人脸识别的应用领域已经非常广泛，但是，它所涉及的隐私安全问题却始终没有彻底的解决办法。目前，有学者研发“反人脸识别”的 AI，可以让人脸识别系统的准确率，从 100% 直线下降到只剩 0.5%，这项技术可望应用成为“隐私过滤器”。

当我们上传照片、视频至社群平台时，算法也抓取我们的信息、位置、友人的数据，让脸部识别系统对我们有更多的了解，并且不断进化。面对网络隐私、数据的安全性问题，多伦多大学成功创建了一种破坏脸部识别系统的算法。

该算法的特征在于使用了对抗训练，是一种深度学习技术，让两个人工智能互相对抗。团队设计了两个神经网络，第一个用于“识别人脸”，第二个则是专门“唱反调”破坏前者的脸部识别任务。这两个网络不断地互相争斗、相互学习，创建了一场持续不断的人工智能军备竞赛。

结果是，唱反调AI 能够知道敌手脸部识别AI，在找寻什么关键部位，并适时动些人眼看不出来的小手脚 ，例如改变眼角，使其不太明显，但却能够完全欺骗敌手，让它无法识别。