AI换脸技术背后竟存在个人隐私泄露风险？

前不久，社交媒体平台上一款名为“蚂蚁呀嘿”的特效火爆全网，许多网友都将自己的照片导入换脸软件Avatarify中，照片便可以被算法驱动，生成一段表情夸张扭曲且跟着节奏晃动的换脸短视频。短短几天后，正如此前火爆一时的换脸软件ZAO一样，Avatarify被下架，许多人猜测下架原因是AI换脸可能涉及隐私问题。AI换脸技术的原理是什么？换脸是否会造成个人隐私泄露？带着网友的提问，有记者专访东南大学网络空间安全学院副教授宋宇波，为我们揭开AI换脸技术的秘密。

问：AI换脸技术背后的原理是什么？

宋宇波：最早实现换脸是通过修图（Photoshop）的方式实现的，不仅耗时耗力，其换脸效果也不佳。而目前比较流行的换脸软件，实际上是运用了生成式对抗网络（GAN）技术，这是深度学习模型中的一种。简单来说，就是机器通过事先采集大数据中的人脸表情特征，再结合换脸人本身的一些特征信息，通过“对抗博弈”的方式不断进化，最终生成我们所希望得到的换脸视频。这种方式不仅可以快速地实现自动换脸，其生成的图像也更逼真。

问：什么是生成式对抗网络？

宋宇波：尽管生成式对抗网络中包含“网络”一词，但它和我们通常所说的“互联网”并不是一回事，它本质上是一个数学算法。由于生成式对抗网络采用的是深度学习中的神经网络学习算法，故而保留了“网络”两个字。

生成式对抗网络框架通过让两个神经网络相互博弈的方式进行学习，其中一个是生成器，另一个是判别器。生成器根据预置的规则尝试生成数据，而判别器则会去判别是否是真实数据，并把判别结果反馈给生成器，生成器会根据反馈信息进行调整，从而输出新的数据，两者反复博弈直到判别器将生成器生成的数据判别为真实数据为止。例如当我们想生成一个笑脸时，判别器会自动识别生成器随机生成的表情是否为笑脸；如果不是，此信息会被驳回，生成器会根据反馈重新调整生成数据，经过层层判别，最终输出的人脸里既会包含换脸人本身的特征，同时也包含我们所期望的笑脸表情。

值得注意的是，机器前期采集的喜怒哀乐等通用表情信息主要来源于大数据图库，而并非换脸人的个人表情信息。这也就意味着，利用对抗生成网络技术实现的换脸仅需要不多的个人人脸照片即可。该换脸技术诞生最初大概需要300-500张换脸人的图片，而随着近年技术的不断改进，现在仅仅需要3-5张相关照片就可以生成需要的换脸照片或者视频。

在机器学习中，生成式对抗网络的应用非常多，其最主要的用途就是生成我们想要的数据。目前大部分应用集中于视频和图像创造，例如我们在拍摄中需要一些动画或者特定场景，原本可能需要制作道具或者耗费人工进行手绘，而现在利用这一技术，则可以变得非常高效。

问：AI换脸是否存在个人隐私泄露风险？伪视频、伪图片能攻破人脸识别系统吗？

宋宇波：任何一种技术都存在两面性，如果单纯是为了搞笑消遣而制作换脸视频，本身并没有太多的危害，但如果这一技术被不法分子利用，则会产生极大危害。信息被滥用、个人生物识别特征被泄露等风险，是这类软件频繁引发质疑的一个重要原因。对于政治人物或明星来说，将他们的脸移植到一些他们本不该出现的场景中，很有可能造成负面影响；而对于个人来说，目前许多金融场所都依赖于视频线上识别来进行身份核实，如果不法分子运用深度合成中的表情操纵方法生成伪视频，则很可能造成个人金钱损失。

2019年11月底，国家网信办、文旅部和国家广电总局等三个部门联合发布的《网络音视频信息服务管理规定》指出，利用基于深度学习、虚拟现实等新技术新应用制作、发布、传播非真实音视频信息的，应当以显著方式予以标识；不得利用相关的音视频技术“侵害他人名誉权、肖像权、隐私权、知识产权和其他合法权益”。全国政协十三届四次会议新闻发言人郭卫民也表示，目前《个人信息保护法》草案已经提请全国人大常委会审议，这一法律的颁布和实施，对保护个人信息安全将发挥重要作用。由此可见，个人信息安全问题已经引起相关部门重视。尽管此类软件大多声明不会采集和存储用户敏感个人信息，但网友在上传个人照片给第三方后，第三方自身平台的防护系统是否安全？是否会被恶意攻破从而造成隐私泄露？这些方面都应该得到更多关注。

就目前而言，通过App下载的换脸图片或者视频，由于计算量有限，其图像质量还比较差，仔细观察后还是存在面部不自然等问题。而那些图像质量高到可以欺骗人眼的换脸图片和视频，在相关检测算法的判别下通常也都会“原形毕露”，因此，普通用户不必过于担心人脸识别系统会被攻破。但随着技术的不断改进，未来这类软件很可能对我们的个人隐私造成较大威胁，因此我们也呼吁相关法规尽快出台。

责任编辑：lq6