人臉識別技術已愈來愈多地應用於日常生活，然而這項技術是否成熟到足以讓人信賴？背後的技術運作原理和發展現狀又當如何？香港中文大學工程學院信息工程學系教授劉永昌接受《大公報》訪問時詳細解析當下該技術存在的不足，他直言，純粹靠軟件而沒有運用硬件的安全單元（Secure Element）保護的人臉識別應用程式（APP），其安保能力令人擔憂，應當引起高度關注。

劉永昌研究團隊在近年的一項研究中，通過撰寫應用程式，以自動化分析方法，掃描了18,000多個流動應用程式，發現當中有373個的原碼包含了有安全漏洞的人臉識別應用模組。劉永昌表示，所有使用了這些含安全漏洞的人臉識別應用模組的應用程式，都更易受到黑客攻擊，需要採取設置硬件等其他方法加固，「純粹靠軟件加固的方法仍有相當風險，並非一勞永逸。」\大公報記者 苑向芹（文） 李斯達（資料） 融媒組（視頻）

人臉識別系統的載體分為硬件和軟件兩大類，硬件系統即擁有單獨的設備，例如市民過海關出入境時的人臉識別系統；一些手機本身亦自帶人臉識別系統。而軟件系統則通常指手機應用程式內的人臉識別系統，例如某些銀行應用程式要求用戶登記人臉識別時，會在APP內彈出人臉識別的畫面。

專家指出，軟件系統與硬件系統由於運作模式不同，安全系數亦不相同。據劉永昌教授介紹，一些軟件系統是將人臉識別數據上傳到雲端，而雲端是聯網的，意味着黑客只要一旦攻擊雲端，雲端上所有持有數據的用戶都會受害；而硬件的人臉識別系統由於有自己的獨有系統去儲存生物數據，則較大程度能避免這種問題。

專家檢測18系統 11個存漏洞

在軟件人臉識別系統研究方面，劉永昌教授帶領的中大團隊，在去年深入分析檢測了市場上18個人臉識別服務供應商提供的流動應用模組，發現其中11個存在安全漏洞。這些安全漏洞大致可分為四類：一、黑客可以藉干擾應用模組的操作，令在活體測試階段提供給用戶的指定動作過於單一、簡單，容易預判；二、人臉識別的參數設置可以被黑客更改令其設置不當，影響系統判斷的準確率；三、傳送到雲端的用戶生物數據易被黑客篡改；四、在通過實體測試且影完相之後，系統一般會有一個電子簽證來認證其真實性，有的黑客會模擬一個沒有電子簽證的版本送到雲端，並且設法令到之後雲端在驗證該用戶時，選用無電子簽證的版本去進行校對。

劉永昌教授表示，其中第一點提到的活體測試，是建立人臉識別數據賬戶的第一階段。在這個階段，軟件系統需要通過活體檢測技術（liveness detection）來判斷用家是否真人，包括指定用家做特定的動作，例如眨眼、張嘴、搖頭等。上述指定動作皆為隨機指令，以防不法分子預錄視頻蒙混過關。在通過真人驗證後，系統會要求用戶拍照，或者錄製短視頻，以獲取用戶的生物數據，再上載到雲端處理，建立人臉識別賬戶。

近兩年深度偽造（deepfake）技術興起引發關注，劉教授指出，從目前的技術來看，深度偽造技術自然可以應付大多數的活體測試，惟這項技術成本過高，黑客往往極少選擇。「如果你話呃一單有幾千萬元，咁係抵啦，但係一般唔會有呢種情況。」

通過篡改參數可冒充當事人

劉永昌教授說，現時許多黑客通常會選擇從第二類漏洞切入，通過篡改參數這種低成本的方式去攻擊人臉識別系統，且這種攻擊方式通常會涉及所在雲端內的所有用戶，影響力和破壞力較深度偽造更大。

劉永昌教授解釋，篡改參數則會直接影響人臉識別的準繩度。準繩度分為兩種情況：一是非當事人去做人臉識別，系統判定這位非當事人為當事人，又稱「假陽性」狀態；另一種情況是當事人自己去做人臉識別，但由於和當時登記時的樣貌狀態有些許不同，人臉識別就判定不是本人，又稱「假陰性」狀態。

而從技術操作層面來講，軟件工程師在設計參數時需要找到一個平衡點，如若調節不好，例如將「假陽性」的發生概率調至很小，就意味着「假陰性」的發生概率會變高，反之亦然。而調節參數對於黑客而言還是很容易篡改的，所以黑客將參數調到發生「假陰性」的概率極低的時候，就意味着誰都可以通過人臉識別冒充當事人了。

團隊以一張照片通過活體測試

中大研究團隊在這項研究中扮演黑客破壞人臉識別系統的參數，結果憑藉一張特朗普的照片成功通過用戶活體測試，而用戶真實身份實為學生本人。可見相關系統風險之高，令人咋舌。

至於現在逐漸流行的健身中心使用人臉識別一事，是否也有上述相關的系統風險，劉永昌教授表示團隊尚未專門研究，不過如果健身中心用的是與手機應用程式相關的人臉識別系統，則安全系數同樣較低。故他建議目前使用人臉識別的商戶都盡量用硬件類的人臉識別系統。