AI的潜力远不止复刻“旧办公室”这么简单

一方面，这项技术会影响人们的隐私。另一方面，它的的确确有助于预防或检测潜在的威胁。现在，鉴于全球新冠病毒大流行，面部识别技术还有助于阻止冠状病毒的传播。

尽管如此，像其他任何技术一样，面部识别也不是无懈可击，但也存在许多漏洞，可以绕开系统。正如最近发现的那样，有可能制造出旨在规避面部识别系统的太阳镜。

应用于大多数这些系统的深度学习算法容易受到不同类型的攻击，这些攻击会影响安全性的三个目标：机密性，完整性和可用性。

为什么面部识别安全性值得考虑?

面部识别系统包括两个巨大且多样化的应用。一种旨在检测人，目前被用于各种公共安全监视应用中，例如闭路电视摄像机。另一种方法是确保人被成功识别，这涉及到生物识别应用，例如手机解锁或智能家居中智能锁应用。

因此，有两种不同类型的攻击。第一种允许攻击者使用各种形式的伪装来骗过摄像机。第二个更复杂，可以进行面部更改，绕过与生物特征识别系统有关的安全认证，因此可能导致的家庭被入侵。

目前存在哪些类型的面部识别解决方案?

我已经提到了入侵面部识别系统的两个主要目标。除了它们，面部识别系统还包含许多机器学习算法。每个都有自己的功能、属性和安全漏洞。以下是面部识别解决方案中常用的机器学习算法列表。

• 面部检测。
• 人脸识别。
• 人脸追踪。

面部识别解决方案可以是物理的也可以是数字的。它们可以在互联网和媒体平台上实现以跟踪照片，并且可以将相同的解决方案带入现实世界并放置在摄像机中。接下来，我们看一看能够应用面部识别系统和所使用算法的行业。

哪些行业容易受到攻击?

1、公共安全

面部识别技术最初是用于专业目的。执法部门实施了让面部识别网络参与识别城市街道上犯罪者的想法。

2、银行业务

自动取款机可以通过生物学特征识别持卡人，这有助于更好地保护交易并防止欺诈


 

数据类参数

刚刚我们更改了数据类装饰器中的某些参数，以自定义数据类。以下是参数列表：

• nit：如果为True，则在数据类中生成init方法。(默认为True)
• repr：如果为True，则在数据类中生成repr方法。(默认为True)
• eq：如果为True，则在数据类中生成eq方法。(默认为True)
• order：如果为True，则在数据类中生成lt，le，gt和ge方法。(默认为False)
• unsafe_hash：如果为True，则在数据类中生成hash方法。(默认为False)
• frozen：如果为True，则不能给字段分配值。(默认为False。)

注意，如果order为True，eq必须也为True，否则将引发ValueError异常。

字段参数

• init：如果为True，则此字段包含在生成的init方法中。(默认为True)
• repr：如果为True，则此字段包含在生成的repr方法中。(默认为True)
• compare：如果为True，则此字段包含在生成的比较和相等方法中。(默认为True)
• hash：如果为True，则此字段包含在生成的hash方法中。(默认为None)
• default：这是此字段的默认值(如果提供)。
• default_factory：当该字段需要默认值时将调用该参数，此时该参数必须为零阶可调用参数对象。
• metadata：可以是映射，也可以为空，为空则将其视为空字典。

以上就是关于Python中数据类的简要介绍，你掌握了吗?

（编辑：平凉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!