“靠脸吃饭”，刷脸支付的到来让这句调侃变成

　　原标题：“靠脸吃饭”，刷脸支付的到来让这句调侃变成现实

　　这一切基于人脸识别技术正在走向商用，它带来了便捷性，但应用的局面并不乐观。

　　《中国经营报》记者了解到，人脸识别技术同时带来了关于隐私的伦理之问，安全性可控边界之惑。美国部分地区持续探讨着这些问题，并在引入人脸识别技术上较为谨慎——旧金山成为美国第一个禁止地方机构使用面部识别技术的城市，科技巨头亚马逊选择在连锁超市走“刷手支付”之路。

　　在国内，人脸识别的技术环境较美国宽松许多。科技巨头们正在通过人脸识别向支付市场进击。在一些公开网报道中，也有商家认为，刷脸支付还没有那么方便。

　　先进的人脸识别，究竟为何还没有得到广泛信赖？

　　透明度有限

　　在一些时候，人脸识别反而被认为具有危险性。

　　《经济学人》刊发于2017年的德国网报道提出，人脸本身存在特殊性，“人脸和其他生物特征数据，比如和指纹之间存在一个巨大区别是，它们可以远距离起作用。任何人只要有手机都能拍摄一张照片供人脸识别程序使用。”

　　据本报记者了解，技术公司往往需要使用人的照片来训练相关技术的精准度，这项工作的前提就是收集大量的人像素材。

　　中国传媒大学从事大数据与人工智能研究的沈浩教授向本报记者介绍了人脸识别技术的原理。

　　沈浩提到，一般首先需要拥有关于人脸图像的数据集；第二阶段是进行侦测，例如判断是否是一张脸，其性别、年龄、情绪、是否佩戴眼镜、是否张着嘴等；第三阶段被称作人脸识别和认证，涉及新获得的照片与数据集的比对。

　　“认证的前提是我已经（在数据库）有了一张脸，那么就是我拍到的这张脸，是否跟这个已经存在的脸，达到一定的相似性，怎么相似？实际上，现在的计算机的人工智能算法可以把一张脸的特征取出来，比方说有64个点、68个点、128个点。”沈浩解释说，比对过程一般有两类，一类是静态检测，一类是活体检测，支付宝采用的现场刷脸支付属于活体检测，在技术上要求更高。

　　拥有计算机博士学位的李智佳向本报记者举例，“比如将你的人脸基础数据存入数据库中，就可以用来做比对，如果系统试着找了一百个特征，其中有90个以上都是指向你的，那基本上就确定这个人就是你了，新拍的照片就是你了。”自己的数据是否被采集，一般人不容易知晓。

　　关于采集于何处，美国国家标准与技术研究所（NIST）网站告诉了一部分答案。NIST曾举办人脸识别软件竞赛，据其所发布的一份项目报告提到，从2017年6月到2017年9月，NIST对16个开发人员的41种面部识别算法进行了评估，并指出算法应用于两种类型的静态类数据集：“野外的”新闻摄影和社交媒体图像，以及从监控视频中识别出的人像库。

　　沈浩谈到，人脸的收集并不难，在今天，一个摄像头便很容易在特定的环境中捕捉很多脸。他提到另一种较易操作的方式是从影视作品中截取名人的脸部图像来训练，因为“在网上有很多他们的脸，而且我还知道他们是谁。”

　　记者通过国内某知名科技公司员工张弛（化名）获悉，数据的来源也包括一些公开的数据集，国际上诸如麻省理工、哈佛、微软等机构，它们通过合法授权或者客户授权的方式，能够收集成一个比较大的人脸图片库，每一家做算法或软件的公司可拿这些数据集来做训练，训练结束之后还可去识别其他的人脸图片库。

　　数据集可通过爬虫等方式获取人像图片。记者在加州理工学院视觉实验室的数据集“Caltech 10000”的下载页面看到，该数据集使用Google图片搜索引擎的关键词收集所得，包含了7092张图，10524个人脸。

　　记者了解到，也有数据集通过志愿者提供数据。但除了这一种方式之外，人们的图像被实验室或科技公司用来训练，一般不容易得知。

　　张弛谈到，其实在一些商业场所，经常能看到人脸数据采集的情况，但这个并没有跟顾客签任何授权协议，或者经过其同意，而且顾客也不知道这些数据会存在哪里，用来做什么。

　　2019年10月11日，《纽约时报》德国网报道了这样一个故事。2005年的一天，一个母亲在网络相册类网站Flichr上传了她的两个孩子的照片，多年之后，她发现孩子们的照片被存储到用于人脸识别的数据库MegaFace中。德国网报道还称数百万个Flichr的图像被存入名为MegaFace的数据库中。