刷脸买单成现实！骗子会采用哪些手段来盗刷你的脸

本篇文章1729字，读完约4分钟

想到并意识到偷窃最简单的方法是使用静态照片。你一定在微信、qq、微博和人人网等社交工具上留下了很多自己的照片。说谎者可以戴上通过复制你的照片制作的2d面具，并在眼睛上开个洞来眨眼，从而达到偷画笔的目的。

人脸识别是人脸支付背后的核心技术。事实上，早在刷脸支付出现之前，人脸识别就已经应用于很多场合，如刷脸考勤、机场和火车站安检、自打印人民银行信用报告时的身份认证等。 再见！“面对面吃饭，面对面付款”在2017年已经成为现实——苏宁的无人商店在8月份上线，用户刷他们的脸来完成付款；9月1日，支付宝在肯德基的kpro餐厅付款...

人脸识别是人脸支付背后的核心技术。事实上，早在刷脸支付出现之前，人脸识别就已经应用于很多场合，如刷脸考勤、机场和火车站安检、自打印人民银行信用报告时的身份认证等。

当然，在刷你的脸成为一种支付方式之前，没有人会像间谍电影中的间谍那样为了窃取一个普通人的面部图像而大费周章。毕竟，撒谎者不会做任何事情来帮你免费打卡。

但是刷完脸后就不一样了。有了你的头像，说谎者就有可能用你的资本账户自由消费。在利益驱动下，骗子们自然会趋之若鹜。目前，可以欺骗面部识别的口罩已经出现在市场上。

那么，人脸盗窃诈骗的常见方法是什么，人脸识别技术的对策是什么？下面将逐一介绍。

首先，让我们找出骗子会用什么手段来窃取你的脸，以便在它发生之前阻止它。

具体来说，诈骗者有三种主要的偷窃方式:

(1)照片。想到并意识到偷窃最简单的方法是使用静态照片。你一定在微信、qq、微博和人人网等社交工具上留下了很多自己的照片。说谎者可以戴上通过复制你的照片制作的2d面具，并在眼睛上开个洞来眨眼，从而达到偷画笔的目的。

(2)视频。也就是说，欺诈是通过记录和重新制作用户的肖像视频来实施的。与静态照片相比，视频由多帧图像组成，可以提高欺骗式人脸识别系统的成功率。

(3)3d面罩/头盔。3d打印技术成熟后，欺诈者可以打印高清3d面具进行欺诈(见下图)。与照片和视频相比，佩戴3d面具可以应对基于景深的检测算法，还可以配合系统指令做出相应的动作，因此这种欺诈手段更具威胁性。

似乎偷一张脸并不难。我们普通人，如何防止偷脸的行为？

作为用户，最重要的是保护他们的个人信息，如照片和视频，不要把它们放到网上或轻易发给陌生人。

当然，目前的美容软件也在一定程度上保护了每个人的隐私。想象一下，一张连我妈妈都认不出的朋友圈里的美女照片怎么能和身份证上的照片相匹配呢？

在介绍人脸识别的反欺诈方法之前，让我们先了解典型人脸识别系统的几个关键步骤(见下图)。

具体介绍如下:

人脸检测:根据图像(视频帧)定位人脸所在的区域

面部注册:纠正面部姿势

体内检测:判断人脸的真实性是反欺诈的关键一步

面部识别:将新捕获的面部图像与数据中已知身份的面部图像进行比较，以识别访问者的身份

在这里，有必要分析几种常见的活体检测算法，这是反欺诈的关键步骤:

1.基于动作指令的欺诈检测

目前，当许多移动应用进行实名认证时，用户需要配合指令完成眨眼、摇头、点头、张嘴等组合动作，这在很大程度上可以避免使用静态照片的攻击。然而，大多数应用程序中所需的操作都是固定的，也有可能通过预先制作的视频来完成欺诈。因此，一些人脸识别制造商进一步利用用户读取的随机数和嘴唇特征点检测算法来实现欺诈拦截。

2.基于微观表达的欺诈检测

可以通过检测用户在一段时间内是否有细微的表情变化来判断人脸的真假。如果没有微小的表情变化，就被认为是假面。该方法对用户合作要求不高，主要用于静态照片的反欺诈。

3.基于图像纹理的欺诈检测

两次采集或打印的图像与真实人脸在纹理细节上存在一些差异，如局部光照和图像质量的差异。因此，可以提取人脸图像以获得可用于区分真假人脸的特征，然后作为机器学习模型的输入来区分真假人脸。

目前，学术界对于人脸识别的反欺诈方法有很多，这里就不一一介绍了。随着人脸支付工具的逐渐普及，人脸反欺诈技术变得越来越重要。值得一提的是，单一的反欺诈方法有局限性，不能涵盖所有方面。因此，可以组合多种方法来提高反欺诈的识别率，并且可以在特定场景中组合其他生物特征密码(例如声纹)来进一步提高支付的安全性。

来源：罗马观察报