ACM通信
新闻
用化妆品阻止监视
图片来源:Getty Images
那些不想被认出来的人用反监视化妆品来骗过面部识别系统，这种化妆品大胆而引人注目，并不完全是隐形衣和匕首的东西。虽然专家们对这种化妆品在避免被发现方面的效果意见不一，但他们一致认为，这种化妆品的使用尚未广泛。
马萨诸塞州伍斯特市克拉克大学(Clark University)计算机科学副教授约翰·马吉(John Magee)专门从事计算机视觉研究，他说，反监控化妆很大程度上依赖于机器学习和深度学习模型，通过高度反差的标记“打破典型人脸的对称性”。然而，Magee补充道:“如果你化着那种妆出门，你就会吸引别人的注意。”
马吉指出，反监视化妆的有效性一直存在争议，因为反对种族正义的抗议者不希望被跟踪。
以色列本古里安大学(Ben-Gurion University)的博士生Nitzan Guetta是一组研究人员中的一名，他们在过去两年里一直在探索“在现实世界的设置中，如何使用合理而不易察觉的人工物品来欺骗基于深度学习的面部识别系统”。她说，研究人员使用自然妆容进行了对抗性机器学习攻击，防止参与者被面部识别模型识别。
Guetta解释说，研究人员“选择关注化妆攻击，因为当时它还没有被探索，特别是在物理领域，因为我们认为它是一种潜在的、不引人注意的手段，可以用来达到逃避识别的目的。”
当研究人员将对抗/反监视化妆算法与没有攻击算法指导的普通化妆算法进行比较时，“结果表明，普通化妆并没有成功骗过面部识别模型，”她说。
数字在一项使用双摄像头系统的测试中，“使用精心制作的自然妆容来躲避攻击”一文中描述，一个人素颜的照片在47.57%的帧中被正确识别出来。在随机化妆的情况下，这一比例下降到33.73%，而在有意设计的化妆方案下，这个人只在1.22%的帧中被识别出来。
虽然Guetta说，这种针对男性的对抗性化妆品更容易生产，但她承认，这种化妆品的全面使用“在现实世界中可能并不常见，因为生产这种具有自然外观的化妆品并非易事。”
Guetta和她的同事们提出的方法可以用来欺骗/逃避面部识别模型的识别，同时使这些模型更健壮，她说。她说:“我们正计划将我们生产对抗化妆品的代码提供给研究界。”
但也有人持怀疑态度。马萨诸塞大学阿默斯特分校(University of Massachusetts, Amherst)的计算机科学教授埃里克·莱内德-米勒(Erik learded - miller)说，对于那些希望避免被识别的人来说，面部识别系统的准确性永远不会达到100%，对于监控目的来说，这是“非常复杂的拼图中的一块”。
他说，虽然涂上反监视的妆容会让通过面部识别识别一个人变得更加困难，但应该使用其他工具来完全准确地追踪那个人。莱内德-米勒说:“使用化妆品会降低一种工具的效果，但这绝不是停止[识别]过程。”
他不相信反监视化妆本身就是一种有效的伪装策略。
“假设我是一个邪恶的策划者，他建立了一个巨大的监控系统，利用信用卡信息、手机信息和面部识别。每一块的准确性越高，我就越能知道你的位置。”“当你取出一个工具时，整个系统的效率就会降低。”
例如，虽然化妆可能会掩盖你的脸，但系统可能仍然能够从你的头发外观来识别你。例如，如果有人想要区分你和另外三个人，你的发色可能足以分辨出你是谁，但如果有人想要从一群50人中选出你，那就不行了，莱内德-米勒说。
他还认为，反监控化妆的使用并不普遍，他说，“如果你要在脸上化妆，它会在其他方面吸引注意力”，让你脱颖而出。“如果你想不引人注目，那么化个妆让你看起来像个哑剧演员是没有用的。”
伦德-米勒还认为，反监控化妆并没有“流行起来”来掩盖一个人的身份。相反，他说，“我认为这是一个有趣的学术实践，看看你是否可以降低面部识别算法的有效性。”
马吉对反监视化妆的效果也不温不热，他说面部检测和识别存在问题。他说，检测需要确定某人的脸在哪里——或者一幅图像是否真的描绘了一张脸。另一个问题是“识别和辨别不同的面孔，并确定某人是谁，所以在躲避这些系统方面，你可能有两个不同的目标。”
他说，面部检测是在寻找构成一张脸的主要模式，而反监控化妆则试图做一些与这一模式截然不同的事情。Magee引用了CV(计算机视觉)Dazzle的例子，这是艺术家Adam Harvey在2010年创造的一个学术项目，用来演示使用大胆的化妆和发型可以模糊面部特征，使其无法被面部识别系统识别。
“如果你想不引人注目，那么化妆让你看起来像一个默剧演员是没有用的。”
哈维说，这个概念的名字的灵感来自一种名为“炫”的一战海军迷彩，这种迷彩采用立体派风格的设计，打破战列舰视觉上的连续性，隐藏其方向和大小。同样，CV Dazzle使用“前卫的发型和化妆设计来打破一张脸的连续性。”由于面部识别算法依赖于对称性和色调轮廓等关键面部特征来识别空间关系，因此可以通过创建哈维所说的“反脸”来阻止检测。
哈维表示，要想在今天使用CV Dazzle，“需要重新设计该概念，以配合新的算法。”
在他的网站上描述这项工作时，Harvey写道:“CV Dazzle方法的更新形式可以针对其他算法，比如深度卷积神经网络”，但这需要找到这些算法的漏洞。“因为计算机视觉是一种概率判断，找到正确的表情就是找到如何出现在比检测阈值低一步的情况。”
与马吉的观点一致，哈维表示，人脸检测是任何自动面部识别系统的第一步，然后使用CV Dazzle进行发型和化妆来阻止检测。他说，如果一个人脸没有被算法检测到，它就会有效地阻止后续的识别算法。哈维还提到了一个工具(https://dl.acm.org/doi/10.1145/2502081.2502121)可以为面部伪装提供建议，比如化妆。
他补充说，他不再积极维护或开发CV Dazzle。根据人工智能(AI)的事实，哈维开发了两个新项目。“已经改变了反监控的可能性。”
哈维现在参与的一个项目是曝光。这是一个艺术和研究项目，旨在削弱支持生物识别和监控技术的信息供应链。另一个项目是VFRAME。io是一个致力于人权研究的计算机视觉项目，哈维为此开发了定制监视工具。
马吉说，如果现在有人在开发反监控化妆品，他会感到惊讶的。不过，他也见过一些t恤，它们的设计可以破坏面部识别系统的识别模式。
Magee说，所有这些系统的工作原理都是通过提供带有人类是什么和不是什么例子的训练数据。“如果你能打破他们的统计模型……反监控方法就会起作用。”
以一个经过训练的系统为例，该系统可以检测行人、汽车和摩托车。“你可以穿一件t恤，让你的身体看起来更像一辆汽车或摩托车，”他说。这种方法“比让人在人群中脱颖而出的独特妆容感觉更现代。”
然而，计算机视觉发展非常迅速，一个通过向它展示人脸图像来训练的系统，如果训练不断更新，就不会被愚弄。“只要有人说，‘我化了这个妆就能破坏你的系统’，你就可以把这些例子输入计算机视觉系统，学习如何识别它们，”马吉说，“所以在某种程度上，它可以看穿伪装。”
他说，这取决于使用的算法和训练示例。
这也是莱内德-米勒所认为的首要问题。他说，用反监控化妆之类的东西让面部识别变得万无一失是永远不可能的，因为这太难了。
相反，莱内德-米勒说，研究那些会导致计算机混淆的技术更有趣，也更有效。
和马吉一样，莱内德-米勒说:“如果每个人都开始化妆，就像每个人在新冠肺炎期间戴口罩一样，人们将开发出能够很好地解决这个问题的算法。因此，我不认为通过化妆来混淆计算机算法是一个长期的解决方案”，以解决以不恰当的方式使用监控和面部识别的问题，比如有人改变自己的外表去抢劫银行。
莱恩-米勒提出了一个面部识别的基准，称为野外标记面部(http://vis-www.cs.umass.edu/lfw/)，对计算机算法识别人脸的能力进行测试和评分。
他的工作现在转移到研究人脸识别中的公平性/偏见和隐私。莱姆德-米勒和其他人建议设立一个新的联邦办公室来监管面部识别技术，类似于美国食品和药物管理局的结构。
他还在马萨诸塞州的一个研究面部识别系统如何被执法部门使用的委员会任职，该委员会将就解决该技术使用的立法提出建议。
虽然反监控化妆有时可以骗过面部识别系统，但莱内德-米勒看到了更重要的东西。他说，这种化妆“只是一系列复杂问题中的一个小齿轮，我觉得它不是一个非常实用的解决方案。”
莱内德-米勒预计，“那些不想被承认的国家和那些想承认他们的国家之间将会出现一场军备竞赛，而且很难阻止这场军备竞赛，”他说。“控制法律允许的事情更容易。”
进一步的阅读
N. Guetta, Shabtai, A. Singh, I.， S. Momiyama，和Y. Elovici。
利用精心制作的自然妆容躲避攻击，内盖夫本-古里安大学，2021年9月14日，https://bit.ly/3FUMhn5
瓦伦蒂,L。
化妆能成为反监控工具吗?时尚2020年6月12日，https://www.vogue.com/article/anti-surveillance-makeup-cv-dazzle-protest
C. Sojit Pejcha;
反监控化妆品可能是美的未来，文档杂志2020年1月30日，https://bit.ly/3pSdTmY
罗伊·乔杜里(RoyChowdhury)， A, Yu, x;Sohn, K.， learn - miller, E.和Chandraker, M.。
通过在野外聚类未标记的面孔来提高人脸识别，马萨诸塞大学，阿默斯特。2020年7月15日，https://arxiv.org/pdf/2007.06995.pdf
简历炫:https://ahprojects.com/cvdazzle/Labelled野生家园中的面孔:http://vis-www.cs.umass.edu/lfw/
化妆教程:如何躲避镜头，吉莉安·梅尔，2013年5月30日，https://www.youtube.com/watch?v=kGGnnp43uNM
下一个希望:CV炫:面部欺骗，Channel26002013年12月31日https://binged.it/3FXclh8
©2022 acm 0001-0782/22/7
允许为个人或课堂使用部分或全部作品制作数字或硬拷贝，但不得为盈利或商业利益而复制或分发，且副本在首页上附有本通知和完整的引用。除ACM外，本作品的其他组件的版权必须受到尊重。允许有信用的文摘。以其他方式复制、重新发布、在服务器上发布或重新分发到列表，都需要事先获得特定的许可和/或费用。请求发布的权限permissions@acm.org传真(212)869-0481。
数字图书馆是由计算机协会出版的。版权所有©2022 ACM, Inc.
没有找到条目