hack-face

将人脸信息隐写进任意图片，使 AI 人脸识别系统能够检测到指定人脸，而人眼几乎察觉不到任何差异。

原理

人脸图片 ──► 提取五官边缘特征 ──► 以极低强度融合进载体图片
                                        │
                                        ▼
                              SSIM ≈ 0.9999（人眼无感）
                              AI 人脸检测 ✓（MTCNN 通过）

融合采用多种算法（泊松无缝克隆、高频叠加、Lab 亮度融合等），并通过自动参数搜索找到「视觉最隐蔽 + AI 可识别」的最优平衡点。

安装

要求： Python 3.12+

git clone https://github.com/your-org/hack-face.git
cd hack-face

方式 A：pip（标准）

pip install -e .

方式 B：uv（推荐，更快）

# 安装 uv（若未安装）
pip install uv

# 创建虚拟环境并安装所有依赖
uv sync

# 激活环境
source .venv/bin/activate

PyTorch 默认安装 CPU 版本。若需 GPU 加速，请先手动安装对应 CUDA 版本的 torch/torchvision，再执行安装步骤。

快速开始

方式一：自动扫描（推荐）

输入人脸 + 载体图片，自动测试 25 种参数组合，输出 Top-5 最优结果及对比图：

hack-face-run \
  --face  images/source/face.jpg \
  --carrier images/target/landscape.png

输出示例：

════════════════════════════════════════════════════════════════════
  Top-5 最优方案（按 SSIM 降序，SSIM 越高视觉越隐蔽）
════════════════════════════════════════════════════════════════════
  排名   方案                    SSIM     PSNR    MAD  MaxDiff  AI置信度
  ★    hf_fs0.25_hs1.0      0.99990   59.42  0.044        7    0.4957
  #2   hf_fs0.25_hs1.5      0.99988   58.94  0.046        8    0.4957
  #3   poisson_fs0.25       0.99983   56.98  0.042       12    0.4957
  #4   lum_fs0.25           0.99972   51.09  0.122       14    0.4957
  #5   adaptive_fs0.25_hs1.0 0.99970  53.24  0.065       31    0.4957

  ★ 最优方案：hf_fs0.25_hs1.0
     文件：hack_face_out/hf_fs0.25_hs1.0.png
  对比图：hack_face_out/comparison_top.png

参数说明：

参数	说明	默认
`--face / -f`	人脸照片路径	必填
`--carrier / -c`	载体图片路径（风景/生活照）	必填
`--output-dir / -o`	结果输出目录	载体图片同目录下的 `hack_face_out/`
`--size`	输出正方形边长（px）	`640`
`--top`	输出最优结果数量	`5`

方式二：单次融合

已知最优参数时，直接生成结果：

hack-face-blend \
  --face images/source/face.jpg \
  --carrier images/target/landscape.png \
  --mode hf \
  --output result.png

参数说明：

参数	说明	默认
`--face / -f`	人脸照片路径	必填
`--carrier / -c`	载体图片路径	必填
`--output / -o`	输出路径	`blended_output.png`
`--mode / -m`	融合模式（见下表）	`poisson`
`--size`	输出正方形边长（px）	`640`
`--with-lsb`	同时嵌入 LSB 不可见特征向量	关闭

融合模式：

模式	算法	特点
`hf`	高频叠加	视觉最隐蔽（测试 SSIM=0.9999，MaxDiff=7）
`poisson`	泊松无缝克隆	边缘无缝，颜色由背景决定
`adaptive`	纹理自适应高频	光滑区域（天空）几乎不变
`lum`	Lab 亮度融合	只改明暗，保留背景颜色
`full`	传统 alpha 混合	直观可控

LSB 不可见水印（进阶）

将 512 维人脸特征向量以 LSB 隐写形式嵌入图片（每像素仅改变最低 1 bit，肉眼完全无法察觉），支持后续机器验证身份：

# 嵌入
hack-face-encode \
  --face images/source/face.jpg \
  --carrier result.png \
  --output result_lsb.png

# 提取并验证
hack-face-decode \
  --image result_lsb.png \
  --known-face images/source/face.jpg

评测指标说明

指标	含义	优秀阈值
SSIM	结构相似度（越接近 1.0 越隐蔽）	> 0.999
PSNR	峰值信噪比 dB（越高越隐蔽）	> 50 dB
MAD	平均绝对像素差（越低越隐蔽）	< 0.1
MaxDiff	最大单像素差（越低越隐蔽）	< 15
AI 置信度	MTCNN 低阈值检测置信度（> 0.3 通过）	> 0.4

项目结构

hack-face/
├── src/hack_face/
│   ├── cli.py        # 命令行入口
│   ├── watermark.py  # 融合算法核心（poisson/adaptive/hf/lum/full）
│   ├── face.py       # MTCNN + InceptionResnetV1 人脸检测与特征提取
│   ├── sweep.py      # 自动参数扫描 + 对比图生成
│   └── metrics.py    # SSIM / PSNR / MAD + AI 检测评估
├── images/
│   ├── source/       # 人脸图片
│   └── target/       # 载体图片
└── pyproject.toml

xixiha5230/hack-face

README