当今应用较为成熟且广泛的智能技术有哪些?人脸识别算是一例。《麻省理工科技评论》曾将其列为2017年“十大突破性技术”之一。
不过，随着人脸识别技术的逐渐成熟，“反人脸识别”也频繁出现在公众视野之中。如今，仅用一张贴纸、一个纹身、一件特殊的T恤就能干扰人脸识别的新闻层出不穷。
对此，许多企业在进行人脸识别验证的时候都需要配合活体检测，以防被图片蒙混过关。然而，这一方式也可以通过动图来破解。在某宝就有许多商家提供身份认证活体检测的动图，能够做到点头、眨眼、张嘴、摇头等动作。另外，2019年的美国黑帽大会上，腾讯玄武实验室的安全人员就通过给“无意识”的人员戴上专门设计的眼镜，就能访问机主的iPhone并通过移动支付应用程序向他们自己转账。
除此以外，人们对对抗样本的关注度也逐渐攀升。所谓对抗样本，就是将噪声引入正常数据样本，并导致人脸识别模型的识别出现错误。对抗样本使得深度学习模型的正确率严重下降，对现有模型提出了挑战，也对攻防提出了新要求。
从上述情况可以看出，人脸识别技术有很大的脆弱性，不仅易被破解，也容易让垃圾样本通过识别分类系统。
这显示了人脸识别技术存在的风险。近几年，兜售人脸信息、人脸数据泄露等新闻并不罕见，这些数据若被有心人利用，再配合一些“打包”出售的辅助数据，就可以伪造某人的视频资料，从而盗取资金，乃至从事非法活动。
在人脸识别的帮助下，近年来警方破获了许多案件，若不法分子也利用反人脸识别技术隐藏，将对案件的破获产生不利影响。
当然，这些技术的出现并非完全是坏事。如今人脸识别技术较为普遍，无论是街头巷尾的摄像头，还是人人随身携带的手机，人们很难完全避开被识别，而信息保护也无法做到万无一失，反人脸识别技术若运用得当，就可以为个人隐私提供保护。
既然如此，运用人脸识别的系统还是否可靠?
实际上，在安全级别要求较高的网络系统，人脸识别并非唯一认证手段，而是配合虹膜识别、静脉识别、密码等其他手段进行验证。系统设计者应当充分考虑应用场景的需求，做到即便捷又安全。
而人脸识别技术用于追逃时，不仅应该考虑非目标群体的隐私保护，也应该进行多线索追踪和多元取证，不能盲目依赖人脸识别技术。
在信息化的现代，人们分享的每一张照片、每一个视频，都存在被非法利用的可能，因此当自身利益受到侵害时，应该勇敢地拿起法律武器，及时向公安机关进行举报，维护自己的合法权益。
