不容否認，手機變得越來越難以離手，付款、出行、身份核驗等都成為智能手機的必備功能，刷臉解鎖及各種應用憑借其便捷、無感、非接觸等特性，近年來得到廣泛應用。

手機從普通電子產品升級成個人身份、數據和財產管理的入口，其安全性值得關注。刷臉技術變得越來越通用的同時，社會對于刷臉的安全性也提出了一些質疑。

近期多宗熱點事件無不表明大眾對于刷臉安全的焦慮。

國內一家人工智能公司展示在一副眼鏡的攻擊下，除了一臺iPhone 11，其余19款國產手機無一幸免，全部被快速破解。

面對信任危機，手機前置攝像頭作為刷臉解鎖與支付驗證的關鍵傳感器，如何提高安全性，是消費者最為關心的，也會是各大手機廠商后續面臨的挑戰。

近期分析對抗樣本攻擊能攻破2D人臉識別，說明了兩個問題：

1.對抗樣本攻擊通過了手機自帶的防作偽檢查環節：一般的防作偽算法對打印圖片都能很好的識別出來，但由于此處的對抗樣本是半真半假的狀態，只有眼睛和鼻子區域是假體，其他臉部區域都是真人，導致防作偽不能很準確的斷定是假體。

2.對抗樣本和被攻擊對象的二維圖像相似度確實很高：對抗樣本是指在正常樣本之上添加少量擾動的樣本，這些少量的擾動足以使深度神經網絡模型對該樣本的決策發生錯誤;在視覺領域，對抗樣本是指在正常圖片的基礎上對少量像素點進行擾動，使得深度神經網絡的決策失誤。

產生對抗樣本的本質是圖像特征維度太高而深度學習模型過于線性，神經網絡所學到的模型不能在高維空間完全區分。

進一步來說，在高維空間，每個像素值只需要非常小的改變，這些改變會通過和深度神經網絡模型的參數進行運算累計造成很明顯的變化。

而圖片通常都有極高的維度，但網絡的最終特征維度有限。也就是說，只要方向正確，圖像只要邁一小步，而在特征空間上是一大步，就能大程度的跨越決策層。

從此次測試結果來解析相對安全的iphone 11是如何做到抵抗攻擊的。

蘋果公司Face ID主要采用了3D結構光技術，點陣投影器通過將30000多個肉眼不可見的光點投影在人的臉部，繪制成獨一無二的面譜;紅外鏡頭則讀取點陣圖案，捕捉它的紅外圖像，然后將數據發送至仿生芯片中的安全隔區，以確認是否匹配。

而當下眾多品牌手機的前置攝像頭采用2D刷臉解鎖技術，另將深度信息用于防偽，但在采集和識別的核心環節，依然還是原來二維數據與算法，這恐怕就是手機廠商亟待解決的痛點。

由此可見，3D由于數據的豐富性，在安全性與可靠性方面遠超2D，是因為二維和三維人臉識別處理流程大為不同：

三維人臉識別在獲取數據后還會利用RGB和深度信息的配準，從而高精度地重建三維人臉模型，基于重建的三維模型去進行特征提取和識別比對等應用，國際上領先的重建技術其深度信息的誤差小于1毫米。所以即使遭受常規的攻擊手段挑戰，3D技術都能輕松應對。

(針對刷臉安全潛在的風險，一般分為兩類：特殊場景下使用該技術存在風險和蓄意惡意攻擊)

而面對更多潛在風險及攻擊手段，3D也能提供更高安全性的守護。

蘋果之所以堅持采用3D結構光Face ID技術，主要是出于對安全性和使用體驗的考量。更加確定的是，不論是手機解鎖還是支付認證，以蘋果Face ID為代表的3D結構光技術將是手機人臉識別解鎖的首選。