0 引言

随着神经网络的再度崛起与深度学习技术迅猛发展，人脸识别的准确率和性能不断提升，人脸识别技术在各领域得以快速发展，在行政、公共安全、交通、商业等各领域发挥重要作用。然而，人脸识别技术在提升便捷性的同时，也遭到了滥用，个人隐私安全问题迫在眉睫。

在近年中一些调研中，文献[1]发现包括人脸信息在内的生物特征信息泄露问题越来越严重。2019年8月，生物识别平台BioStar2泄露超过2 780万条记录，数据量达23 GB，其中包括指纹、人脸识别和用户图片、未加密的用户名和口令及员工数据等。2021年3月科勒卫浴、宝马等企业在主体不知情情况下，对人脸信息捕捉、记录，并对该信息进行行为分析，导致个人行踪泄露。同时根据《南方都市报》个人信息保护研究中心人工智能伦理课题组和软件专项治理工作组发布的《人脸识别应用公众调研报告(2020)》[2]发现，当前人脸识别技术普及率高，但仍存在强制使用等问题，六成受访者认为人脸识别技术有被滥用的趋势。此外，针对目前几类较有争议的人脸识别应用场景，受访者最不能接受的是商城使用人脸识别收集顾客的行为数据。在各大商场、酒店、旅游景点等具有争议的公共场合，人脸信息过度采集与非法存储行为屡见不鲜，甚至在很多安全级别低且不必要的场景中强制要求人脸认证。其次，用户对于人脸识别认证的态度也日趋保守与抵触。根据具《南方都市报》发布的《人脸识别应用场景合规报告(2021)》[2]显示，在感受人脸识别便捷性的同时，大众对人脸识别的安全性保持担忧。

针对人脸识别的安全性问题已经有相关研究，目前的系统中通常使用更精准的人脸识别手段过滤不安全的人脸，从而保护系统的安全性。常用的手段是三维结构光识别[3]，该技术将编码的光栅或线光源等投射到被测物上，根据它们产生的畸变来解调出被测物的三维信息。但所有的技术只是关注系统的安全性，忽略了人脸隐私安全问题，所有的人脸识别技术离不开数字化特征值的提取[2]，提取的人脸特征具有唯一性、不可撤销性，一旦遭到攻击、篡改或泄露，则意味着终生泄露，用户隐私安全正面临巨大威胁。

针对以上的问题，本文从人脸识别中使用的人脸数据出发，对提取的数据进行合适的加密和处理，从底层解决了人脸隐私泄露的问题。进行了全面的背景调研、系统设计、功能实现以及系统测试。系统主要分为前端与后端两个部分。后端主要包括数据库的部署与搭建、接口设计以及模型训练。前端开发了软件端与网页端。系统具有封闭安全、轻量高效、准确率高、公开透明的特点，同时还具可拓展性和移植性，几乎可以适用于人脸识别的各种场合。不仅适用于高级机密的安全场所，更能从普罗大众所接触到日常生活中的各个场景解决人脸隐私泄露的问题，可以代替大部分场景下的人脸识别系统。

系统在普通版本的基础上，开发了大量其他的应用场景模拟系统。主要针对设备解锁、上班打卡、微信取纸等具体的多种应用场景进行了设计。在不同场景下，签名与密钥的形式便捷多样，如NFC卡、手机序列号、手机号码等，能够满足用户在多种场景下的需求，有效防范人脸信息的非法盗取与滥用。最后在系统上实现了上述提出的想法。系统是开源的，开源网址为：https：//github.com/qzkinhit/MAE-Based-Face-Privacy-Protection-and-Authentication-System。

本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005093.

作者信息：

钱泽凯1，童彦澎2，刘绍辉1，王雨桐1，王诗语3

(1.哈尔滨工业大学 计算机科学与技术学院，黑龙江 哈尔滨150006；

2.哈尔滨工业大学 软件学院，黑龙江 哈尔滨150006；

3.哈尔滨工业大学 建筑学院，黑龙江 哈尔滨150006)

欢迎关注电子技术应用2023年2月22日==>>商业航天研讨会<<