全国排行前5的手机厂商，被RealAI在15分钟破解

1月27日，中国手机产业发生了一场“地震”：全国排行前5的手机厂商，被来自清华大学人工智能研究院RealAI在15分钟破解，而在其中的破解过程中，19部安卓手机是被“秒”破。

值得注意的是，唯一未被破解的手机仅一部iPhone 11。

但从报道上看，似乎证明了iPhone系列最为安全，真相真如报道所说吗？

手机人脸识别的“发展史”

随着手机产业的发展，目前国产手机呈现出两极分化的特点：高端化和性价比。

在高端化方面，华为走在前列，而小米逐渐走向高端的道路上；而在性价比方面，小米、OV等企业成为代表，特别是小米，更是宣称利润控制在5％。

而在如此低利润环境下，企业如何用料，成为当前的难点。

但值得注意的是，企业在解决用料的环境下，还得兼顾技术——如何把最新技术应用在当前手机。为了把价格及技术进行综合，技术成为突破点：只要达到类似的技术，即会立刻用低成本的技术，取代原有高成本技术，但宣传并不会改变——就如同3D结构光。

随着iPhone X的应用，3D结构光正式走入人们的生活，而在苹果的介绍中，3D结构光由于是生成3D画面，并不会被轻易破解，从而被应用在支付等环境下。

而在iPhone X推出这一技术后，OPPO、小米等也纷纷推出了基于这一技术的手机：OPPO Find X、小米8探索版。但值得注意的是，这些手机并未实现大规模量产——小米8探索版在短短数日就被销售一空，而OPPO Find X的销量极少。

同时，为了实现人脸解锁的方式，部分企业联合旷视、商汤、云从等企业提供的人脸识别方式——在录入人脸信息时，会要求用户在固定位置不断记录用户面部信息，而在这一过程中，实际是不断在人脸面部设定“点”，并用各类函数进行记录。在用户需要使用手机时，如果函数值达到设定的阀值，即可实现解锁——阀值由提供商自行设定，部分企业为了实现所谓的“快速识别并解锁”，把阀值降低到50％，甚至更低。

但这一方式随后被更好的技术替代：双目识别。

双目识别的优势主要是通过两个摄像机对同一个物体进行拍摄并计算，在这一过程中，由于摄像机的角度不同，会产生景深效果，而这就是所谓的“活体检测”。而其相比传统的单目摄像机，仅仅是多了更多的函数值。

（双目识别示意图 ｜ 图片来源于OFweek维科网）

但这一方式，有效避免了使用2D照片被破解的问题。

同样值得注意的是，这一方式并没有被大规模应用在手机方面——ToF技术被正式应用，而双目识别则被应用在门禁等大型设备中。

ToF测距方法属于双向测距技术，它主要利用信号在两个异步收发机（Transceiver）（或被反射面）之间往返的飞行时间来测量节点间的距离。

ToF测距方法有两个关键的约束：一是发送设备和接收设备必须始终同步；二是接收设备提供信号的传输时间的长短。为了实现时钟同步，ToF测距方法采用了时钟偏移量来解决时钟同步问题。

（ToF技术示意图 ｜ 图片来源于OFweek维科网）

同时，其还分为三类发射方式：

1、发射脉冲光并测量它们经反射后返回的时间间隔；

2、调制光源的振幅并记录反射光波的相移；

3、发射占空比为50％的方波，并记录在特定间隔内到达的返回光量。

ToF模块由于成本相对低廉，且不受到强光等外部光源的影响，其被广泛应用在各类高端手机上面。

此外，在部分政务APP中，由于用户手机采用了不同的识别方式，为了更好的统一，其采用了“光谱＋单目识别”的模式，其通过不同的色调的光线照射在面部的反光，从而判断人员是否是真实的人。

秒破解：仅仅是2D手机

值得注意的是，在RealAI的测评中，并未告知测试手机型号及详细的测试流程，从而也无法得知该手机破解的具体内容。

其中问题如下：

1、录入手机用户面部是谁？

2、“对抗样本图案”与“被攻击对象的眼部图像”相似度；

3、具体手机型号。

通过视频所展示的手机，大体可以知道有华为、小米等手机，但具体型号并不知晓。

而在实际破解中，由于测试员采用了眼镜上搭载“T”形图像，对于算法来说，其已经是一个正常面部数据，而在“眼睛”和“鼻子”相似的情况下，其已经满足手机所设定的阀值——破解手机也不成问题。

值得注意的是，据事后再次测试过程中，搭配了ToF镜头的Mate 40 Pro并未被破解，可以说，本次测试过程中，2D图像被破解的概率较高，而搭载3D传感器的智能手机并未被有效破解。

技术：从应用到完善

OFweek维科网编辑在与云事通CEO龙寿金沟通时，其说道：“很多技术都是先应用，再完善。如果没有应用，企业也无法全面得知该技术的缺点是什么。”

对于目前世界上很多技术而言，在实验室的专家及科研人员并不会完全了解技术方面的缺陷，对于他们而言，他们更在意如何通过某项技术从而实现某一个目的，在实现后，再进行逐步完善。

而人脸识别技术也同样如此——在人工智能尚未爆发之前，安防企业已经开始探索人脸识别技术的应用，并把该技术应用在现实世界之中，但由于硬件及算法、算力等问题，用户体验效果极差，部分用户甚至认为旷视、海康、科达等企业的销售人员是“骗子”。

但随着软／硬件的完善，人工智能技术也随之得到全面发展，到了2021年的今天，人脸识别已经得到全面的完善，并在众多地区得到应用。

但随着产业的发展，人脸识别在部分地区的应用也不相同：亚略特市场营销总监丁超说道：“并不是什么地区的财政都能支撑起智能化安防的改造。”

亚略特针对用户的确切需求，采用前端存储特定人员特征值的方式，从而在前端完成对目标人物的分析及判断，一旦确定目标人员，才会把相关数据传输到后端平台，有效减少对网络及后台的建设，同时大幅度降低成本。

而在手机方面，基于高通、海思等芯片的应用，人脸识别得到较快的发展，但不得不说的是，由于目前人脸识别并未作为唯一的生物识别模块，同时还有指纹识别，为此大部分手机企业并未把人脸识别作为重点项目进行深入，更多的是交由AI算法公司进行，如OPPO曾大规模采用旷视的算法。

然而，由于各类原因，导致2D识别的准确度并未被完全认知；加上由于疫情问题，大部分用户改用“指纹识别”，从而让这一问题并未被及时提出，这也是问题的关键点。

关键技术仍需加强

对于手机提供商而言，人脸识别技术依然需要加强——随着手机产业的发展，手机已经成为当前人们日常生活的重要内容之一，一旦手机脱离人们的掌控，那么个人信息也将全部曝光。

如何保障个人用户的隐私问题，想必已经有了绝对的答案。

责任编辑：xj