水滴风波背后：智能监控下无处可逃，涂迷彩、戴口罩都没用！

导读：突然冒出的 90 后女生发文怒怼水滴摄像头直播平台，矛头直指 360；周鸿t紧急发文回应，强调遭遇黑公关。360 水滴事件引发公众对个人隐私安全的集体担忧，身处智能时代的我们，是否需要像电影里一样，诚惶诚恐躲避无处不在的摄像头？面对越发强大的技术进步，普通民众对个人隐私的担忧究竟能否得到解决？这场智能时代的隐私保卫战，我们该怎么打？最近公众有些焦虑，有些愤怒；最近有一位企业家也很焦虑，也很愤怒。

一篇《一位 92 年女生致周鸿t：别再盯着我们看了》将这家在安全领域屹立 12 年的互联网安全企业推向了风口浪尖。具体内容想必各位读者多少都有所了解，我们简单的总结一下这位姑娘的观点：360 水滴摄像头的直播功能，暴露了无数公众的隐私。此文一出，立刻就在众网友的朋友圈刷屏疯转，360 顿时成为了众矢之的。

随后 360 官方对事件进行了回应，周鸿t本人也在微博上对事件进行了说明：

事件发生后，网络上有关监控摄像头与隐私的话题引起了热烈讨论，甚至有网友说：这次的事件让人不禁想到几年前的“棱镜门”，各种机密的泄露，也大都来自那一个小小的摄像头。

现在的监控技术到了怎样的水平？

为了各位读者能更加容易理解本文的内容，我们认为有必要先跟大家简单谈谈监控摄像头背后的技术。

智能监控的基础技术学科是计算机视觉（Computer Vision），简称“CV”，是一门研究如何教会机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。而应用在监控领域，最常用的就是 人脸检测和人脸识别技术。

人脸检测有三大关键技术：

• 基于特征的人脸检测技术

通过采用颜色、轮廓、纹理、结构或者直方图特征等进行人脸检测。

• 基于模板匹配人脸检测技术

从数据库当中提取人脸模板，接着采取一定模板匹配策略，使抓取人脸图像与从模板库提取图片相匹配，由相关性的高低和所匹配的模板大小确定人脸大小以及位置信息。

• 基于统计的人脸检测技术

通过对于“人脸”和“非人脸”的图像大量搜集构成的人脸正、负样本库，采用统计方法强化训练该系统，从而实现对人脸和非人脸的模式进行检测和分类。

基于这三大关键技术，监控可以通过以下四个方面的特征进行人脸识别：

• 以面部点之间的距离和比率作为特征；
• 以不同特征状态所具有概率不同而提取人脸图像特征；
• 将人脸图像视为随机向量，并用统计方法辨别不同人脸特征模式；
• 利用大量神经单元对人脸图像特征进行联想存储和记忆，根据不同神经单元状态的概率实现对人脸图像准确识别。

可以这么简单进行理解：人脸检测是判断一张照片里有没有人脸；而人脸识别是判断某张人脸是谁。

根据 AI 前线编辑收集到的资料，目前警务场景中使用的人脸识别监控，譬如地铁当中的监控，已经可以很清晰的捕捉几乎每个上下车乘客的清晰面容，如果要对某一嫌疑人进行抓捕，可以说被抓捕人几乎是无可遁形的。

有没有可能躲开这些监控？

正如上文所述，被抓捕人“几乎”是无可遁形的。

“几乎”就代表着还是有可能逃脱的。

我们就能否躲避现在的智能监控收集了部分资料，同时也对一些技术专家进行了简单的采访，以下是我们得到的说法：

人脸检测目前已经十分成熟，有不少检测技术已经加入了步态识别，同时取样也已经不仅局限在面部，而是肩部以上，简单来说：识别出这是个人是完全没问题的。

而识别出这人是谁就有一些挑战了，比如光线、表情、遮挡、人脸相似等等，如果从这些角度入手，智能监控还是有可能被骗过。

不久之前，在大洋彼岸的美国，一位小哥就进行了一次针对 NSA（美国国家安全局）人脸识别挑战：

具体事件的起因我们无从而知，小哥的文章里也没有提到。我们只了解到他为了躲避 NSA 的监控，选择在脸上的特征部位画上迷彩。按照他的说法：对于面部识别算法像素计算机器人，会把他的脸翻译成一堆不起眼的像素。而他画上迷彩的脸出现在计算机的视野里，会瞬间引起系统混乱。

虽然成功骗过了人脸识别系统，但是小哥自己也坦言，每天顶着一张大花脸出门，在人群中反而更加显眼了，而且心理上的副作用更是让他倍感压力：

“她们的眼神让我意识到，我的这种奇怪的行为会引起公众的不信任感。······我不禁想到，假如有一天我真的病了，病得很严重，街上的人会对我伸出援手吗？我脸上的迷彩会让我边缘化，失去公众对我的信任吗？······脸上的迷彩让我感到不安，我担心我脸上的痕迹会让我格格不入，让人以为我是在恶作剧或演戏，从而在需要时得不到帮助，处于危险的境地。 ”

美国小哥遮挡住了人脸的基本特征，导致监控无法识别，遮盖特征是骗过监控的原因之一，而究其根本原因，接受我们采访的几位专家和技术人都提到了一个问题：目标库的尺寸。

其中一位受访专家提到：人脸识别的准确率会受到目标库尺寸的影响。 比如公司打卡，只要在 1:1000 做判断的话，带口罩估计也能识别出是谁；如果是人脸抓坏人这种 1:1,000,000,000 的比对，戴口罩肯定就不行了。给定一张照片，判断是库里的哪个人，准确率跟库的大小 N 有关系。而现在流行的人脸支付，其实属于人脸验证（verification），是指给定一张照片，已经知道他是谁了，判断是否和库里的某个人是同一个人，是 1:1 的对比，难度比人脸识别要小。

我们是否需要躲避监控？

人脸识别监控是有可能躲避的，普通老百姓不犯罪不违法，有必要专门躲避这些无处不在的智能摄像头吗？

据 AI 前线了解，实际上 90% 以上的已建点位无法直接用于人脸识别，现有监控画面中提取的人像图片分辨率很难达到 40*40pixel。低分辨率图像相对于高分辨率图像会损失很多高频信息，其所能提供的细节信息丰富度和表达能力会减少。同一个算法模型，图片的分辨率越低，相应的识别准确率也越低。若要采用云中心结构化建设人脸识别，意味着未来还要新建大量的高清视频。

要使得人脸识别系统的准确率达到实战应用的要求，画面中人脸双眼瞳距要求能达到 40 个像素点以上，这对摄像机架设的 高度和角度 都有一定要求。现有的 90% 以上的治安监控点位，即便拥有 200 万像素甚至更高分辨率，但由于架设高度、监控角度并非专为人脸识别而建设，依旧无法直接用于人脸抓拍，而那些遍布在商场、地铁、路口等等人口流量巨大地区的监控摄像头则需要更加复杂的技术。

从这些数据不难看出，一般的安防监控摄像头对公民隐私的影响微乎其微，我们真正需要注意的是那些存在我们日常生活当中的家用网络摄像头、电脑摄像头，甚至是手机摄像头。这些设备被别有用心之人入侵之后，除了个人资料泄露之外，私人生活甚至可能被暴露在网络上，受到亿万双眼睛的“欣赏”。

未来该如何？