你應(yīng)該看到了社交媒體上對于網(wǎng)站 ThisPersonDoesNotExist.com，生成無數(shù)不存在人臉的鋪天蓋地的消息，以及楊冪換朱茵的假臉圖像。一方面，這說明，AI 技術(shù)的火正從專業(yè)人士那里不知不覺發(fā)展到了頻繁上熱搜的時(shí)期，但另一方面強(qiáng)勢的 AI 技術(shù)發(fā)展帶給了大眾更大的恐慌情緒。

從假人臉、假人聲到假消息，AI 利用來自人類世界的數(shù)據(jù)集，正在創(chuàng)造一個以假亂真的仿真世界。

從人類的視角來看，AI 技術(shù)帶來的這些前所未有的創(chuàng)造力是一種威脅，是為“假”，但換個角度，AI 正在創(chuàng)造的“仿真”人類信息世界，可能正給人們帶來在面對未來時(shí)更大的困惑和不安全感。

在這里要重申：AI 正在創(chuàng)造一個獨(dú)特的虛擬（虛假）信息世界。

除了眾所周知的 Deepfake 這樣的換臉技術(shù)外，今天要介紹的是與人們息息相關(guān)的指紋，它被廣泛應(yīng)用于指紋鎖、手機(jī)、安檢等應(yīng)用場景中，有極高的安全等級。但如今指紋也開始能被 AI 技術(shù)“復(fù)制”了，由 AI 合成的指紋能輕松騙過識別的掃描儀。

這個叫 DeepMasterPrints 的系統(tǒng)，確實(shí)像是跟 Deepfake 來自同一個世界，在由 AI 創(chuàng)造太過逼真的事物上，業(yè)內(nèi)人士一般都喜歡加個前綴“Deep”。

DeepMasterPrints 系統(tǒng)由紐約大學(xué)工程學(xué)院的 5 位研究人員開發(fā)，其研究于去年 10 月在洛杉磯舉行的生物測量學(xué)會議上發(fā)表，主要可以用人工智能來制作虛假的指紋，它可以以假亂真，輕松“騙過”生物識別掃描儀（或人眼）。

研究人員稱，DeepMasterPrints 在一個系統(tǒng)中復(fù)制了 23％ 的人類指紋部分，錯誤率為千分之一。而當(dāng)錯誤匹配率達(dá)到百分之一時(shí)，DeepMasterPrints 能在 77% 的情況下模擬真實(shí)指紋騙取掃描儀的“信任” 。

左圖是真實(shí)指紋，右圖為 AI 合成指紋

這些合成指紋在“騙”過存有許多指紋的系統(tǒng)時(shí)可能很有效（不同于你手機(jī)中的指紋記錄，它可能只記錄了幾個數(shù)字），DeepMasterPrints 開發(fā)的工具進(jìn)行運(yùn)行幾個假指紋，通過系統(tǒng)查看是否有任何指紋與任何用戶賬戶匹配。攻擊者可能通過反復(fù)試驗(yàn)獲得更多成功的機(jī)會，類似于黑客對密碼進(jìn)行暴力或字典攻擊的破解方式，不是通過系統(tǒng)運(yùn)行數(shù)百萬流行密碼的軟件。

具體而言，其背后的技術(shù)原理是，通常研究人員采用兩種生成對抗網(wǎng)絡(luò) GAN 組合在真實(shí)圖像中使用，其中一個神經(jīng)網(wǎng)絡(luò)，使用公開、可用的指紋圖像，訓(xùn)練神經(jīng)網(wǎng)絡(luò)識別真的指紋圖像，然后用另一套神經(jīng)網(wǎng)絡(luò)，訓(xùn)練創(chuàng)建生成偽造指紋。

研究人員解釋，可以將第二個神經(jīng)網(wǎng)絡(luò)的假指紋圖像輸入第一個神經(jīng)網(wǎng)絡(luò)中以測試仿真程度。隨著時(shí)間的推移，第二個神經(jīng)網(wǎng)絡(luò)則會“學(xué)習(xí)”生成逼真的指紋圖像，最終騙過人眼和掃描儀。

DeepMasterPrints 正是利用了生物識別指紋系統(tǒng)中的兩個缺陷。首先，大多數(shù)指紋識別儀器在掃描時(shí)不會對整個指紋進(jìn)行掃描，而只是對指紋的一部分上進(jìn)行匹配；其次，多數(shù)設(shè)備允許用戶提交多個指紋圖像，匹配其中任何一部分，便可以確認(rèn)用戶身份。這使得由 AI 偽造的指紋更容易騙過指紋掃描儀。

帶有訓(xùn)練網(wǎng)絡(luò)的潛在變量演化。左邊是 CMA-ES 的高級概述，右邊的方框表明如何計(jì)算潛在變量。

這樣一個系統(tǒng)是如何創(chuàng)建的？根據(jù)論文描述，為了開發(fā) DeepMasterPrint，研究人員將生成器的潛在變量演化為最優(yōu)值。生成器的輸入稱為潛在變量，因?yàn)樗鼈儗W(wǎng)絡(luò)輸出的影響只能通過觀察到的圖像來進(jìn)行理解。由于網(wǎng)絡(luò)以 100 個潛在變量作為輸入，那最優(yōu)解是 100 維空間中的一個點(diǎn)。

如上圖所示，LVE（Latent Variable Evolution，潛在變量演化技術(shù)） 對這些點(diǎn)進(jìn)行采樣，將它們轉(zhuǎn)換為圖像，然后對圖像進(jìn)行評分，以了解最佳點(diǎn)隨時(shí)間的分布情況。這些最佳點(diǎn)是 DeepMasterPrint 的基因型，然后可以映射到圖像上。

LVE 可以使用任何進(jìn)化算法(或其他隨機(jī)全局優(yōu)化器)來搜索潛在空間。進(jìn)化算法不需要梯度，因此這是黑盒優(yōu)化的理想方法。在這個域中，匹配器可以報(bào)告匹配了多少身份(不同的指紋)以及相應(yīng)匹配率，至于如何得到這些結(jié)果的卻并不提供任何信息。

梯度沒有顯示 DeepMasterPrint 的哪個像素效果最好或最差。由于 LVE 的適應(yīng)度得分是身份匹配的數(shù)量，因此適應(yīng)度景觀(fitness landscape)是不連續(xù)的。由于卷積網(wǎng)絡(luò)的層次性，潛在變量也是不可獨(dú)立分離的。

研究人員的這篇論文像是給了黑客破解指紋鎖的密碼，但他們告訴 Gizmodo，如果沒有驗(yàn)證生物識別是否來自真人，很多這些對抗性攻擊都有可能發(fā)生，希望他們的研究能加強(qiáng)指紋安全工作，推動生物識別傳感器中的活體檢測。

不過，AI 技術(shù)的兩面性在于道高一尺魔高一丈，不知道潘多拉魔盒完全打開后，還會如何“解鎖”當(dāng)下的物理世界，給人類更大的意想不到的震撼。