清华大学深圳国际研究生院院长助理、物理学家马兆远认为，人脸识别技术的安全性和稳定性不能一概而论，由于不同企业的技术水平不同，人脸识别产品的安全性和稳定性也会有差别。“比如支付宝的人脸识别技术结合了眼纹等多因子验证技术，其准确率能达到99.99%；但部分没有活体检测技术的人脸识别门禁设备就容易被攻击。”马兆远说。

而人脸识别门禁机因为其端设备的计算力有限，只能进行相对简单的人脸识别算法，再加上室外光线的变化以及背景复杂，容易导致出现错误识别的情况。比如通过打印人脸刷脸成功的案例，其主要原因是系统的活体检测技术还不理想。“目前人脸识别算法主要针对图片进行识别，设备通过摄像头采集人脸，丢失了深度信息，无法区分摄像头前是图片还是真实人脸。因此需要通过活体检测技术防止此类攻击，例如通过要求被识别人做出指定动作（眨眼、摇头），使用3D相机获取人脸3维图像等。” 马兆远解释，而值得注意的是，在此前瑞莱智慧公司的测试中，未能成功解锁的iPhone11手机搭载的正是3D人脸识别技术，这也意味着，相对于2D人脸识别技术来说，3D人脸识别技术要更为安全。

除此之外，马兆远介绍，脸部识别系统的快慢也会受多方面因素影响。如：数据库中人脸数据的多少，会影响比对的计算量，从而影响总体识别速度；人脸数据库是否在本地，也会影响总体识别速度等，因此许多企业会根据应用场景，结合实时和易用性来进行调整， “任何一个人脸识别系统都无法做到百分之百正确。因此在某些人脸数据库较大，错误识别带来的损失较大的应用场景中，需要采集更多的人脸信息，以保证识别的准确率，这类识别系统的速度就相对较慢；而类似企业考勤这类人脸数据库相对较小，即使错误识别带来的损失也不大、对实时和易用性要求较高的场景，仅提取眼部等部分信息就能达到满意的效果，因此其识别速度也较快。另外，针对“戴口罩只漏出眼睛”等特定场景优化过的人脸识别网络，也能提升该场景下的人脸识别速度。” 马兆远说。

00:59

记者在采访云从科技有限公司时对方也透露，目前云从的技术保障主要是采用多方安全计算技术，把数据进行分散存储，在加密环境下智能化运营，达到互联互通又不泄密的效果。“同时云从的人机协同操作系统会根据不同模块的场景适配不同的算法技术，比如银行手机端的需求是轻量化模型，它要求的是运行速度快、模型体积小；而公共安全场景对算法的需求是对天气、日夜、动态模糊的抗干扰能力较强。对于精度的要求通常主要取决于客户，客户可以根据不同的阈值设置来调整识别精度。”

如何更好地让人脸识别技术规范发展？云从科技提出，最好的解决办法就是设立官方主导牵头的共享数据中心，形成一个良性的体系，由政府主导和监管，核心企业参与进来；其次是利用多方安全计算等技术，保障数据安全以及对数据进行脱敏；最后是标准和接入效率问题，云从建议把区域标准、行业标准、国家标准乃至国际标准体系通路建立起来，利用广州在人工智能方面的应用优势，借助先导区、试验区的产业优势，让核心企业介入标准。