简介：突然现身的90后少女在水滴相机直播平台发文怒怼360；周鸿祎紧急发文回应，强调遭遇黑公关。360滴水事件引发公众对个人隐私和安全的集体关注。智能化时代，我们是否需要像电影中那样，胆战心惊地躲避无处不在的摄像头？面对越来越强大的科技进步，普通人对个人隐私的担忧能否得到解决？这场智能时代的隐私保护大战，我们该如何打？公众最近有点焦虑和愤怒；一位企业家最近也很着急和愤怒。一篇的文章把这家在安全领域屹立了12年的互联网安全公司推到了风口浪尖。具体内容想必各位读者都耳熟能详。简单总结一下这位妹子的观点吧：360水滴相机的直播功能，曝光了无数公众隐私。此文一出，立马在众多网友的朋友圈中疯传，360立即成为众矢之的。随后360官方对事件做出了回应，周鸿祎本人也在微博上对事件进行了解释：事件发生后，关于监控摄像头和隐私的话题在网络上引发热议，甚至有网友表示：事件让人想起了“棱镜门”几年前。绝大部分机密的泄露，都是从那台小相机而来的。监控技术的现状如何？为了让读者更容易理解本文的内容，我们认为有必要简单说一下监控摄像头背后的技术。智能监控的基础技术课题是计算机视觉（ComputerVision），简称“CV”，是一门研究如何教会机器“看”的科学。机器视觉如识别、跟踪和测量，并进一步进行图形处理，使计算机处理成为更适合人眼观察或送入仪器进行检测的图像。在监控领域，最常用的技术是人脸检测和人脸识别。人脸检测有3个关键技术：基于特征的人脸检测技术利用颜色、轮廓、纹理、结构或直方图等特征来检测人脸。基于模板匹配的人脸检测技术，从数据库中提取人脸模板，然后采用一定的模板匹配策略，将抓拍到的人脸图像与从模板库中提取的图像进行匹配，通过相关性确定人物级别和匹配的模板尺寸人脸尺寸和位置信息。基于统计的人脸检测技术采集大量“人脸”和“非人脸”图像，形成人脸正负样本库，并利用统计方法加强系统的训练，从而实现检测人脸和非人脸。用于检测和分类的模式。基于这三项关键技术，监控可以通过以下四种特征进行人脸识别：以人脸点之间的距离和比例为特征；根据不同特征状态的不同概率提取人脸图像特征；将人脸图像看成一个随机向量，通过统计方法识别出不同的人脸特征模式；利用大量神经元对人脸图像的特征进行关联存储和记忆，根据不同神经元状态的概率实现人脸图像的准确识别。可以这么简单的理解：人脸检测就是判断照片中有没有人脸；而人脸识别就是判断某张脸是谁。根据AI前线小编搜集到的数据，目前应用于警用场景的人脸识别监控，比如地铁中的监控，已经可以清晰捕捉到几乎每一位上下车乘客的清晰人脸。抓捕的时候，可以说抓捕的人几乎是隐形的。有没有可能逃过这些监视？如上所述，被捕者“实际上”是隐形的。“差不多”就是说还有逃的可能。我们收集了一些关于是否可以避开目前智能监控的数据，也对一些技术专家进行了简单的采访。以下是我们得到的说法：人脸检测目前已经非常成熟，很多检测技术都加入了分步采样，同时采样不局限于人脸，而是在肩膀以上。简单的说：识别这个人是没有问题的。识别这个人是谁有一些挑战，比如光线、表情、遮挡、人脸相似度等，如果从这些角度入手，智能监控可能还是会被忽悠。前不久，大洋彼岸的美国，有小哥对NSA（国家安全局）进行人脸识别挑战：具体事件原因我们无从得知，也不是小弟的文章里有提到。我们只知道，他为了躲避美国国家安全局的监控，选择在面部特征部位涂上伪装。据他介绍：对于人脸识别算法像素计算机器人，它会把自己的脸翻译成一堆不起眼的像素。而当他那张涂着迷彩的脸出现在电脑视野中时，会瞬间引起系统混乱。虽然成功骗过了人脸识别系统，但小哥自己也坦言，每天大脸出门让他在人群中更显眼，心理上的副作用让他压力更大：“他们的眼神让我意识到我这种奇怪的行为会引起公众的不信任。·············································································································································································································································································································································“我脸上的伪装会不会让我边缘化，失去公众对我的信任？……我脸上的伪装让我感到不安。我担心我脸上的痕迹脸会让我不舒服，让人觉得我是在恶作剧或演戏。”美国小哥把脸的基本特征都遮住了，导致监控无法识别。掩盖特征是欺骗监视的原因之一。至于根本原因，我们采访的几位专家和技术人员都提到了一个问题：目标库的大小。其中一位受访专家提到，人脸识别的准确率会受到目标库大小的影响。比如公司打卡，只要按1:1000判断，估计戴口罩也能识别出谁；如果是1:1000000000的人脸比对抓坏人，戴口罩肯定不行。给定一张照片，判断谁在图书馆的准确率与图书馆的大小N有关。现在流行的刷脸支付其实属于人脸验证（verification），指的是给定一张照片，谁已经知道他是谁，判断他和库里的某个人是不是同一个人。是1:1对比，难度比人脸识别要小。我们需要避免监视吗？人脸识别监控是可以避免的。普通人不犯罪，不违法。是否有必要专门避开这些无处不在的智能摄像头？据AIFrontline了解，事实上90%以上的建立点都不能直接用于人脸识别，现有监控图像中提取的人像图像分辨率也很难达到40*40pixel。与高分辨率图像相比，低分辨率图像会损失大量的高频信息，其所能提供的细节信息的丰富度和表达能力都会降低。对于相同的算法模型，图片的分辨率越低，对应的识别准确率就越低。使用云中心构建人脸识别，意味着未来将产生大量的高清视频。为了使人脸识别系统的准确度满足实际应用的要求，人脸之间的瞳距屏幕中的人脸和眼睛必须大于40像素，这对于相机的高度和角度来说非常重要。有一定的要求。现有公安90%以上的监控点，即使达到200万像素甚至更高的分辨率，由于架设高度和监控角度都不是专门为人脸识别设计的，所以仍然不能直接用于人脸抓拍，而那些无处不在商场、地铁、路口等人流量大的区域的监控摄像头需要更复杂的技术。从这些数据中不难看出，一般的安防监控摄像头对公民隐私的影响不大。我们真正需要注意的是日常生活中存在的那些家庭网络摄像头、电脑摄像头，甚至是手机摄像头。这些设备被别有用心之人入侵后，除了个人数据外泄，甚至还有可能将私生活暴露在网络上，被亿万目光“欣赏”。未来是什么？随着技术的不断进步，上面提到的各种挑战将逐渐不再是问题。目前，一些公司正在探索红外+人脸识别监控，据说可以完美解决面部遮挡问题；此外，前阵子风靡一时的iPhoneX搭载的FaceID人脸解锁技术，代表着人脸识别技术的突破。随着技术的进步和大众化，人脸识别技术开始向3D方向发展，但安全性仍有待提高。我们无法阻止技术进步，但进步带来的隐私和安全也将成为人们关注的重点。我们希望无论从技术层面还是政策层面，都能拿出一套行之有效的解决方案，保护公民的基本隐私和安全。毕竟一个“棱镜门”就够了，谁也不希望还有第二个、第三个、第N个斯诺登吧？
