얼굴 인식은 생체 인식 인식의 중요한 부분입니다. 90 년대 후반에 주요 응용 단계에 진입했는데, 주로 미국, 독일, 일의 기술에 있다. 최근 몇 년간 국내 관련 기술을 총결하였다. 얼굴 인식도 심각한 보안 위험이며, 우리가 편리할 때 공격당하거나 악의적으로 공격받는다. 따라서 얼굴 인식 기술 및 얼굴 데이터베이스 응용 프로그램의 경우 얼굴 인식 모델의 구조를 엄격하게 제어하고 얼굴 데이터를 엄격하게 기술 및 입법 보호해야 합니다.
얼굴 인식 기술에서 상태 생체 특징의 응용은 주로 지문, 성문, 얼굴, 홍채 등 고유의 생리적 특징과 행동 특징 (예: 필적, 소리, 보행 등) 으로 구성되어 있다. ). 얼굴 인식은 다른 바이오메트릭 기술에 비해 정확도, 비접촉성, 속도 등의 특징을 가지고 있어 정부, 군사, 금융, 전자상거래, 보안, 엔터테인먼트 등에 점점 더 많이 적용되고 있다.
미국 FBI (Federal Survey Authority) 의 차세대 ID 데이터베이스 (NGI) 는 다양한 바이오메트릭 데이터를 포함한 65438 억 개 이상의 개인 지문 정보 기록을 추가하여 미국 성인의 절반 이상을 수집했습니다. 오스트레일리아 이민국경보호국은 새로운 입국시스템, 즉' 무료' 를 이용해 전자스캔소를 설립하고 바이오메트릭 기술을 이용해 이민자 관광객의 얼굴, 눈, 홍채, 지문을 식별해 여권 탈퇴 전통을 대체했다. 최근 몇 년 동안 중국의 얼굴 인식 기술도 급속히 발전했다. 얼굴 인식은 스마트 사회의 핵심 기술로서 번영과 발전, 응용이 광범위하며 각종 잠재적 안전 위험은 불가피하다. 예를 들어 20 17 년' 3 월 15' 파티에서 진행자는 현장 기술자의 지원을 받아 시청자의 셀카 한 장만 찍고' 얼굴 닦기 로그인' 인증 시스템이 성공했다.
인간의 얼굴 데이터 침해, 유출, 절도, 불법 거래 이용과 같은 얼굴 인식 기술이 직면한 공격 수단과 위험은 얼굴 인식 기술과 데이터베이스가 직면한 주요 위험이다. 이러한 보안 위험들이 기술, 정책, 법규를 통해 해결되지 못한다면 얼굴 인식 기술 발전의' 양날의 검' 병목 현상을 부각시켜야 한다.
얼굴 인식 알고리즘의 공격. 합법적인 사용자의 신분은 합법적인 사용자의 얼굴 사진, 비디오 등의 데이터를 얻기 위한 전제 조건이 되어야 한다. 중국의 보안팀은 더 많은 위협 공격 수단을 얻었고, 다른 사용자의 전체 얼굴 사진은 인식 시스템을 우회했다. 이런 공격은 이미지 인식의 응용을 심화시키는 것이 탈출 공격과 데이터 오염 공격을 초래한다는 것을 의미한다. 특정 심도 있는 학습 모델에 의존하지 않고 현재 메인스트림 심도 있는 학습 프레임워크 (예: Tensorflow, Caffe) 에 효과적입니다.