面部识别的AI技术

你是否经常会接听到一些很“奇怪”的电话，包括推销、咨询等等方面，这其实都是因为我们的资料泄露了。

互联网的出现，把地球围成了一个圈。即便两个相隔十万八千里的陌生人，也能通过互联网进行聊天，只需要注册一个账号。这样一来，用户的信息就都留在了网络上，也给不少网络犯罪分子机会来获取用户的账号信息，他们再进行倒卖，从而获得一笔”可观的收入“。

这种事情经常发生。其实这些年来，也开发了几种技术来保护用户免受帐户盗窃。但它们尚未得到广泛采用，因为在大多数情况下，它们会增加太多步骤进行身份验证，并引入许多用户不欣赏的摩擦和复杂性。

这也反映了一个现实：我们的身份验证技术无法跟上我们在线服务的敏感性和价值。但由于人工智能的进步，这可能会改变。机器学习和深度学习算法近年来已经进入许多领域和行业，将迎来一个认证变得流畅的体验，不需要用户交易便利性以保证安全的时代。

在之前，也有很多公司试图使用生物识别身份验证（如语音，指纹，视网膜和面部扫描）作为密码的替代品。但在大多数情况下，这些技术需要昂贵的硬件，并且很容易被黑客”破解“，例如获取照片来进行人脸识别等。

AI可以为生物识别身份验证添加一定程度的增强功能，使其（几乎）破解证明并且足够智能以避免刺激用户。一个例子是苹果的iPhoneX智能手机上新推出的Face ID身份验证技术。Face ID使用红外传感器和设备上的神经网络处理器创建用户面部的复杂模型，这是一种AI软件架构，可以在不同数据点之间寻找相关性和模式，并将其转换为应用程序规则。

这意味着，不是将其前置摄像头中看到的任何内容与用户的静态图像进行比较，而是将手机进行复杂的比较，同时考虑用户脸部的形状以及其他功能。支持Face ID的深度学习模型可以在不同的光照条件下工作，并逐渐习惯用户脸部随时间变化的变化，例如改变发型，长胡子或戴围巾或帽子。它还能够检测用户是否醒着并意识到并防止意外解锁手机。

人工智能算法在用户帐户安全性方面的优势之一是，他们可以在不破坏用户体验的情况下实时查找可能受损的帐户。深度学习算法可以通过分析用户与平台交互的方式（例如登录时间，IP地址，设备或甚至更详细的操作，如打字，点击和滚动习惯或使用键盘）来创建用户行为模型快捷键。

之后，AI算法将通过同一帐户透明地监控未来的交互，并标记或阻止偏离既定基线的行为。该过程称为自适应身份验证或基于风险的身份验证，并且只有在应用程序的AI算法认为其行为可疑时，才要求用户执行额外的身份验证和身份验证步骤。

数据和连接的爆炸式增长将为AI算法提供多种方法来区分冒名顶替者和真实用户。一些人认为，认证的未来可能看起来有点可怕。虽然会有新的问题要解决，特别是在保护用户数据和隐私的问题上，一旦克服了这些障碍，身份验证的未来将提供令人兴奋的新机会和技术。

作者 | BEN DICKSON

排版 | 平生

来源 | TNW

YOU MAY ALSO LIKE

| 往期推送 |