人脸识别再曝安全漏洞 - 安防知识网

通过平台对微软、亚马逊云服务的人脸比对演示平台进行测试显示，基于 RealSafe 平台生成的对抗样本「噪音」能够极大干扰两大主流人脸比对平台的识别结果。

　　4 月 7 日，来自清华的 RealAI（瑞莱智慧）发布了 RealSafe 人工智能安全平台，随之推出的测试结果令人惊讶：通过平台对微软、亚马逊云服务的人脸比对演示平台进行测试显示，基于 RealSafe 平台生成的对抗样本「噪音」能够极大干扰两大主流人脸比对平台的识别结果。

　　RealAI 研究团队选取了一组不同的人脸图片，通过 RealSafe 平台对其中一张图片生成对抗样本，但不影响肉眼判断，添加「对抗样本」前后分别输入微软、亚马逊人脸比对平台中。

　　最终结果显示，添加「噪音」扰动前，两张图片相似度低，微软、亚马逊平台判定为「不相同」，但添加扰动后，几套系统均错误识别为「相同」，甚至在微软平台前后相似度的变化幅度高达 70% 以上。

　　检测出人脸识别系统「漏洞」的 RealSafe 人工智能安全平台，是全球首个针对算法模型本身进行安全的检测平台，内置领先的攻防算法模型，旨在为企业用户提供从算法测评到防御升级的整体解决方案。

　　而针对人脸比对系统的攻击测试，是 RealSafe 人工智能安全平台为用户提供的对抗样本攻防在线体验。当然，RealSafe 还可以帮助人们修复这些漏洞。正如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，发现计算机潜在病毒威胁，提供一键系统优化、清理垃圾跟漏洞修复等功能。RealAI 团队希望通过 RealSafe 平台打造出人工智能时代的「杀毒软件」，为构建人工智能系统防火墙提供支持。

　　除了对抗样本技术， RealSafe 平台还支持另外两大功能模块：模型安全测评和防御解决方案。

　　模型安全评测主要为用户提供 AI 模型安全性评测服务。用户只需接入所需测评模型的 SDK 或 API 接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告。目前 RealSafe 已支持黑盒查询攻击方法与黑盒迁移攻击方法。

　　防御解决方案则是为用户提供模型安全性升级服务，RealSafe 平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，从而达到一键提升模型安全性的目的。

　　瑞莱智慧表示，随着模型攻击手段在不断复杂扩张，RealSafe 平台还将持续提供更加丰富的 AI 防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。