轉載從: Tech News 科技新報
臉部辨識技術已進入大規模應用，個資等隱私問題也越來越受關注，針對隱私保護、躲避和攻擊臉部辨識系統的研究也陸續出現。
其中有篡改輸入臉部辨識系統的影像，讓 AI 無法辨識圖中人臉的，如多倫多大學的《Adversarial Attacks on Face Detectors using Neural Net based Constrained Optimization》。
也有 CMU 設計的特殊眼鏡，戴上後即便經過監控鏡頭，仍無法辨識影像有沒有人臉，或辨識成他人；且這種掩飾不算誇張，不容易引起別人懷疑（論文《Accessorize to a Crime: Real and Stealthy Attacks on State-of-the-Art Face Recognition》）。
隱藏身分的「換臉」
近日又出現一篇新論文，來自挪威科技大學《DeepPrivacy: A Generative Adversarial Network for Face Anonymization》，從更新、更有挑戰性的角度欺騙臉部辨識系統：不改變原來資料分散的前提下，將人臉匿名化，通俗地說就是模型匯出還是一張臉，姿態和背景也和原圖相同，但完全無法辨識原來的臉的身分，就是「換了一張臉」。
作者提出的模型 DeepPrivacy 是條件生成式對抗網路（conditional GAN），建構程式能以原有背景及稀疏的動作標記生成逼真的匿名（其他身分）人臉。建構程式的架構是 U-net，用逐步擴大影像的方式最終生成 128×128 影像。
為了避免洩露個人資訊給模型，按照作者的設計，模型輸入就直接是經過隨機雜訊遮擋的人臉，模型完全觀察不到任何原有臉部資訊。不過，為了保證生成的品質及動作一致，作者仍需要兩組簡單的影像標記結果：圈出臉部位置的邊框，以及（與 Mask R-CNN 相同）標出耳朵、眼睛、鼻子、肩膀共 7 個關鍵點的稀疏姿態估計值。
根據作者的測試，經過模型匿名化的人臉仍保持接近原圖的臉部可辨識性，普通的臉部辨識模型對匿名化後的影像，辨識出人臉的平均準確率只相對下降 0.7%，而人臉含有的身分資訊自然 100% 不重覆。
▲ 不同臉部匿名方式對比，左起原圖、DeepPrivacy 模型遮擋後輸入、馬賽克、高斯模糊、DeepPrivacy 模型匯出。
作者也做了一項具前瞻性的工作，那就是整理發表新的多姿態臉部資料集 Flickr Diverse Faces。資料集共 147 萬張人臉，並按照這模型輸入所需，標出了含臉部位置的邊框及 7 個關鍵點。資料集的獨特之處在於多樣性，涵蓋許多不同的臉部姿態、部分遮擋、複雜背景、不同的人。
▲ 一些 Flickr Diverse Faces 資料集的人臉樣本。
相關研究比較
▲ 另外的臉部匿名化結果──左圖大家本來可能很熟悉，現在就難認出來了。
論文模型的建構程式設計參考《Progressive Growing of GANs for Improved Quality, Stability, and Variation》論文，從低解析度的影像開始，逐步提高解析度、增加細節，最終可同時兼顧影像內容高度協調、高穩定性、高多樣性。這種方法是 GANs 首次生成 1,024×1,024 大小的高畫質影像。作者還一併討論改進 GANs 訓練過程的技巧。
可能有人已想到，DeepPrivacy 所做的「生成匿名逼真人臉」工作，其實就和影像補全（Image Inpainting）高度類似，都是讓模型為影像指定區域填補內容。不過影像補全時要補全的不僅是人臉，還包含各種日常物體和場景。也有影像補全研究人員嘗試補全人臉的效果，他們在畫質解晰度、資料豐富、姿態單一的 Celeb-A 資料集嘗試，結果模型無法生成逼真、身分不同且隨機的人臉。
另外，輝達《A Style-Based Generator Architecture for Generative Adversarial Networks》是 CVPR 2019 最佳論文之一，也是目前為止生成高清晰度、高多樣性人臉效果最好的方法。毋庸置疑，這種方法生成的人臉比 DeepPrivacy 更逼真，且可生成隨機新身分，不過就沒辦法控制同樣的姿態和背景了。
作者認為大企業可能透過這種方法躲避歐盟《通用資料保護條例》（GDPR）的約束。GDPR 要求，使用個人的隱私資料時必須定期徵得當事人同意；但是當無法根據資料辨識定位某個人時，企業無需同意就可使用這些資料。這種臉部匿名化方法就能成為「無法辨識個人，進而繞過 GDPR 限制」的幫手。
不過，在高度遮擋、不常見的角度、複雜背景下，模型還是會出現一些錯誤的生成結果（扭曲的臉看起來有些可怕）。作者也透過對照試驗，說明更大的模型、7 個動作關鍵點的標記都有助於生成更高品質的影像。
Reddit 及 Twitter 的討論串，有人提出，僅變更臉部不足以完全隱藏身分，有的人（如歐巴馬）僅憑髮際線就有機會被認出來，加上穿著、場景、身邊的人，知名人物被認出來的可能性大大增加；也有人提到，變成隨機身分，還不如都用 DeepFake 把所有的臉換成同一張虛擬人臉，同樣可達到無法通過臉部辨識確定身分的效果；網友還吐槽為什麼要取 DeepPrivacy 這麼俗的名字。