315晚會上，主持人展示了使用視頻模擬的方式來破解人臉識別，巧的是，安全研究員在FIT互聯(lián)網(wǎng)安全創(chuàng)新大會上展示的5種方法破解手法，在此再次編輯整理，呈現(xiàn)給讀者。

　　一人，一車，一司機，故事還得從一次“網(wǎng)約黑車”的經(jīng)歷說起 。

　　車到了，可疑的是，接我的司機、車的信息，與手機客戶端上顯示的完全不符，但為了趕緊回家，我顧不了太多便上了車，結果司機開了不到一分鐘，就回頭對我說：“我要取消訂單了，等會兒你直接給我錢就行 ”，在我的一再拒絕下，司機說可以把我送回原處，讓我重新打個出租車回去。

　　結果當我再次用該約車軟件打車，發(fā)現(xiàn)來接我的居然還是那個司機！司機說：“你要么就打個出租車回去，只要你還用這個軟件約車，打到的還是我的車！”

　　當時我就納悶了，為什么還是你的車？why?

　　原來，附近有個由30多個黑車司機組成的車隊，每個司機都有一堆虛假的司機賬號，上百個賬號由同一個人來統(tǒng)一接單，然后通過電臺調(diào)度車輛去接人，因此不管你打到哪個號，都會調(diào)我去接人，而且就算是別人去接你，也是一樣的流程。

　　于是我感到奇怪，這個打車APP上明明使用了人臉識別功能來驗證司機信息，為什么這些司機可以繼續(xù)使用虛假賬號？經(jīng)過一頓軟磨硬泡，司機終于透露，雖然人臉識別聽起來很牛逼，但是他們有軟件可以輕易破解。

　　沒錯，人臉識別技術就這么被一群黑車師傅給黑了。

　　以上故事是在 Freebuf 主辦的 FIT 2017 互聯(lián)網(wǎng)安全創(chuàng)新大會上，來自平安科技的安全研究員高小廚（高亭宇）在一場“關于人臉識別技術應用風險”主題演講中的一段描述。說完他便現(xiàn)場展示了那個司機用來破解人臉識別技術的軟件，一個可以讓照片“張口說話”的APP。

        高小廚說，從那之后他開始琢磨人臉識別技術在實際應用層面的風險，并調(diào)研了市面上使用了人臉識別技術的軟件，最后的結果出乎自己的預料。

　　花式破解人臉識別技術

　　通過分析，他發(fā)現(xiàn)市面上大部分使用了人臉識別技術的軟件，其識別流程均大致如下：

　　檢測人臉 → 活體檢測 → 人臉對比（和之前上傳的自拍照或證件照）→ 分析對比結果 → 返回結果（通過或不通過）

　　據(jù)了解，其中活體檢測技術即在人臉識別時要求用戶進行眨眼、點頭、張嘴等動作，以防止靜態(tài)圖像破解，國內(nèi)多個知名APP中的人臉識別都采用了該項技術。

　　高小廚表示，一般的APP開發(fā)者不會自己開發(fā)人臉識別技術，而是通過第三方的API接口或SDK組件來獲得人臉識別功能，基于這個特點，他對人臉識別技術從接入到實際使用過程中的每個關鍵點進行了分析，最終在多個環(huán)節(jié)都找到了多個突破點，只要略施小計，就能讓人臉識別形同虛設。

　　1.注入應用繞過活體檢測

　　高小廚首先在現(xiàn)場演示了通過注入應用的方式來篡改程序，從而繞過所謂的活體檢測功能，使用一張靜態(tài)照片就可以通過人臉識別。

　　在注入過程中，他首先在程序中布置一個了斷點，通過不斷演示人臉識別流程來觸發(fā)該斷點，然后分析并修改程序儲存的值，來達到最終的繞過活體檢測的效果。

　　除了注入應用之外，他還發(fā)現(xiàn)可以通過查看當前APP的數(shù)據(jù)結構，修改入?yún)⒆值鋪泶鄹幕铙w檢測完成后的圖片，從而達到活體檢測由任意一個人完成都可以通過的效果，這樣他同樣可以拿著被攻擊者的照片來通過靜態(tài)人臉識別，然后自己眨眼抬頭來破解活體檢測。

　　2.視頻攻擊繞過活體檢測

　　如果說前面的方法需要一些技術門檻，那這個方法就可以適用于所有小白用戶，只需要安裝一個能夠將人臉照片制作成視頻的手機軟件，然后在朋友圈、個人空間等地方找到對方的一張正面照片（這個應該不難），輸入到軟件中，就可以令其開口說話，所謂的活體檢測也就不攻自破。

　　文章開頭所說的黑車司機也正是用的這款軟件，實現(xiàn)了對APP人臉識別功能的破解。由此猜想，如果使用軟件合成的視頻即能夠破解人臉識別活體檢測，那么任意一段清晰的正面視頻也應該可以用來嘗試破解，如果真如此，那些經(jīng)常在網(wǎng)絡上拋頭露面的明星、網(wǎng)紅、視頻直播，一旦使用人臉識別作為密碼，那就相當于把密碼寫在臉上了。

　　3. 三維建模繞過云端檢測

　　高小廚注意到，除了點頭、眨眼，有些人臉識別還會要求用戶進行點頭、搖頭等動作，于是他立刻想到了使用3D建模，構建人臉模型的方式來破解。

　　通過網(wǎng)上下載的兩個用來制作3D建模的軟件，參照郭富城照片中的臉部特征，高小廚在短時間內(nèi)就做出了對應的 3D 建模圖像，人臉檢測軟件對比結果顯示，這兩個在短時間內(nèi)制作出來的模型與原來照片的相似度分別高達 73.17 %和 86.71%，可以用來破解一般的人臉識別。

　　4.臉部模具繞過云端檢測

　　既然3D建模能成功繞過人臉識別，高小廚立刻想到了使用3D 打印來進行嘗試，結果卻出乎意料的失敗了，在分析了失敗原因時，他說:

　　通常人臉識別會分析臉部的多個特征值，而有的人臉識別技術會在眉毛部位提取多個特征點，而3D打印如果不夠精細，打印出來人臉一般會缺少眉部特征。

　　如果3D打印模型只采用了一種材料，打印出來的人臉模型顏色會過于單一，比如材料是黃色的，眉毛也是黃色的，這會大大降低識別的成功率。

　　如果3D打印使用的材料不合適，打印出來的模型的臉部細節(jié)會很粗糙，需要后期手工打磨。

　　雖然高小廚在現(xiàn)場沒有直說，但編輯已經(jīng)隱約能讀懂他話中的含義：“不是3D打印不行，而是我用的這臺3D打印機太辣雞! 如果換一臺更加精密的打印機，破解同樣不在話下。”

　　當他掏出自己用于測試的3D打印模型時，不得不承認這個模型有些慘不忍睹，確實如同高小廚所說，缺乏面部細節(jié)、顏色單一，比例似乎也不太對。

　　5.利用接口防護不當和各種奇葩的設計缺陷

　　高小廚發(fā)現(xiàn)，部分APP在使用上傳人臉圖像時，沒有對圖像數(shù)據(jù)進行簽名，導致圖片可以被工具截獲然后篡改，而有的則是在數(shù)據(jù)報文沒有加入時間戳，可以通過重放數(shù)據(jù)報文的方式來實施破解。

　　在測試某一款應用時，他發(fā)現(xiàn)人臉識別的成功與否，是通過返回報文中的一個閾值來決定的，相當于考試中的“及格分數(shù)”，如果人臉匹配度超過該閾值就可以通過，不幸的是，該APP 沒有對這個返回報文加簽名，導致該報文可以被篡改，最終高小廚通過調(diào)低該閾值的方式破解了它的人臉識別。

　　APP風險初步調(diào)研

　　高小廚在現(xiàn)場展示了自己進行的APP風險調(diào)研的結果，他發(fā)現(xiàn)除了一般的考勤、賬號安全APP之外，大量的銀行、P2P 金融企業(yè)的 APP 已經(jīng)介入使用了人臉識別技術，其中：

　　·         金融行業(yè)在使用人臉識別技術時安全性明顯高于一般應用；

　　·         當人臉識別技術涉及關鍵業(yè)務時，安全防護水準往往更高

　　比如他在測試國內(nèi)某P2P金融的客戶端時，嘗試人臉識別解鎖失敗數(shù)次后，該APP 就檢測出了可能存在惡意破解的情況，強制使用銀行卡信息、手機短信等其他方式來完成認證。

　　高小廚在現(xiàn)場強調(diào)了一點，除了人臉識別技術在手機上本身的應用缺陷之外，許多問題導致的原因都是開發(fā)者在調(diào)用第三方的人臉識別服務時，沒有嚴格按照一個安全的規(guī)范來做，接入流程不夠嚴謹，甚至經(jīng)常出現(xiàn)為了提高用戶體驗而舍棄安全性的做法，這樣的做法在技術實力不強的小公司十分常見，最終導致的結果就是，讓用戶把密碼寫在了自己的臉上。