成更加棒、可以信赖的样子。
鱼羊 栗子 发自 凹非寺
量子位报道 | 公众号 QbitAI
你知道吗，在脑门上贴张符，AI就看不出你是个人了。
比如，这里有一个妹子，被人脸识别系统ArcFace发现了：
于是，她在脑门上贴了一张符。
人脸识别就不把她当人了，框框上的“Person”标签没有了：
就算把光线调暗，这张符依然可以保护她，不被AI发现人类的身份：
鬼片的光照条件，也是一样：
这样，万一哪天人类和AI打起来了，说不定还能逃过一劫呢 (误) 。
毕竟，去年发表的ArcFace，在现有的公开FaceID系统里面，是最强大的一个 (State-of-the-Art) 了。
而骗它的人，是来自莫斯科国立大学和华为莫斯科研究院的科学家。
他们的符上有特殊纹路，可以迷惑AI，这叫对抗攻击。攻击成本很低，符是普通的彩色打印机打出来的。
团队说，这是一个“很容易复现 (Easily Reproducible) ”的方法，还不光对ArcFace这一只AI有效，可以迁移到其他AI上，骗无止境。
网友说：开个公司，可以量产了。
并且，画符的算法已经开源了，那大家都可以生成欺骗人脸识别AI的符了。
说不定有一天，监控系统对陌生人出没，就没有抵抗力了。果然还是人类比较危险。
那么，先来看看画符的原理吧。
画符的原理
你可能听说过，在图像里加上一些噪声，熊猫就变成了长臂猿：
对抗性攻击在数字领域很容易实现，但在真实世界中，对抗攻击的效率大打折扣。
研究团队想到了一个方法，首先，他们琢磨出了一种新的离面变换方法，把一张平面矩形图像弯曲成三维抛物线，再进行旋转。
第二步，是把高质量的人脸图像投到变形后的“贴纸”上，并加入随机噪声。
然后，将由此获得的图像转换为ArcFace的标准输入。
最后，降低两个参数的总和：初始矩形图像的TV损失，和最后获得的图像的嵌入与ArcFace计算出来的锚嵌入之间的余弦相似性。
如此生成的对抗攻击图像，就不是一张平面的纸了，而是三维立体，能直接贴合人类脑门。
研究团队一开始完全随机地加入噪声。
在对抗样本生成阶段，他们采用的是具有动量的多次迭代FGSM方法（Goodfellow提出的经典对抗样本生成方法）。攻击分成两个阶段，第一阶段的迭代步长为5/255，动量为0.9；第二阶段的迭代步长变成1/255，动量为0.995。
在第一阶段的100次迭代之后，使用最小二乘法，通过线性函数对最后100个验证值进行插值。如果线性函数的斜率不小于0，则进入攻击的第二阶段。
在第二阶段的200次迭代之后，同样进行这一操作，如果线性函数的斜率不小于0，就停止攻击。
有趣的现象出现了。
比较成功的对抗图像，看上去都有点像人类的眉毛。
实际上，为了找到人脸的那个部位最适合投影到“贴纸”上，研究团队进行了数字模拟实验。他们发现贴纸的位置较低时能得到更好的验证值。即使限制了贴纸的位置，强制它高于眼睛，贴纸也总是会向下移动到更接近眼睛的位置。
而此前的研究也表明，眉毛是人类面部识别中最重要的特征。
不过最后生成的“贴纸”并不是通用的，是根据每个人的照片“私人定制”的。
团队请了10个人类，来测试定制效果。4女6男，结果如下：
蓝色，是一个人戴上普通帽子前后，AI判断的类别相似度，在70%上下。(判断类别一致，就是人类没变。)
橙色，是一个人贴上对抗符前后，AI判断的类别相似度，降到了20%以下。(判断类别不一致，人类不再是人类了。)
定制成功，鉴定完毕。
这套攻击方法，不止是对ArcFace有效，其他的的Face ID模型也一样扛不祝
LResNet100E等模型基线相似度和被攻击后的相似度之差
骗过AI一向不难
其实，AI在对抗攻击面前，一向没什么抵抗力。
乌龟变步枪的旧事，这里不赘述，毕竟在那之后又有了许多先进的玩法：
比利时鲁汶大学的两位少年，就曾经拿一幅炫彩的对抗图画，挡在自己的肚子前面。
这样，目标检测界的翘楚YOLOv2，不光看不出他们是人类，连那里有物体存在都发现不了。
优秀的隐身衣，令人瑟瑟发抖。
另外，腾讯团队也曾经用对抗图，骗过一辆特斯拉。
一般情况，停车场里不会下雨的。但当屏幕上出现了一种奇妙的图案：
特斯拉的雨刷器就打开了。
并且，挥舞的节奏十分紧凑，仿佛AI看到的还不是绵绵细雨。
如果你觉得，开个雨刷器不算什么危险：
特斯拉的图像处理工具，都是身兼数职的：追踪其他车，追踪物体和车道，为周围环境画地图，以及估计雨量……
并且，腾讯团队还发现，刚才这些任务里面，大多都是只靠单一神经网络完成的。
这不就是说，一挂挂一片？
而今天的主角，来自莫斯科的对抗符，一个高能之处在于：不是把图案摆在面前，而是完全贴在脸上。
这就是说，经过3D扭曲/拉伸的图案，也可以用来欺骗AI。
其实，挡在肚子前面的炫彩对抗图出现之后，便有网友说最好印在T恤上，只是那时还不知道图案能不能承受人体的拉伸。以现在的技术，就做得到了。
另一个优势便是，它不止能欺骗一只AI，只要调调损失函数，就可以迁移到其他AI上了，攻击范围十分广泛。
不过，世界越来越危险，人脸识别显得越来越脆弱，倒也不单是对抗攻击的事。
福布斯的记者用3D打印的石膏人脸，破解了一众流行旗舰手机的AI人脸识别解锁功能；
腾讯又曾经用一副眼镜，攻破了苹果的面部识别系统。
骗术日新月异，人脸识别AI，还是要变得更强大才行。
所以研究人员是希望，这个新的人脸识别对抗攻击方法，可以用到人脸识别系统里，帮助各种FaceID系统进化成更加鲁棒、可以信赖的样子。
这项研究的两位作者Stepan Komkov和Aleksandr Petiushko，来自华为莫斯科研发中心。
目前，华为在俄罗斯拥有莫斯科和圣彼得堡两大研发中心，另外还在筹备第三个研发中心，总共人数将破千，在俄罗斯科技行业能算得上是规模巨大的研发机构了。
由于战斗民族数学一向很好，因此在俄罗斯的研究中心主要面向算法研究，此前就有华为俄罗斯研究所的一名数学天才，打通了不同网络制式之间的算法，帮助运营商节省30%以上的成本。
论文传送门：
https://arxiv.org/abs/1908.08705
代码传送门：
https://github.com/papermsucode/advhat
完
