如何保護你的數據產權：刷臉的時代，你真的準備好了嗎？-ODAILY_人工智能

巨數據和隱私計算與個人數字/數據主權是一種相互相生的關系。這里的“巨數據”，是指在我們當前高度自動化世界里生產出來的高度隱私的數據，比如：

1.接近人的傳感器，比如物聯網產生的數據；

2.接近人類行為和互動的數據；

3.“巨數據”是高度隱私的數據—比如醫療和健康、行為；你可能不介意你的“海淘”、“剁手”數據被亞馬遜和淘寶收集變現，但是你一定會介意、甚至恐懼你的醫療和健康數據被收割。

“巨數據”里這種高度隱私的數據我們也稱之為“重隱私”的數據。“重隱私”數據的一個特點就是和我們的生物特征有很高耦合度的綁定，這也是來自于技術進步—因為在過去，由于技術的限制，隱私數據和生物特征的耦合度比較低—所以那個時代的隱私保護并沒有今天這么迫切。這種和我們生物特征耦合度比較低的隱私數據，可以稱之為“輕隱私”數據，比如你在亞馬遜上的“海淘”記錄，你的互聯網瀏覽記錄等。

和生物特征高度耦合的“重隱私”數據的一個典型例子，就是我們的“人臉”

Uniswap基金會：將在未來幾周討論如何部署超437萬枚ARB:金色財經報道，Uniswap 基金會表示將把 Arbitrum 分配的 4,378,188 枚 ARB 發送到 Arbitrum 上 Uniswap 基金會擁有的多重簽名地址（90xF4E08 開頭），接下來幾周將啟動關于如何部署這些資金的社區討論。[2023/4/18 14:11:14]

“人臉”這種和生物特征高度耦合的“重隱私”數據，一直具有“兩重性”—一方面是我們的“重隱私”，另一方面又是我們人類成為社交性生物的一個重要“工具”—人臉是我們表達情感的最主要的工具，人臉的豐富表情可以傳達更多、更豐富的信息，這是人類智能進化的一個重要體現。

人臉肌肉比地球上任何其他動物都要多：每半邊臉上有22條“表情”肌肉。

我們人類進化出的這個不同凡響的“社交智能”，讓我們的“臉”成為一個社交工具—和我們另外一個社交工具—聲音/語言一樣，臉成為一種“表達”的載體。

Coinbase Wallet推出交易模擬功能，可了解智能合約代碼如何處理加密資產:金色財經報道，據 Coinbase Wallet 社交媒體賬戶透露，Coinbase Wallet 已推出交易模擬功能，通過自動模擬兼容 EMV 網絡上授權交易時將執行的代碼，用戶可以了解哪些資產將離開自己的錢包，以及收回相關資產的近似估值。Coinbase 表示，該功能的主要目的是讓用戶清楚地了解區塊鏈應用程序或智能合約將如何處理他們的加密資產。[2022/11/21 7:52:42]

最近國內大熱的ZAO換臉APP，就是來源于這個技術的一個開源軟件“Deepfake”

這個技術“突破”點在哪里呢？主要就是Deepfake突破了所謂的“恐怖谷”是一個關於人類對機器人和非人類物體的感覺的假設。它在1970年由日本機器人專家森政弘提出，但「恐怖谷」一詞由恩斯特·詹池於1906年的論文《恐怖谷心理學》中提出，而他的觀點被佛洛伊德在1919年的論文《恐怖谷》中闡述，因而成為著名理論。

俄羅斯彼爾姆地區一家法院屏蔽解釋如何交易比特幣的網站:俄羅斯彼爾姆地區的一家法院決定屏蔽一些描述如何將加密貨幣兌換成法定貨幣的網站，當地檢察官聲稱，在俄羅斯傳播此類信息是違法的，違反了俄羅斯打擊犯罪收益合法化的立法，可能會促進非法洗錢行為。（Bitcoin.com）[2021/6/11 23:30:46]

（UncannyValleygraph-wiki)

森政弘的假設指出，由於機器人與人類在外表、動作上相似，所以人類亦會對機器人產生正面的情感；直到一個特定程度，他們的反應便會突然變得極為負面。哪怕機器人與人類只有一點點的差別，都會顯得非常顯眼刺眼，整個機器人顯得非常僵硬恐怖，使人有面對殭屍的感覺。可是，當機器人和人類的相似度繼續上升，相當於普通人之間的相似度的時候，人類對他們的情感反應會再度回到正面，產生人類與人類之間的移情作用。

「恐怖谷」一詞用以形容人類對跟他們相似到特定程度之機器人的排斥反應。而「谷」就是指在研究裡「好感度對相似度」的關係圖中，在相似度臨近100%前，好感度突然墜至反感水平，回升至好感前的那段範圍。

現場 | 降維安全CTO：交易所應該如何保護數字資產:12月16日，由ChainUP主辦，節點資本等聯合主辦的“Future BlockChain”全球行活動在韓國舉辦。降維安全CTO在會議中表示，交易所主要面臨Hacker、惡意量化團隊、惡意用戶、惡意項目方這些外部攻擊。具體到黑客攻擊有以下四點：DoS勒索、Web滲透/APT社會工程學攻擊以及利用區塊鏈項目自身的漏洞進行攻擊。據降維安全統計，交易所應用（不涉及期貨合約）風險，共有5大類，14個子類，68個風險點。他表示：專業的事情應該交給專業的人做，選擇專業的交易所系統和專業的安全服務商，非常重要。[2018/12/16]

(UncannyValleyexample-Left-AngelinaJolieinBeowulf)

在“恐怖谷中”(UncannyValleyexample-Right-Avatar)

2009年的大片“Avatar《阿凡達》“是第一次越過了“恐怖谷”的影片，就是因為在動作捕捉中用了更多的采樣點。

Thomas 發布趣味視頻 講述EOSIO系統如何向節點支付獎勵:據金色財經合作媒體IMEOS 報道，昨日 Thomas Cox 在 YouTube 上傳了一個手繪風視頻，為大家講解 EOSIO 系統如何向節點支付獎勵。視頻中說到，按照每年通貨膨脹 5% 的規則，每天大約會有 133,000 個新的 Token 產生，那么增發總數的 1%，即約為 27,000 個新的 Token 用于支付節點支出。并且，新系統中沒有取中間值報價的說法。另外 4% 會進入 Worker Proposal Fund。[2018/5/21]

現在的人工智能技術”Deepfake“是通過對巨量的數據進行“訓練”得到的算法，已經可以很輕松地突破“恐怖谷”了。這也說明人工智能已經突破以前只有人類才能涉及的認知領域，我們生活的時代，真的要很不一樣了

ZAO換臉APP在開始病傳播的前幾天成了一個刷屏的爆款軟件，因為它實在是太震撼、太好玩了，你可以用你的臉替換任何影視場景里的明星臉，過足過去只有明星才有的“看片”快感。但是ZAO熱了沒幾天，很多人緩過勁來，才突然覺得“細思恐極”—能幫我換“明星臉”，難道不能用我的臉欺騙銀行的人臉識別驗證，然后卷走我的錢嗎？！

這時我們才意識到，技術的進步真的是一把“雙刃劍”—讓我們“越來越爽”的技術，也會更加深入地侵犯到我們的隱私。特別是和我們的生物特征深度耦合的重隱私巨數據。

目前對類似ZAO這種A.I.“換臉”技術帶來的隱私安全問題的常見回答是：這個技術目前還不足以騙過銀行等地方使用的人臉識別軟件。確實，目前拿著打印著你的照片的彩色激光打印紙在銀行人臉識別前晃動可能還不行，而且比如蘋果手機的刷臉解鎖除了采集你的人臉圖像數據以外，還會采集臉部的深度數據以及皮膚淺層的毛細血管數據，不是那么容易攻破的。

That’sit?

這種答案顯然不能讓我們安心。你知道類似于“Deepfake”這類換臉軟件的算法是怎么得來的嗎？Deepfake是基于目前叫做“深度學習”的人工神經網絡智能算法，特別是一類叫做“生成對抗網絡”的算法，是這位斯坦福大學的學霸小哥提出的：IanGoodFellow

這是一個腦洞大開的算法：創造一個進化的虛擬環境，讓機器生成兩個互相對抗的算法進行博弈，一個模擬，一個判別：

你說這個圖像是真的還是我造假的？你太挫了，一點都不像！你輸了！這個呢？不像！再來這個呢？嗯，有點像吧。。。哈哈，你錯了！我這個還是假的，你輸了！

這樣游戲兩方就在對抗中進化，直到造出“真實”得你不敢相信的圖像。很明顯，如果我們把上述進化博弈游戲的一方換成人類，當人類的認知達到極限的時候，另一方的人工智能程序是否會超越人類？很有可能啊。在這種“道高一尺，魔高一丈，人工智能一丈五”的游戲里，人類可以堅守到何時？很快，人類會發現，最好的算法就是把人類認知排除的算法，讓人工智能對付人工智能。然后我們會發現，這是一場人工智能的軍備競賽，誰有資源研發出來更強的人工智能算法，誰就可以暫時勝出。在我們這個資源綁定的經濟體和社會里，最后只有擁有最多資源的壟斷者可以有玩這個人工智能軍備競賽游戲的能力，那些沒有資源的人，即大多數人，都會成為失敗者。

但是，如果有一天，不再參與競賽的人類也許會被“人工智能”覺得多余，那一天將是一個可怕的日子。

所以，我們目前的資源綁定的經濟體，根本不適應這個人工智能已經到來的時代。

回到“換臉”對隱私保護的挑戰的問題，我們需要做的，是換一個思路。

回到問題的另外一端：如果我們不想通過贏得對人工智能的進化對抗賽來解決問題的話，也許可以用我們進化人類自己的經濟社會的方式來做嘗試？

“重隱私”的巨數據的一個特點是和我們的生物特征深度耦合。我們可以嘗試進行“解耦合”的方向。

比如一個方向是把我們傳統的單一“身份”和生物特征進行“解耦合”。我們應該反思單一身份在我們社會和經濟體里的作用。互聯網開始的信息革命把我們帶入到一個無限可擴展的虛擬現實里，我們的現實世界早已經大大擴展了，我們的將來是一個包含人類思維空間的世界，里面可以創造出無數的虛擬空間，在這些空間里人類將真正主宰自己的命運，并且和人工智能并存，人工智能將成為這個無限世界里和思維的人類平等的成員，沒有誰能夠奴役誰，因為這個世界足夠大。在每一個我們創造的空間里我們可以有無數的“分身”，我們不再需要單一的“身份”，也就不存在對與“生物特征”深度耦合的“單一身份”的需要。

另一個“解耦合”的方向是數據”脫敏“，既然人工智能的新算法已經可以”以假亂真“，為什么我們不可以加以利用”以真亂假“呢？”以真亂假“就是我們把帶有我們生物特征的數據進行”脫敏“的方法，我們只是反過來使用人工智能算法而已。目前我們可以對“輕隱私”的數據進行簡單的“脫敏”，但是“重隱私”數據的脫敏需要我們和數據的應用形式一起設計才可以。

Tags：人工智能ALLLLEOIN人工智能就業方向及前景itokenwallet怎么賣幣DexWalletPotCoin

USDT