已经被AI攻破，人脸识别可能要“失业”了

近期，AI在网络安全事件中频频成为核心要素，这让人们更清晰地认识到它是一把双刃剑。AI不仅能协助生成PPT、撰写文案、绘制图像、编写代码，还可能对个人安全构成威胁。杭州市中级人民法院日前公布的一起案例，经央视网报道，显示AI生成的视频已能绕过人脸识别系统。

据报道，不法分子通过网络搜集他人照片，利用AI制作出包含点头、摇头、眨眼等动作的动态视频，随后篡改相机数据，成功通过了购物平台的人脸核验，进而窃取了账户内的个人信息。这一案例表明，AI视频技术的滥用正在侵蚀既有的信任体系。

点头、摇头、眨眼，这些动作是用户在向App证明“我是我”时，需对着手机前置摄像头完成的。大约在2015年，深度学习技术大幅提升了人脸识别的准确率，算法的精度开始超越人眼，为大规模商业化铺平了道路。如今，人脸识别已成为众多互联网产品验证用户身份的主要方式。

除了支付宝等金融类App，京东、淘宝等电商平台，以及抖音、微信等社交软件，都在广泛采用人脸识别。需指出的是，此次被AI攻破的人脸识别并非iPhone所用的Face ID等3D结构光技术，而是2D人脸识别。3D结构光技术通过投射潜望结构光线扫描人脸，利用“点”对“面”的算法构建三维图像，能看到立体的人脸；而2D人脸识别仅能感知平面图像。

在手机上完成从面部识别到解锁的过程，通常包括人脸检测、特征提取和人脸识别几个步骤。人脸检测是指系统从全景画面中精准提取用户的面部区域进行验证；特征提取则通过计算机视觉获取两眼间距、鼻宽、脸型轮廓、皮肤纹理、皱纹走向等信息；人脸识别是将待识别的人脸与数据库中的数据进行比对，通过算法衡量相似度。

但2D人脸识别存在一个致命弱点：它只识别面部特征，而不验证身份的真实性。照片、视频，甚至硅胶面具都可能骗过它。为此，开发者引入了“活体检测”，通过点头、摇头、眨眼等动作来确认镜头前的脸是真人。2017年，一项名为deepfake（深度伪造）的技术在Reddit上出现，利用生成式对抗网络（GAN）和深度学习算法，实现了极为逼真的换脸视频。

为对抗深度伪造，开发者利用光线来区分视频和真人。真实人脸是立体的，光线照射后，不同部位（如鼻子、脸颊、眼睛）的反射强度和角度各不相同，且真实皮肤含水，会吸收部分光线。而照片、面具是平面的，反射光线模式单一，人脸识别算法通过对比光反射的细微差异，就能识破伪造。

传统的深度伪造内容无法还原光线在人脸上的真实反馈，但AI视频模型却能胜任。早在2024年，OpenAI发布Sora时就称其为“世界模拟器”，AI能理解、预测和推理现实世界的运作方式，包括物理规律、因果关系和物体运动。

如今，世界模型已不再新鲜，最先进的AI能理解“水为何往低处流”“球撞墙为何弹回”。Seedance、可灵等SOTA级别的AI视频模型已能制作出以假乱真的内容。有AI视频创作者感叹：“当年威尔·史密斯吃面的AI视频不也是个笑话吗？现在呢？”

2023年，威尔·史密斯吃意大利面的AI视频曾被网友嘲讽为“像没牙老太太嚼空气”，存在叉子穿脸、面条像蛇扭动、咀嚼动作如木偶等穿帮镜头，整体效果既像恐怖片又似鬼畜素材。如今，“电影质感”已成为抖音、快手上高质量AI内容的标配。

换言之，当前顶尖的AI视频模型能理解不同光线在人脸上的呈现效果。因此，只要黑客愿意投入精力，通过收集用户公开的照片，喂给AI后生成一段逼真的视频，从而骗过非3D结构光的人脸识别，在理论上完全可行。

AI模型解析图片内容，识别主体、背景、光影等元素，再基于提示词指令生成连续动态帧，并拼接成流畅视频，这已是AI视频模型的基础用法。作为关键帧的图片越多、越详细，AI生成的视频就越可控、越连贯、越逼真。

从某种意义上说，此次央视网报道的“AI视频已能骗过人脸识别”，其实是新技术与社会工程学结合的产物。反之，如果用户基本不在公开网络发布个人生活照，黑客想制作AI视频也无从下手。

然而，经过QQ、Facebook、Instagram、微信等社交软件二十余年的使用，以及“自拍文化”的普及，几乎不在网络上发照片的人少之又少。因此，AI视频模型伪装真人并非少数人面临的威胁，而是全社会共同面对的挑战。

几乎可以预见，随着AI视频模型能力的不断迭代，并逐步向世界模型靠拢，其理解世界运行规律的能力持续进化，未来会被AI欺骗的互联网平台将越来越多。

本文来自微信公众号“三易生活”（ID：IT-3eLife），作者：三易菌，36氪经授权发布。