新算法可以跟踪面部运动,使面部识别更安全

   绕波特        

用脸解锁手机是一个很好的安全协议。无论是在睡觉时用脸解锁手机,还是使用社交媒体上的照片进行解锁,这种技术都非常方便,但同时,也存在安全隐患。


像之前的所有其他人类生物识别系统(指纹,视网膜扫描)一样,某些最先进的身份验证技术仍然存在重大的安全漏洞。杨百翰大学电气和计算机工程教授DJ Lee,开发一种更好、更安全的方式为面部识别保驾护航。


新算法可以跟踪面部运动,使面部识别更安全


这被称为并发两要素身份验证(C2FIV),它需要一个人的面部身份和特定的面部动作才能获得访问权限。要进行设置,用户面对摄像机,并通过阅读一个秘密短语记录独特的面部动作或嘴唇动作的短短1-2秒视频。然后将视频输入到设备中,该设备提取面部特征和面部运动的特征,并将其存储以供以后进行ID验证。


如果某人失去知觉,您仍然可以用他们的手指来解锁手机并访问他们的设备,或者可以扫描他们的视网膜。


为了获得技术,C2FIV依靠集成的神经网络框架来同时学习面部特征和动作。该框架可对动态的连续数据进行建模,例如面部动作,其中必须考虑记录中的所有帧(与带有轮廓的静态照片不同)。


新算法可以跟踪面部运动,使面部识别更安全


使用这种集成的神经网络框架,可以将用户的面部特征和动作嵌入并存储在服务器或嵌入式设备中,然后当他们稍后尝试访问时,计算机会将新生成的嵌入与已存储的嵌入进行比较。如果新的嵌入物和存储的嵌入物在某个阈值匹配,则验证该用户的ID。


这项技术因为添加另一种不会给用户带来更多麻烦的保护级别,而非常独特。


在他们的初步研究中,录制了来自50个对象的8,000个视频片段,这些对象进行诸如眨眼,下巴,微笑或抬起眉毛的面部动作,以及许多随机的面部动作来训练神经网络。然后,他们创建了一个正向和负向面部运动对的数据集,并为正向对(匹配的对)输入了更高的分数。当前,使用小型数据集,训练有素的神经网络可以以90%以上的准确性验证身份。他们相信,使用更大的数据集和网络上的改进,精度可以更高。


Lee已经申请了这项技术的专利,这个想法不是要与苹果竞争,也不是为了使应用程序完全与智能手机访问有关。C2FIV具有更广泛的应用,包括进入工作场所的限制区域,在线银行、ATM使用、保险箱进入,甚至酒店房间进入或无钥匙进入车辆。


可以用相机制造这种非常小的设备,并且可以很容易地将其部署在许多不同的位置。知道即使您丢失了车钥匙,没人会因为他们不知道您的秘密面部动作而偷车。


最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐