****研究报告（2020 年） 人脸识别技术在 App 应用 中的隐私安全研究报告 （2020 年） 中国信息通信研究院安全研究所 北京百度网讯科技有限公司 2020 年 6 月 1 2020 年 6 月 版权声明 本报告版权属于中国信息通信研究院安全研究所、北 京百度网讯科技有限公司，并受法律保护。转载、摘编或 利用其它方式使用本蓝皮书文字或者观点的，应注明“来 源：中国信息通信研究院安全研究所、北京百度网讯科技 有限公司”。违反上述声明者，本院将追究其相关法律责任。 编写团队 编写单位： 中国信息通信研究院安全研究所 北京百度网讯科技有限公司 编写组成员：（姓氏笔画为序） 王然、王磊、王洋、王海棠、刘焱、陈湉、杜悦艺、 吴月升、唐佳伟 前 言 近两年，随着人脸识别技术的迅速发展， “刷脸”逐渐成为新时 期生物识别技术应用的主要领域。尤其是在进入 2017 年之后，人脸 识别更是迎来了井喷式的爆发，互联网企业面对法律法规以及某些 业务上的需求，纷纷推出账号实名认证，并将人脸认证环节在相关 App 中实现。然而，人脸识别技术在快速发展、深入社会的同时， 也给我们带来了诸多安全挑战。个人隐私数据泄漏、技术滥用等造 成的信息安全风险问题亟待解决。 目 录 一、人脸识别技术的基本情况.......................................... 1 (一) 人脸识别技术............................................... 1 (二) 身份验证中的人脸识别技术应用示例........................... 2 (三) 人脸识别技术的特点......................................... 3 (四) 人脸识别技术的难点......................................... 4 二、人脸识别技术的应用.............................................. 5 (一) 人脸识别技术应用的市场前景................................. 5 (二) 企业研究人脸识别技术的应用概况............................. 7 (三) 人脸识别技术在 App 中的应用场景............................. 8 三、人脸识别 App 面临的安全风险..................................... 14 (一) 网络和数据安全保障机制欠缺易造成人脸数据泄漏.............. 14 (二) 人脸识别技术应用不规范为人脸数据滥用提供可能.............. 15 (三) 人脸的深度伪造技术严重威胁用户财产甚至人身安全............ 16 四、 人脸识别 App 的个人信息保护相关建议............................ 17 (一) 加快人脸识别相关法律法规研制进程.......................... 17 (二) 加快构建人脸识别技术应用监管体系.......................... 18 (三) 加快推进人脸识别技术的安全系列标准研制.................... 18 (四) 鼓励行业协会或社会组织开展行业自律........................ 19 图 目 录 图1 人脸识别在 App 中的身份验证流程图........................... 3 图2 人脸识别市场应用分布图..................................... 6 图3 人脸识别行业产业链结构示意图............................... 7 图4 10 款 App 的隐私行为统计图 ................................. 22 表 目 录 表1 2020 年我国计算机视觉市场规模预测 ............................. 6 人脸识别技术在 APP 应用中的隐私安全研究报告（2020 年） 一、 人脸识别技术的基本情况 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识 别技术。具体而言，就是计算机通过视频采集设备获取识别对象的 面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度等 特征信息进行计算分析，进而和自身数据库里已有的范本进行比对， 最后判断出用户的真实身份。 (一) 人脸识别技术 从采集人脸到辨识人脸的整个流程上来看，人脸识别技术一般 包括：人脸图像采集及检测、人脸特征提取（关键点提取）、人脸规 整（图像处理）和人脸识别比对等。 1. 人脸图像采集及检测 不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、 动态图像、不同的位置、不同表情等方面都可以得到很好的采集。 当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用 户的人脸图像。人脸检测在实际中主要用于人脸识别的预处理，即 在图像中准确标定出人脸的位置和大小。 2. 人脸特征提取（关键点提取） 人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、 人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是 针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是 1 人脸识别技术在 APP 应用中的隐私安全研究报告（2020 年） 对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两 大类：一种是基于知识的表征方法；另外一种是基于代数特征或统 计学习的表征方法。 3. 人脸规整（图像处理） 对于人脸的图像预处理是基于人脸检测结果，对图像进行处理 并最终服务于特征提取的过程。系统获取的原始图像由于受到各种 条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早 期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像 而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直 方图均衡化、归一化、几何校正、滤波以及锐化等。 4. 人脸识别对比 提取的人脸图像的特征数据与数据库中存储的特征模板进行搜 索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得 到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸 特征模板进行比较，根据相似程度对人脸的身份信息进行判断。可 分为 1:1、1:N、属性识别。其中 1:1 是将 2 张人脸对应的特征值向 量进行比对， 1:N 是将 1 张人脸照片的特征值向量和另外 N 张人脸对 应的特征值向量进行比对，输出相似度最高或者相似度排名前 X 的 人脸。 (二) 身份验证中的人脸识别技术应用示例 2 人脸识别技术在 APP 应用中的隐私安全研究报告（2020 年） 目前很多 App 加入了人脸识别功能，然而现在人脸识别应用还 处于初级阶段，目前我国应用最多还是 1：1 等级，也就是人脸识别 中最初级的“证明你是你”，一般应用于身份核对方面。具体的人 脸识别在 App 中的身份验证流程如图 1 所示。 数据来源：CSDN 博客 图1 人脸识别在 App 中的身份验证流程图 用户拍摄自己身份证信息并上传 App，App 经过公民身份信息查 询获取用户信息及身份证系统证件照片，建立用户档案并关联用户 人脸；当 App 扫描用户人像时，经活体检测、人脸质量检测、人脸 图像等处理后与先前获取的用户人像照片进行人脸对比，完成身份 验证的过程。 (三) 人脸识别技术的特点 人脸识别的优势在于其自然性和不被被测个体察觉的特点。 1. 自然性 自然性是指该识别方式同人类（甚至其他生物）进行个体识别 时所利用的生物特征相同。例如人脸识别，人类也是通过观察比较 人脸区分和确认身份的，另外具有自然性的识别还有语音识别、体 3 人脸识别技术在 APP 应用中的隐私安全研究报告（2020 年） 形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或 者其他生物并不通过此类生物特征区别个体。 2. 非接触性 人脸识别完全利用可见光获取人脸图像信息，不同于指纹识别 需要利用手指接触传感器采集指纹，用户不需人脸与设备直接来接 触，可以同时满足多人连续进行人脸图像信息的识别和分拣，在医 院测温、小区门禁等一些应用场景下人脸识别技术的非接触性特点 可为用户提供便利。 (四) 人脸识别技术的难点 人脸识别被认为是生物特征识别领域甚至人工智能领域最困难 的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点 所带来的。 1. 相似性 不同个体之间的区别不大，所有的人脸的结构都相似，甚至人 脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是 有利的，但是对于利用人脸区分人类个体是不利的。例如双胞胎现 象，全世界双胞胎平均出生率为 1∶89，有些双胞胎面部存在差异， 有些双胞胎甚至从面部特征来看相似度极高，对于人脸识别系统形 成非常大的挑战，几乎从生物特征上很难区别出个体。 2. 易变性 4 人脸识别技术在 APP 应用中的隐私安全研究报告（2020 年） 人脸的面部特征具有不稳定性，人可以通过脸部的变化产生很 多表情，而在不同观察角度，人脸的视觉图像也相差很大。另外， 人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的 很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素 的影响。 3. 易攻击性 随着数字拍照、视频合成技术等发展，越来越容易获得某个特 定人的人脸信息或者合成人脸信息。更甚至随着对抗训练 （Adversarial Training）的深度学习技术的发展，计算机可以合 成高精度的任何人的人脸信息。 二、 人脸识别技术的应用 近年来，由于人工智能的飞速发展，人脸识别技术取得了显著 的发展，被广泛使用于身份认证等实际应用中，小到日常的手机屏 幕人脸解锁，大到政府部门使用人脸识别技术进行公民的身份认定， 人脸识别技术已经逐渐普及到人们的日常生活中。 (一) 人脸识别技术应用的市场前景 2018 年中国计算机视觉人脸识别市场规模为 151.7 亿元。根据 前瞻产业研究院对六大权威机构的汇总，乐观估计 2020 年我国计算 机视觉市场规模有望突破 1000 亿，具体数据如表一所示；中性预测 2020 年我国计算机视觉市场规模在 700 亿元左右，市场发展前景可 5 人脸识别技术在 APP 应用中的隐私安全研究报告（2020 年） 期。 表一 2020 年我国计算机视觉市场规模预测 机构类型 机构 规模 复合增长率 CAICT