IYSWIM团队吴育昕对第一财经表示，自己在网上找了FaceNet开源代码，用其中的几套模型进行训练，最终破解了比赛中的系统算法。

吴育昕对第一财经表示，自己是以个人名义报名参赛，有名队友没有来到现场，比赛开始前知道这项比赛是人脸识别，但不知道是哪张图片。

FaceNet系谷歌人脸识别系统，基于Tensorflow环境运行，可以用于人脸验证、识别和聚类等。

包括人脸识别在内的图像识别是AI最重要的分支之一，也是应用场景最为广泛的领域之一。人脸识别被广泛应用于零售、安防等领域，但GeekPwn比赛，却用短短20分钟时间向外界揭示了其中的危险。这再一次引发了公众对人脸识别等AI技术的担心。

3倍于互联网时代的安全难度

GeekPwn比赛的目的是预演潜在风险、拓宽安全思维、帮助智能设备更加安全地问世、协助人工智能健康成长的手段。

从筹办第一界比赛开始，GeekPwn比赛已经连续举办了五年，五年间互联网安全环境也发生着变化。

“最初我们意识到不光是手机和电脑，特斯拉也是可以被黑的；2015年O2O最火的时候，行业潜在危险是比如叫车叫到一万辆滴滴导致系统瘫痪、下单保洁服务订单被黑上门的其实是个坏人；2016年，美国开始关注轮椅、游戏机被黑的案例；最近AI领域比较受关注。”王琦对第一财经表示。

毫无疑问的是，AI的发展使得互联网安全难度进一步加大。

“安全本质上是人和人的对抗，人是不可能犯错的。但到AI时代，安全攻防难度至少扩大了3倍，不光是人和人的对抗，还有人和机器的对抗，机器和机器的对抗，机器和人的对抗。AI的安全问题得AI解决，传统安全领域的人只能提供思路。”王琦称。

相关报道: