摘要：人工智能在生物技術(shù)領(lǐng)域的應(yīng)用越來(lái)越常見(jiàn)，且信息安全也逐漸受到關(guān)注。在此種背景下，本文從生物識(shí)別技術(shù)推動(dòng)人工智能發(fā)展的觀點(diǎn)入手，研究了人工智能技術(shù)在生物信息學(xué)中的應(yīng)用，又分析了信息安全領(lǐng)域中生物識(shí)別技術(shù)和人工智能融合。

關(guān)鍵詞：人工智能；生物技術(shù)；信息安全

隨著人工智能的發(fā)展，各行業(yè)系統(tǒng)、機(jī)器等的運(yùn)行越來(lái)越智能化，工作也越來(lái)越高效和精確。生物技術(shù)是利用微生物和動(dòng)物作為原料，對(duì)其進(jìn)行研究、分析、加工，為人類提供各種有用的技術(shù)。隨著人工智能和生物技術(shù)的結(jié)合，它能夠自動(dòng)接收、分析和發(fā)送信息，從而極大地提高了信息管理和信息傳遞的能力。

一、生物識(shí)別技術(shù)推動(dòng)人工智能發(fā)展

（一）生物識(shí)別為人工智能提供大數(shù)據(jù)支撐

人臉識(shí)別是一種以面部特征為基礎(chǔ)的一種生物技術(shù)，首先要將多張面孔圖像經(jīng)過(guò)相機(jī)的拍攝，然后預(yù)加工、校正、過(guò)濾等預(yù)處理后，將所得到的圖像特征與所保存的特征模板進(jìn)行檢索和比對(duì)，以確認(rèn)圖像。相對(duì)于其他的生物特征如指紋、虹膜等，它具有采集容易、成本低等優(yōu)點(diǎn)[1]。如果說(shuō)照相機(jī)賦予人工智能視覺(jué)，那面部辨識(shí)技術(shù)賦予人工智能“最強(qiáng)大腦”的能力，讓人工智能擁有了一雙智慧之眼?？萍几淖兩睿斯ぶ悄芎兔娌勘孀R(shí)技術(shù)使人們走上了“刷臉”的道路。例如：在走向一個(gè)自助銀行時(shí)，攝像機(jī)會(huì)自動(dòng)“刷臉”打開(kāi)大門。如果在ATM機(jī)上忘了密碼，就能用ATM機(jī)上的相機(jī)“刷臉”提款和轉(zhuǎn)賬。這樣既能方便存款人，又能保證資金安全。世界上具有人臉識(shí)別功能的自動(dòng)取款器在杭州問(wèn)世，廣州在養(yǎng)老金的身份驗(yàn)證中采用了面部識(shí)別技術(shù)。不僅如此，在軌道交通系統(tǒng)中，也將率先采用面部特征的人臉識(shí)別技術(shù)進(jìn)行身份鑒別。

（二）生物識(shí)別企業(yè)發(fā)力人工智能市場(chǎng)

無(wú)論是機(jī)械視覺(jué)還是生物識(shí)別，都是人工智能的范疇，而機(jī)器視覺(jué)與生物識(shí)別的實(shí)質(zhì)就是影像的辨識(shí)與對(duì)比。而人臉識(shí)別，是利用計(jì)算機(jī)和生物識(shí)別技術(shù)，實(shí)現(xiàn)對(duì)人臉進(jìn)行身份驗(yàn)證的合理方案。

讓人工智能擁有最強(qiáng)大的頭腦，則是人工智能技術(shù)的第一個(gè)突破方向。對(duì)于生物識(shí)別廠商而言，這是一個(gè)難得的機(jī)遇，很多公司都在主動(dòng)地進(jìn)入人工智能領(lǐng)域，或者通過(guò)與人工智能公司的聯(lián)合，占據(jù)更大的市場(chǎng)份額。

（三）生物識(shí)別技術(shù)促進(jìn)人工智能生態(tài)形成

生物識(shí)別技術(shù)由于受到各種因素的影響，目前尚未形成規(guī)模，導(dǎo)致其工業(yè)化進(jìn)程很慢。在智能手機(jī)和人工智能等新興行業(yè)中，生物技術(shù)的快速發(fā)展給了它巨大的發(fā)展機(jī)會(huì)。據(jù)了解，目前平安生物識(shí)別技術(shù)已經(jīng)為100多個(gè)應(yīng)用領(lǐng)域提供了支持，比如深圳社保部門最近發(fā)布的“刷臉”退休金網(wǎng)上驗(yàn)證系統(tǒng)。深圳航空公司已經(jīng)和平安科技公司建立了一種新的戰(zhàn)略伙伴關(guān)系，并且已經(jīng)開(kāi)始了面部圖像的應(yīng)用[2]。深度學(xué)習(xí)對(duì)傳統(tǒng)的生物辨識(shí)技術(shù)的運(yùn)用產(chǎn)生了革命性的影響。隨著深度學(xué)習(xí)算法的不斷完善，其精度不斷提高，其技術(shù)的發(fā)展也打破原來(lái)的局限，逐步向更廣泛的方向發(fā)展。而基于深度學(xué)習(xí)的計(jì)算機(jī)技術(shù)的發(fā)展也為生物辨識(shí)系統(tǒng)的發(fā)展和應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。

二、人工智能技術(shù)在生物信息學(xué)中的應(yīng)用

（一）文本分析技術(shù)在生物信息學(xué)中的應(yīng)用

1.蛋白質(zhì)折疊識(shí)別

蛋白質(zhì)的折疊是指能夠正確地從大量的蛋白質(zhì)中提取出特定的三維立體結(jié)構(gòu)，這是目前的一個(gè)重要研究領(lǐng)域。在蛋白質(zhì)一級(jí)序列中，常用字母來(lái)表達(dá)標(biāo)準(zhǔn)型的氨基酸，而其順序則是通過(guò)文字文檔將其存儲(chǔ)到相應(yīng)的資料庫(kù)中。目前全球最大的蛋白質(zhì)順序數(shù)據(jù)庫(kù)是美國(guó)國(guó)家生化技術(shù)信息中心NR，即非基因工程數(shù)據(jù)庫(kù)。NR的數(shù)據(jù)倉(cāng)庫(kù)和普通的MySQL數(shù)據(jù)庫(kù)完全不同，它采用了fasta的形式，且信息量非常大，可以將大量的數(shù)據(jù)分析方法用于蛋白質(zhì)序列分析工作。

2.應(yīng)用原理

當(dāng)前，蛋白質(zhì)從折疊識(shí)別開(kāi)始，可以將蛋白質(zhì)的全部順序涵蓋，直至建立起三維空間，而傳統(tǒng)的研究方式則多采用“穿線法”（Threading），以目標(biāo)序列為“針”在蛋白質(zhì)的立體空間中穿行，并對(duì)其進(jìn)行精確的分析。而在蛋白質(zhì)的折疊狀態(tài)中，它的理論應(yīng)用是基于在不完全相同的前提下，它的空間構(gòu)造也具有類似的作用，這就說(shuō)明了蛋白質(zhì)具有較強(qiáng)的同源性。在生物學(xué)的發(fā)展過(guò)程中，為了確保自身的基因結(jié)構(gòu)能夠維持自身的完整，那么基因的結(jié)構(gòu)就必須維持自身的穩(wěn)定性，而基因的序列卻會(huì)受到各種變異的影響。這種特征可以用一個(gè)具有較多的保守性的蛋白質(zhì)的構(gòu)造來(lái)表示。在蛋白的折疊中，文字的解析是非常關(guān)鍵的。當(dāng)前科學(xué)研究領(lǐng)域提倡一種以文字為基礎(chǔ)、以機(jī)器學(xué)習(xí)為輔助手段的研究新思路。在使用此技術(shù)時(shí)，利用文字解析來(lái)實(shí)現(xiàn)信息查詢的功能，當(dāng)一個(gè)蛋白質(zhì)的層次結(jié)構(gòu)被明確查詢時(shí)，針對(duì)一個(gè)折疊蛋白的目標(biāo)，就是將包含概率的固定的模板，按照順序和結(jié)構(gòu)關(guān)系進(jìn)行分類。本文的研究是從整體的觀點(diǎn)出發(fā)進(jìn)行的一種策略，可以說(shuō)是利用與搜索引擎有關(guān)的方法，來(lái)達(dá)到對(duì)蛋白質(zhì)的有效的翻轉(zhuǎn)。同時(shí)，將蛋白的特性矢量（作為設(shè)計(jì)的參量）引入到機(jī)器學(xué)習(xí)中，可以對(duì)蛋白質(zhì)的序列進(jìn)行描述，并對(duì)其結(jié)構(gòu)相似度進(jìn)行解析。

3.文本存儲(chǔ)

盡管通過(guò)3D圖像可以實(shí)現(xiàn)蛋白質(zhì)結(jié)構(gòu)的展示，但真正的蛋白質(zhì)結(jié)構(gòu)的儲(chǔ)存工作是以文字形式進(jìn)行的，并且以PDB形式將其保存在有關(guān)的計(jì)算機(jī)或資料庫(kù)中。目前PDB的數(shù)據(jù)庫(kù)中，包含了160，000多個(gè)大分子的數(shù)據(jù)，其中大部分都是與蛋白質(zhì)的結(jié)構(gòu)有關(guān)的文檔。正是由于利用文字來(lái)儲(chǔ)存蛋白質(zhì)的檔案，使得文字的解析對(duì)于特定的蛋白質(zhì)結(jié)構(gòu)進(jìn)行研究，包含但不局限于從數(shù)據(jù)庫(kù)中提取資訊、充分地分析數(shù)據(jù)、篩選蛋白的選擇等等。

4.蛋白質(zhì)分類

從外觀和使用的作用上，可以把整個(gè)機(jī)體的蛋白質(zhì)分為纖維蛋白、球蛋白、膜蛋白三大類別。在蛋白質(zhì)中，膜蛋白是一種比較特別的物質(zhì)，其二次構(gòu)造的預(yù)測(cè)精度不高。主要的成因在于，由于膜蛋白質(zhì)處于生物膜的內(nèi)部，因此跨膜區(qū)與非跨膜區(qū)的膜蛋白質(zhì)，不論其現(xiàn)實(shí)的差別，或其特定的作用均有很大差別。因此，膜蛋白與球蛋白的生物化學(xué)性質(zhì)是截然不同的。準(zhǔn)確獲取跨膜區(qū)及非跨膜區(qū)的膜蛋白質(zhì)的信息，有助于準(zhǔn)確地評(píng)價(jià)膜蛋白質(zhì)的生物活性。顯然，針對(duì)細(xì)胞膜蛋白質(zhì)的二級(jí)構(gòu)造進(jìn)行預(yù)測(cè)，是未來(lái)的一個(gè)主要發(fā)展趨勢(shì)。

（二）Docker技術(shù)在生物信息學(xué)中的應(yīng)用

1.技術(shù)優(yōu)勢(shì)

Docker不但擁有開(kāi)放的資訊，而且能夠在應(yīng)用中確保其安全性和可靠性，因此對(duì)于生物資訊科學(xué)的實(shí)際使用很有意義。首先，是跨平臺(tái)支持。隨著生物信息學(xué)的不斷發(fā)展，各種信息資料以幾何倍數(shù)的速度增加，270多種開(kāi)放源代碼的技術(shù)都被用于了生物學(xué)領(lǐng)域。但是，很多實(shí)用的工具，都是由C++、Python等多種編程語(yǔ)言來(lái)實(shí)現(xiàn)，每一門語(yǔ)言都有自己獨(dú)特的應(yīng)用場(chǎng)景和配置。Docker可以在任何情況下，為用戶在各種場(chǎng)合下的應(yīng)用程序和性能提供最好的支持。其次，是集成服務(wù)器。它要做大量的數(shù)據(jù)分析，比如序列比對(duì)、基因組注釋等等，并不需要太多的數(shù)據(jù)存儲(chǔ)和維護(hù)。由于不清楚特定的資源效應(yīng)，使得很多獨(dú)立的研究機(jī)構(gòu)很難利用現(xiàn)有的序列信息，從而增加了對(duì)基因的研究的困難。Docker可以將所有的計(jì)算資源都集中起來(lái)，并且靈活地進(jìn)行擴(kuò)展，在最少的開(kāi)銷下，將所有的硬件都發(fā)揮到極致。最后是高效開(kāi)發(fā)。在進(jìn)行數(shù)據(jù)分析時(shí)，不管是輸入還是輸出，都需要龐大的數(shù)據(jù)處理能力，這就造成了很多測(cè)試數(shù)據(jù)都是GB級(jí)的，而省里和國(guó)家的研究，往往也是GB級(jí)的，這就造成了很多問(wèn)題的重復(fù)和修改，這就造成了很多應(yīng)用程序的重復(fù)。不過(guò)Docker可以在一個(gè)地方的計(jì)算機(jī)上生成幾十個(gè)存儲(chǔ)數(shù)據(jù)和 Docker的鏡像，這樣就可以有效地進(jìn)行在線仿真練習(xí)。另外，開(kāi)放源碼社群還為你的鏡像提供了許多的調(diào)試工具，可以讓你的鏡像變得更好，同時(shí)也可以降低對(duì)你的需求。此外，就是有效地使用各種資源，在生物信息領(lǐng)域，高通量的測(cè)序儀所能提供的信息遠(yuǎn)遠(yuǎn)超出了摩爾定律的極限，而二次世代的基因序列技術(shù)，雖然比前一代的基因序列要多出幾百到一千倍。Docker可以讓啟動(dòng)速度達(dá)到秒級(jí)，并具備更好的運(yùn)算速度，這樣就可以專注于數(shù)據(jù)的解析，節(jié)省了大部分的生產(chǎn)過(guò)程，減少系統(tǒng)的負(fù)荷并提升整個(gè)應(yīng)用的效率。

2.分析工具

Docker可以將大量的實(shí)用儀器和相關(guān)的數(shù)據(jù)資料打包到一個(gè)沒(méi)有任何重復(fù)的鏡像中，為分析者創(chuàng)造了一個(gè)方便的環(huán)境。NanoOK是以BLASR、BWA等技術(shù)組成的，它的作用是進(jìn)行多個(gè)序列的對(duì)比和序列的匹配，而其具體作用是利用大基因組進(jìn)行全面的對(duì)比，從而進(jìn)行更加全面的多基因比對(duì)。而SBMLDock，將被試的對(duì)象作為數(shù)據(jù)模型，將各個(gè)模型的結(jié)構(gòu)進(jìn)行比較，從而實(shí)現(xiàn)對(duì)各個(gè)模塊的識(shí)別和解釋，以及從數(shù)據(jù)中抽取出相應(yīng)的數(shù)據(jù)，從而實(shí)現(xiàn)對(duì)生物的系統(tǒng)的分析。FloweatchR則是利用EBImage技術(shù)，將細(xì)胞的影像以微觀形態(tài)進(jìn)行提取，并進(jìn)行分析，以此來(lái)判斷細(xì)胞在被探測(cè)到的過(guò)程中的真正位置，以及細(xì)胞受到外界刺激時(shí)的運(yùn)動(dòng)，最終得到細(xì)胞的運(yùn)動(dòng)軌跡。利用大量的數(shù)據(jù)，在標(biāo)準(zhǔn)的輸入和輸出過(guò)程中，實(shí)現(xiàn)了系統(tǒng)的參數(shù)管理，同時(shí)還可以讓不同的分析工具使用相同的界面，大大減少了以前的軟件部署的困難，提高了系統(tǒng)的分析速度，也解決了以前的資源分享問(wèn)題。更有代表性的是SBMLDock可以用SBML的形式來(lái)編寫對(duì)數(shù)的資料。

3.分析流程

Docker能夠?qū)⒏鞣N技術(shù)的軟件組合起來(lái)，并將它們組合成一個(gè)完整的鏡像，使技術(shù)工作者能夠在使用過(guò)程中維持同樣的執(zhí)行準(zhǔn)則。另外，根據(jù)特定的分析過(guò)程來(lái)制造Docker的影像，也可以作為生物資訊的一個(gè)應(yīng)用結(jié)果。比如，將Illumina HiSeq數(shù)據(jù)平臺(tái)提供序列化的數(shù)據(jù)，就可以為Docker的鏡像進(jìn)行數(shù)據(jù)傳送、實(shí)現(xiàn)Docker的實(shí)際操作，以及將諸如FastQC等各種工具的鏡像進(jìn)行包裝。此外，還可以進(jìn)行基因工程的研究，進(jìn)行基因的評(píng)價(jià)和比較，篩選出最有參考意義的基因，供今后的試驗(yàn)選用。利用Tophat2的工具，可以完成RNA的全部解析，并將其作為一種數(shù)據(jù)，儲(chǔ)存在適當(dāng)?shù)膬?chǔ)存裝置中，SAKE會(huì)對(duì)基因的變化進(jìn)行全方位的檢測(cè)，提高分析的速度，而B(niǎo)LAST可以將測(cè)試的目標(biāo)設(shè)定為不特定的RNA。利用Docker的方法，可以減少許多耗費(fèi)計(jì)算機(jī)的工作量，減少?gòu)?fù)雜的數(shù)據(jù)處理，使其在重復(fù)使用上獲得了廣泛的支持。利用Galaxy的數(shù)據(jù)處理系統(tǒng)，利用SADI的前端，以及從視覺(jué)上的角度，對(duì)Docker進(jìn)行了分析，從而實(shí)現(xiàn)了對(duì)UniProt數(shù)據(jù)庫(kù)的高效率的存取和精確的數(shù)據(jù)檢索，對(duì)數(shù)據(jù)的有效統(tǒng)計(jì)，以及對(duì)問(wèn)題的及時(shí)跟蹤，確保了對(duì)程序的快速反應(yīng)，提高了檢測(cè)的品質(zhì)，更方便地使用。

三、信息安全領(lǐng)域中生物識(shí)別技術(shù)和人工智能融合

（一）以人臉識(shí)別為基礎(chǔ)的生物識(shí)別技術(shù)算法分析

從人臉識(shí)別的整個(gè)過(guò)程來(lái)看，圖像預(yù)處理是最重要的一步，因?yàn)樵谌四樀淖R(shí)別過(guò)程中，影像的品質(zhì)會(huì)直接關(guān)系到人臉的檢測(cè)和對(duì)比度[3]。而當(dāng)人臉是由攝像機(jī)拍下的時(shí)候，得到的影像會(huì)受到一系列的因素的干擾，從而導(dǎo)致影像與原始物體之間的差別很大，難以進(jìn)行有效的辨識(shí)。在大部分的圖像前處理中，通常采用的是灰度化和直方圖均衡以及圖像濾波去噪聲等。在進(jìn)行圖像處理時(shí)，最常見(jiàn)的是RGB格式，由于光照等原因，RGB彩色模式必須采用RGB模式。直方圖平衡是通過(guò)增強(qiáng)圖像的區(qū)域?qū)Ρ刃裕ㄟ^(guò)直方圖的幫助，使得圖像的亮度均勻分配，增強(qiáng)了局部的對(duì)比性，而不會(huì)對(duì)整個(gè)圖像的反差產(chǎn)生任何的影響。在進(jìn)行了預(yù)處理之后，要對(duì)臉部特征進(jìn)行有效的抽取，其中包含了哈爾特征、LBP特征和Gabor特征。只有在對(duì)人臉進(jìn)行預(yù)處理和面部特性的描述之后，才能對(duì)目標(biāo)進(jìn)行有效的人臉識(shí)別。利用電腦技術(shù)對(duì)影像資料進(jìn)行加工，并采用辨識(shí)技術(shù)進(jìn)行有效辨識(shí)，并與資料庫(kù)中的資料進(jìn)行比較，以實(shí)現(xiàn)辨識(shí)。

（二）在金融信息安全領(lǐng)域的應(yīng)用

在世界范圍內(nèi)，我們國(guó)家的外匯市場(chǎng)在國(guó)際上占有舉足輕重的地位，地位僅次于美國(guó)。在美國(guó)，以信用卡為主導(dǎo)的國(guó)內(nèi)金融業(yè)務(wù)中，移動(dòng)電話付款占有很大比重[4]。為了保證財(cái)務(wù)信息的安全，美國(guó)大部分的金融業(yè)都采用了人臉識(shí)別和指紋識(shí)別等生物識(shí)別技術(shù)[4]。

（三）在個(gè)人身份信息安全認(rèn)證中的應(yīng)用

由于美國(guó)的許多機(jī)場(chǎng)都采用了生物辨識(shí)技術(shù)，因此在很多機(jī)場(chǎng)都采用了這種個(gè)人身份信息安全認(rèn)證技術(shù)。在國(guó)內(nèi)，人們普遍采用了生物技術(shù)進(jìn)行個(gè)人身份信息的安全性驗(yàn)證，并在最近幾年中收到了顯著的效果[5]。

（四）在門禁系統(tǒng)中的應(yīng)用

對(duì)于高級(jí)別的組織而言，他們的保密措施對(duì)于保證機(jī)密和關(guān)鍵信息的安全起著非常關(guān)鍵的作用，所以近年來(lái)各大組織紛紛采用了生物識(shí)別技術(shù)，以防止信息泄露和其他潛在的危險(xiǎn)。在身份驗(yàn)證中，采用了人臉、指紋、虹膜、語(yǔ)音等多種身份驗(yàn)證，從而確保了身份的安全。

（五）智能終端設(shè)備與生物識(shí)別技術(shù)的聯(lián)合應(yīng)用

近幾年，隨著科技的發(fā)展，智能手機(jī)越來(lái)越受到大眾的歡迎，而在目前的科技發(fā)展中，通過(guò)與生物技術(shù)相結(jié)合的方式，可以通過(guò)指紋和面部的技術(shù)來(lái)完成。在2018年，生物辨識(shí)技術(shù)在手機(jī)上的使用量已達(dá)到了50%以上，其中大部分都用于解鎖手機(jī)，解密隱私文件，手機(jī)的密碼認(rèn)證。

（六）在智能化場(chǎng)景中的應(yīng)用

在信息安全方面，將其與人工智能技術(shù)結(jié)合起來(lái)，可以避免信息丟失和泄露，從而更好地保護(hù)信息的安全，二者結(jié)合已被廣泛地用于許多智能化的場(chǎng)合。比如，現(xiàn)在許多車輛在開(kāi)關(guān)啟動(dòng)、車鎖應(yīng)用和監(jiān)控上都采用了生物辨識(shí)技術(shù)和人工智能技術(shù)[6]。

四、結(jié)束語(yǔ)

當(dāng)前生物技術(shù)和人工智能技術(shù)在信息安全行業(yè)中的應(yīng)用越來(lái)越廣泛，在今后的發(fā)展中，它的市場(chǎng)將會(huì)越來(lái)越大，發(fā)展方向也會(huì)逐漸多樣化。因此人工智能在生物技術(shù)領(lǐng)域的實(shí)際應(yīng)用，是未來(lái)各行業(yè)發(fā)展與研究的重點(diǎn)。

作者單位：趙心慧 華中師范大學(xué)

參? 考? 文? 獻(xiàn)

[1]唐代興. 基因工程和人工智能：人類向后人類演進(jìn)的不可逆風(fēng)險(xiǎn)與危機(jī)[J]. 江海學(xué)刊，2020（03）：111-117.

[2]李懷勝. 濫用個(gè)人生物識(shí)別信息的刑事制裁思路——以人工智能“深度偽造”為例[J]. 政法論壇，2020，38（04）：144-154.

[3]張昌盛. 人工智能、缸中之腦與虛擬人生——對(duì)元宇宙問(wèn)題的跨學(xué)科研究[J]. 重慶理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2021，35（12）：52-63.

[4]周禎，閆超，張辰宇. 人工智能生物學(xué)——生物學(xué)3.0[J]. 中國(guó)科學(xué)：生命科學(xué)，2022，52（03）：291-300.

[5]韓水法. 人工智能時(shí)代的人文主義[J]. 中國(guó)社會(huì)科學(xué)，2019（06）：25-44，204-205.

[7]孟琪. 人工智能時(shí)代個(gè)人信息的法律保護(hù)[D].北京交通大學(xué)，2021.

趙心慧（2002.06-），女，漢族，山東德州，華中師范大學(xué)2020級(jí)生命科學(xué)學(xué)院在校大三學(xué)生。