據媒體報道，有賣家在網上以兩角一張的價格售賣幾十萬張戴著口罩的臉部照片。這些照片部分是“網絡爬蟲”從網上搜集到的面部照片，另一部分則是人們上班打卡或進出小區門禁時拍的面部照片。買家買這些照片，主要用于訓練算法的精準度，也有可能用于申請信用貸款，甚至注冊公司。

　　疫情之下，一些科技公司紛紛研發出針對戴口罩場景下的人臉識別技術，給人們帶來了便利，也減少了摘口罩帶來的病毒感染風險。但對于那些本就擔心人臉識別技術會造成數據泄露的人來說，這卻讓他們更加憂慮：即便戴上口罩也阻擋不了人臉數據泄露。上述媒體的報道，讓他們的憂慮變成了現實，同時，也暴露出人臉數據泄露存在于這項技術從研發到應用的每個環節。

　　人臉識別技術是基于對人面部大量特征點的提取來做出判斷。而對于戴口罩的人，只能提取其眼睛、眉毛等區域的特征點，無法進行全臉掃描。目前，戴口罩人臉識別技術的主要實現方法是通過模型訓練加強對眼睛、眉毛等重點區域的識別，也有的通過圖像重構網絡將戴口罩的人臉圖像重構為未戴口罩的人臉圖像，進而通過比對實現人臉識別。

　　無論是哪種實現方法，都需要有人臉數據的積累，且數據越海量，往往越能提高精準度。這些海量數據從哪里來的?上述報道提供了一個線索：大量人臉數據被非法售賣，用于訓練算法的精準度。雖然并不能將買家與研發新技術的公司對號入座，但是推出新技術的公司應該公布訓練所需人臉數據的來源。

　　科技是中立的，但如果用于研發的基礎數據都不明不白，就很難說清楚這項技術究竟是天使，還是魔鬼。此外，不能排除一些不法分子也在研發這項技術，他們購買數據，訓練算法的精準度，就是為了更方便地破解人臉密碼。

　　這些基礎數據可能泄露于保存、傳輸、應用等各個環節。這既有技術本身存在漏洞的原因，也有人為竊取的原因，甚至有些是監守自盜，負責管理數據的人售賣數據的新聞并不鮮見。盡管具體到單個數據泄露案例，可能會找到原因，但是大量泄露數據綜合在一起，背后原因錯綜復雜，很難說清楚到底是怎么泄露的。

　　人臉的不可更改性，讓很多人對人臉識別技術持保守態度。去年底發布的《人臉識別落地場景觀察報告(2019年)》顯示，在個人信息泄露頻發的態勢下，超過七成的民眾對網絡運營者的安全保障能力存有疑問，擔心人臉數據泄露。去年一位大學教授被杭州野生動物園強制使用人臉識別入園，更是一怒之下將后者告上法庭。

　　人臉識別技術所需基礎數據的采集如何規范?技術應用的邊界在哪，如何把握合法性和正當性?目前還沒有一個明確的說法。有關部門監管也存在一定困難，更多的要靠行業自律，這讓數據泄露存在很大的不確定性。

　　盡管很多科技公司宣稱人臉識別技術已經準備好了，戴口罩人臉識別技術也已經應用于一些公司，但如何防范人臉數據泄露，卻很少提及。事關個人隱私安全的大事，在社會規制沒有準備好之前，應該嚴格限制應用的范圍，并征得用戶同意。高筑安全防線，再推廣應用不遲。畢竟，臉可能是人們最后一道隱私防線，這個密碼被破解，后果將不堪設想。