小学生画撇胡子骗过AI年龄验证，硅谷工程师沉默了

一句话看懂：一名12岁男孩用眉笔画上假胡子，就轻松骗过某社交平台的AI年龄验证系统，被判定为15岁。这起事件揭示了当前轻量级人脸年龄估算技术在对抗简单伪装时的脆弱性，也暴露了平台在隐私保护与验证准确性之间的取舍困境。

事件核心：发生了什么

据AIbase报道，在各国监管机构加大对未成年人网络保护力度的背景下，多家社交媒体平台推出了端侧人脸年龄估算方案——所有计算都在用户手机或电脑本地完成，无需上传照片到服务器以保护隐私。然而，一名12岁的男孩在嘴唇上方用眉笔画上胡子后，该系统将他判定为15岁，顺利通过验证。更极端的测试显示，有用户仅在一根大拇指上画两个点和一条线模拟“眼睛和嘴巴”，按照指示在摄像头前左右转动头部后，AI同样给出了13至15岁的年龄结论。

为什么重要

这一事件直接暴露了轻量级人脸年龄模型在算力约束下的技术短板。为了避免侵犯用户隐私，平台选择完全运行在设备端的推理模型，手机或电脑的有限计算资源迫使模型无法使用大参数量的深层网络，主要依赖眼睛和皮肤纹理等局部视觉特征进行模糊推断。同时，为了避免在初期推广阶段误堵大量正常用户，平台在算法中设置了相当宽松的判断阈值——这种“可接受误判”的设计本意是为用户体验让步，却正好为精心设计的低技术伪装留下了作弊空间。对于正在全球范围内推进未成年人保护合规的硅谷公司而言，这意味着“隐私友好”与“精准拦截”之间需要重新权衡，单纯依赖端侧轻量模型可能难以达到监管预期的效果。

对普通用户/开发者/创作者的影响

对普通用户而言，这一测试表明当前的AI年龄验证远非可靠，未成年人若想绕过限制仍有极低成本的方式，家长不应过度依赖这类技术手段来管理孩子的网络行为。对开发者与AI产品团队来说，这一案例提供了一个明确的警示：在部署人脸年龄估算等敏感功能时，仅仅承诺“本地推理、不上传数据”并不够，还需要在模型鲁棒性、对抗样本防御和阈值调优上增加投入。对模型训练者而言，应考虑在训练数据中加入伪造道具（如胡子、涂鸦、面具）的数据增强策略，同时引入多帧融合或微表情分析来增加欺骗成本。对后端API的开发者也值得关注：如果未来监管要求强制年龄验证，端侧方案若持续存在漏洞，平台可能不得不引入服务器端二次校验，这将改变产品逻辑并增加算力成本。

值得关注的后续

涉事平台是否会针对此类低技术攻击更新模型（例如增加“面部异常标志检测”），或调整验证阈值与重试策略。
类似端侧年龄估算方案能否在接下来的监管合规审计中通过，或者硅谷公司是否会回到混合验证（端侧+云端二次比对）的老路上。
OpenAI、Google、Meta等公司在年龄验证领域是否有更成熟的技术储备，是否会以开源或API形式推出对抗性更强的年龄估算模型。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

来源：AIbase

小学生画撇胡子骗过AI年龄验证，硅谷工程师沉默了