基于生物特征的可信身份計算是刷臉支付的核心技術，準確性和安全性是其關鍵指標。日前由中國國際光電博覽會、麥姆斯咨詢、中新嘉善共同主辦的“人臉識別·金融支付”創(chuàng)新峰會上，騰訊優(yōu)圖實驗室的高級研究員、人臉識別技術負責人李紹欣發(fā)表演講，分享了騰訊優(yōu)圖實驗室針對金融支付場景研發(fā)的可信身份計算的技術，暢想了未來提供可信身份計算進一步發(fā)展的思路。

說到人臉識別，普通的大眾用得比較多的還是人臉的核身，這是人臉識別技術真正落地的第一個應用，應用大概開始于2013年，也是深度學習技術引入到人臉識別這個領域之后技術的爆發(fā)。雖然現在行業(yè)的理解認為人臉核身的技術很成熟，但是金融支付對于人臉識別的挑戰(zhàn)比人臉核身要求更高，尤其是準確性和安全性的要求，所以辨識算法和活體算法都有挑戰(zhàn)。為了應對挑戰(zhàn)，騰訊優(yōu)圖在辨識算法和活體算法方面需要不斷地優(yōu)化和沉淀，打造了優(yōu)圖可信身份計算一系列的技術來保證金融級的支付安全。

優(yōu)圖可信身份計算分為兩部分，一個是辨識算法，一個是活體檢測算法。優(yōu)圖可信身份計算在辨識算法從全局的學習策略、多模態(tài)交叉驗證、質量評估/建模、普惠公平性優(yōu)化等四方面來全面提升辨識算法精度。 活體算法有三圖輸入，不同模態(tài)對不同類型的攻擊有不同的防御作用，Depth(深度)對屏幕比較簡單2D攻擊有防御效果。IR（紅外）對3D硅膠面具比較好，優(yōu)圖針對設計了集連式3D的防御系統，進一步提升了安全性。同時為了提高活體算法在不同場景下的泛化效果優(yōu)圖設計了一種迭代式聚類的方法來混合域數據，通過元學習框架來提取魯棒的泛化性特征；探索了更高效的黑盒攻擊方法攻防對抗知己知彼；針對人臉編輯，優(yōu)圖提出了基于局部模式檢測的方法，促進偽造痕跡的捕捉。

通過優(yōu)圖可信身份計算的一系列優(yōu)化以及和合作伙伴的共同努力，目前優(yōu)圖的辨識算法和活體檢測算法均已獲得BCTC官方檢測認證。優(yōu)圖也希望和行業(yè)合作伙伴一起來推動刷臉支付，讓它成為每個老百姓都能用到的普惠AI技術。 現場優(yōu)圖還探討了關于“0”誤識支付方案的一些暢想和嘗試。比如布局多生物特征融合方案（如雙因子人臉+掌紋方案），經過近一年的布局目前單RGB掌紋的水平在億分之一左右，掌臉融合方案的理論可支撐精度可以達到10^-22以上，完全有潛力實現全國范圍內的“0”誤識金融支付方案。 最后，李博也提到金融支付這個領域生物特征識別和新型硬件的探索還有更多的機會，隨著這些年的技術發(fā)展金融支付領域的人臉識別技術已經進一步成熟，現在的重點肯定是刷臉支付。行業(yè)發(fā)展任重道遠，需要大家一起努力暢想未來。

責任編輯：lq