AI视频骗过人脸识别：杭州案例曝光，2D核验风险有多大

当AI近来频频在网络安全事件里挑大梁，越来越多人认同它是一柄双刃剑。写PPT、写文案、画图、输出代码，它都能干；可它同样能威胁到你的安全。央视网近日报道了杭州市中级人民法院公布的一起案例，其中显示，AI生成的视频已经能绕过人脸识别系统。

据披露，不法分子先从网络搜集他人照片，再用AI生成点头、摇头、眨眼等动态视频，接着篡改相机数据，最终突破购物平台的人脸核验，盗走账户内的个人信息。这起案例说明，AI视频技术一旦被滥用，原有的信任秩序已经开始被破坏。

点头、摇头、眨眼，这些动作正是我们向App证明“我是我”时，对着手机前置摄像头要做的。2015年前后，深度学习技术让人脸识别准确率大幅提升，算法准确率开始超过人眼水平，大规模商用的技术障碍由此扫清。到今天，人脸识别已经是大量互联网产品确认用户身份的主要途径。

支付宝等金融类App在用，京东、淘宝等电商平台在用，抖音、微信同样在大规模使用。不过，这次被AI攻破的并不是iPhone上Face ID那类3D结构光人脸识别，而是2D人脸识别。两者的区别在于：3D结构光技术投射潜望结构光线扫描采集人脸信息，通过“点”对“面”的特殊算法构成三维图像，看到的是立体人脸；2D人脸识别看到的则是平面。

手机上面部识别到解锁，至少包含人脸检测、特征提取、人脸识别这几步。人脸检测，顾名思义，是让系统从全景画面里精准抠出用户脸部区域进行验证；特征提取靠计算机视觉，提取两眼间距、鼻宽、脸型轮廓、皮肤纹理、皱纹走向等信息；人脸识别则是把待识别的人脸与数据库中的相关数据比对，用算法衡量人脸之间的相似度。

问题是，2D人脸识别有个致命短板：只认脸、不认人。照片、视频，甚至硅胶面具，都可能把它骗过去。开发者因此引入“活体检测”，点头、摇头、眨眼这些动作，本质上是开发者想证明镜头前这张“脸”属于真人。2017年，一项叫deepfake（深度伪造）的技术出现在Reddit上，用生成式对抗网络（GAN）和深度学习算法，做出了十分逼真可信的换脸视频。

为了对抗深度伪造，开发者改用光线来分辨视频和真人。真实人脸是立体的，光线照上去，鼻子、脸颊、眼睛等不同部位的反射强度和角度都不一样，真实的皮肤含水分，也会吸收部分光线。照片、面具则是平面的，反射的光线模式单一。人脸识别算法只要对比光反射的细微差别，就能轻松识破伪造。

传统深度伪造内容还原不了光线照在人脸上的真实反馈，AI视频模型却可以。早在2024年OpenAI发布Sora时，就称其为“世界模拟器”，说AI能够理解、预测和推理现实世界的运作方式，物理规律、因果关系、物体运动都包含在内。

到今天，世界模型已不算新鲜事物，最先进的AI已经能理解“水为何会往低处流”“球撞到墙上为什么会弹回来”。Seedance、可灵等SOTA级别的AI视频模型已经能做到以假乱真。有AI视频创作者就感叹：“当年威尔·史密斯吃面的AI视频不也是个笑话吗，现在呢？”

2023年，威尔·史密斯吃意大利面的AI视频还被网友嘲讽“像没牙老太太嚼空气”，叉子穿脸、面条像蛇一样扭动、咀嚼动作像木偶，穿帮镜头不少，整体既像恐怖片又像鬼畜素材。如今，“电影质感”已经是抖音、快手上精品AI内容的标配。

换句话说，眼下顶级的AI视频模型，能够理解不同光线照在人脸上该呈现什么状态。黑客只要肯花功夫，收集用户公开发布的照片喂给AI，输出一段惟妙惟肖的视频，骗过非3D结构光的人脸识别，理论上就具备可行性。

AI模型解析图片内容，识别主体、背景、光影等元素，再按提示词指令生成连续动态帧，拼接成流畅视频，这套操作已是AI视频模型的基础用法。作为关键帧的图片越多、越详细，AI生成的视频就越可控、越连贯、越逼真。

某种意义上，央视网报道的“AI视频已能骗过人脸识别”，其实是新技术搭配社会工程学的结果。反过来看，如果你基本不在公开网络发布个人日常生活照，黑客想制作AI视频，也是巧妇难为无米之炊。

可是，QQ、Facebook、Instagram、微信等各类社交软件浸润了二十余年，“自拍文化”也洗礼了多年，几乎不在网上发照片的人少之又少。AI视频模型伪装真人，因此不是少数人才要面对的威胁，而是全社会要共同应对的挑战。

几乎可以预见，随着AI视频模型能力逐步迭代、向世界模型靠拢，它理解世界运行规律的能力持续进化，会被AI欺骗的互联网平台将越来越多。