多伦多大学用对抗学习打造“隐私滤镜”，不让脸部辨识功能认出你

来自多伦多大学电子电脑工程学院的教授Parham Aarabi和研究生Avishek Bose近日发表了一个“隐私滤镜”算法（Privacy Filter），可以干扰社群媒体的脸部识别算法，让照片无法被识别，来保护个人相片和隐私。

Parham Aarabi和Avishek Bose采用深度学习中的对抗学习方法（Adversarial Training），训练两套神经网络，第一套用来识别人脸，第二套则用来破坏第一套的人脸识别任务。Avishek Bose解释，第二套神经网络具有破坏性，会“攻击”第一套在寻找的脸部特征。他说：“假设第一套神经网络靠眼角特征来辨识某人身份，那第二套神经网络就会稍微调整眼角特征，让它变得不容易辨识。”这两套神经网络互相对抗，也互相学习。Bose表示，第一套的脸部识别能力越来越好，而第二套阻碍人脸识别的能力也越来越强。

就像在Instagram中选择相片滤镜那样，只要套用这个隐私滤镜，就可以改变相片中脸部的特定像素，而且这些改变人眼几乎察觉不出，但已经足够影响识别系统（如下图）。如此一来，使用者的相片就不被人脸辨识系统认出，进而能够保护自己的相片和隐私。不过，该研究没有展示实际用来对抗社群平台脸部辨识技术的结果。

（图片来源：Avishek Bose）

Parham Aarabi和Avishek Bose使用ImageNet资料集中数千张图片来训练模型，而为了训练成效，他们将图片分辨率限制为600 x 800 pixels。在测试时，则使用300-W影像数据库中的600多张脸部图片，涵盖各种族、明暗度和不同环境。测试结果显示，隐私滤镜可以让相片原本100％的被辨识率，下降至50％。

这项技术不只可用来对抗脸部识别技术，还可用来能阻碍图片搜寻、特征辨识、情感和种族辨识评估等脸部识别应用的领域。该研究团队希望，未来能以网络或App形式对外发布这个隐私滤镜工具。