注：原文發(fā)布于2015年8月13日

移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展，給眾多傳統(tǒng)行業(yè)帶來(lái)創(chuàng)新的機(jī)會(huì)，同樣為金融市場(chǎng)變革創(chuàng)造難得的機(jī)遇。

用戶身份認(rèn)證是互聯(lián)網(wǎng)金融發(fā)展的基石。今年三月，在德國(guó)漢諾威舉辦的IT展覽會(huì)上，馬云向德國(guó)總理默克爾和中國(guó)副總理馬凱展示支付寶的“刷臉”支付，引起了人們對(duì)人臉識(shí)別技術(shù)的熱議。在WOT2015 移動(dòng)互聯(lián)網(wǎng)開(kāi)發(fā)者大會(huì)上，51CTO記者對(duì)螞蟻金服高級(jí)技術(shù)專家張潔進(jìn)行了專訪，獨(dú)家解秘褪去層層面紗之后的人臉識(shí)別技術(shù)實(shí)現(xiàn)的的原理、框架和工程實(shí)踐。 

[[180461]]

張潔，螞蟻金服高級(jí)專家，曾獲中國(guó)國(guó)家科技進(jìn)步三等獎(jiǎng)。《Linux就是這個(gè)范兒》一書(shū)作者。帶領(lǐng)螞蟻金服生物識(shí)別技術(shù)團(tuán)隊(duì)“柒車(chē)間”參與支持寶人臉識(shí)別實(shí)名認(rèn)證等項(xiàng)目。曾在美國(guó)、日本、加拿大和中國(guó)的多家高科技企業(yè)擔(dān)任過(guò)技術(shù)總監(jiān)等職，參與研發(fā)的Jack of Spades Combo卡于1999年3月獲得北美權(quán)威的PC Magazine雜志的Editors' Choice獎(jiǎng)、PC Computing MVP Finalist Award大獎(jiǎng)。

生物識(shí)別于移動(dòng)支付場(chǎng)景下加速普及

傳統(tǒng)的賬號(hào)+密碼+短信驗(yàn)證碼的身份驗(yàn)證方式已無(wú)法滿足移動(dòng)互聯(lián)網(wǎng)金融下的安全需求，也不能使用戶獲得更好的體驗(yàn)。

隨著深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和人工智能等技術(shù)的發(fā)展，生物識(shí)別技術(shù)逐漸成熟。所謂生物識(shí)別技術(shù)就是利用人體固有的、具有唯一性的先天生物生理特征，像人臉、指紋、掌紋等，和后天形成的行為習(xí)慣，如筆跡、鍵盤(pán)行為，手機(jī)操作的觸屏行為，甚至握手機(jī)的姿勢(shì)等。來(lái)進(jìn)行身份鑒定。

從應(yīng)用的角度來(lái)講，生物識(shí)別技術(shù)可以解決兩類(lèi)問(wèn)題，身份驗(yàn)證和身份識(shí)別。

• 身份驗(yàn)證是判斷待識(shí)別用戶是否是他所聲明的身份，只需要將輸入的用戶特征與數(shù)據(jù)庫(kù)中所存儲(chǔ)的該身份的模板特征相比對(duì)，是一對(duì)一的比較;
• 身份識(shí)別是利用注冊(cè)用戶數(shù)據(jù)庫(kù)來(lái)確定待識(shí)別用戶的身份，需要將輸入的用戶特征與庫(kù)中所有的身份模板特征進(jìn)行比對(duì)并給出相似度，來(lái)判別待識(shí)別用戶與庫(kù)中哪個(gè)身份相似度最高，是一對(duì)多的比較。

生物特征因其固有的屬性不容易被仿制、盜用，使其安全性大大提高；而且生物識(shí)別的認(rèn)證過(guò)程更加方便，它不需要用戶再費(fèi)盡心思記憶一長(zhǎng)串密碼。由此可見(jiàn)，生物識(shí)別技術(shù)將在移動(dòng)金融領(lǐng)域具有更加廣泛的應(yīng)用場(chǎng)景。

人臉識(shí)別成新寵  “刷臉”真的靠譜嗎?

早在十多年前，一些商業(yè)性的人臉識(shí)別系統(tǒng)就逐漸進(jìn)入市場(chǎng)，但卻一直處于摸索階段，人們對(duì)其性能和準(zhǔn)確率一直持懷疑態(tài)度。那么在眾多生物識(shí)別技術(shù)中，“柒車(chē)間”為何專注于對(duì)“刷臉”的技術(shù)研究?他們?nèi)绾螒?yīng)對(duì)“整容了怎么辦雙胞胎怎么辦、卸妝了怎么辦”等技術(shù)挑戰(zhàn)的呢?

人臉識(shí)別技術(shù)

生物識(shí)別技術(shù)的關(guān)鍵是將生物特征數(shù)字化。張潔坦言，人臉識(shí)別技術(shù)采集成本較低，便利性較高，所以發(fā)展得比較迅速，但信息的穩(wěn)定性和可靠性相對(duì)較弱。在移動(dòng)金融領(lǐng)域，人臉識(shí)別技術(shù)本身的精密性和背后安全性要求，遠(yuǎn)比其他領(lǐng)域高得多，使之確實(shí)存在許多技術(shù)難點(diǎn)。

支付寶人臉識(shí)別深度學(xué)習(xí)采用的是x60人臉區(qū)域(patch)的多層卷積神經(jīng)網(wǎng)絡(luò)(CNN)。CNN有三個(gè)核心，局部感知 、全值共享、時(shí)間或空間亞采樣，這三種思想的結(jié)合保證了在一定程度上獲得位移、尺度和形變不變性，用這種方法學(xué)習(xí)出來(lái)的特征對(duì)提高識(shí)別率有很大好處。

多CNN結(jié)構(gòu)

預(yù)處理——在人臉識(shí)別預(yù)處理的時(shí)候，首先對(duì)關(guān)鍵特征點(diǎn)檢測(cè)、旋轉(zhuǎn)、兩眼距離的歸一以及圖像切割等方法進(jìn)行人臉對(duì)齊;然后使用不同尺度進(jìn)行多通道的歸一。

信息學(xué)習(xí)——在特征關(guān)鍵點(diǎn)截取出多個(gè)人臉信息進(jìn)行學(xué)習(xí)，在每個(gè)人臉區(qū)域上學(xué)習(xí)一個(gè)CNN用于提取該區(qū)域的特征。由于截取了多個(gè)人臉區(qū)域，所以對(duì)人臉對(duì)齊要求不是很高。識(shí)別特征提取后用 Joint Bayesian 分類(lèi)器來(lái)判定是否來(lái)自同一個(gè)人。在訓(xùn)練過(guò)程中，使用Dropout 對(duì)于使用梯度法來(lái)訓(xùn)練網(wǎng)絡(luò)是有必要的，如果不用Dropout 的話，學(xué)習(xí)高維度特征會(huì)帶來(lái)梯度擴(kuò)散，也就是過(guò)擬合問(wèn)題。

訓(xùn)練和預(yù)測(cè)——好的算法結(jié)構(gòu)建立起來(lái)后，需要有好的訓(xùn)練和預(yù)測(cè)的平臺(tái)來(lái)駕馭它。張潔的建議是訓(xùn)練時(shí)適合采用GPU，而預(yù)測(cè)的時(shí)候適合采用CPU。因?yàn)橛?xùn)練是離線的，對(duì)穩(wěn)定性和安全性要求不高，但數(shù)據(jù)量非常大，而GPU在批量運(yùn)算的速度方面有很大優(yōu)勢(shì)。另一方面，預(yù)測(cè)是在線的，CPU方案比較成熟，可以降低運(yùn)維成本，而且易于擴(kuò)展。

通過(guò)數(shù)十億張人臉圖像數(shù)據(jù)的訓(xùn)練后，目前螞蟻金服人臉識(shí)別系統(tǒng)的準(zhǔn)確率已經(jīng)居于國(guó)內(nèi)外領(lǐng)先水平，某種程度上說(shuō)，機(jī)器對(duì)人臉的識(shí)別已經(jīng)超過(guò)肉眼。

#p#

人臉識(shí)別應(yīng)用于移動(dòng)金融領(lǐng)域的風(fēng)險(xiǎn)控制

人臉識(shí)別已經(jīng)越來(lái)越多地被引入到金融領(lǐng)域，尤其是新型的移動(dòng)支付業(yè)務(wù)中。雖然生物識(shí)別具有很多的安全性，但一旦出現(xiàn)被盜用等問(wèn)題，后果很難挽回。張潔建議在應(yīng)用到支付領(lǐng)域時(shí)，人臉識(shí)別技術(shù)主要是解決身份認(rèn)證問(wèn)題，要在保證安全的基礎(chǔ)上進(jìn)一步提升用戶的使用體驗(yàn)，并分享了螞蟻金服的實(shí)踐經(jīng)驗(yàn)。

多層次閉環(huán)安全技術(shù)體系

人臉識(shí)別技術(shù)是建立在螞蟻金服多層次、閉環(huán)的安全技術(shù)體系之上的，具體包括終端與系統(tǒng)攻防保護(hù)、身份認(rèn)證、風(fēng)險(xiǎn)識(shí)別與評(píng)估、風(fēng)險(xiǎn)決策與管控、核查與深度分析五個(gè)環(huán)節(jié)。這幾個(gè)步驟完成之后，最終的結(jié)果會(huì)實(shí)時(shí)的反饋到技術(shù)防控環(huán)節(jié)中，不斷增強(qiáng)這個(gè)循環(huán)的效果。

利用大數(shù)據(jù)識(shí)別可疑交易

除了通過(guò)生物特征和生物行為外，支付寶還結(jié)合用戶的行為軌跡和社會(huì)關(guān)系等多維度的數(shù)據(jù)全面刻畫(huà)和分析用戶，有效地進(jìn)行用戶識(shí)別和管理。在用戶利用鍵盤(pán)輸入卡號(hào)或密碼時(shí)，無(wú)痛地采集用戶在各個(gè)鍵上的按下和抬起的時(shí)間間隔，形成了用戶自己特有的一串安全秘鑰。用戶在沒(méi)有被打擾的情況下，已經(jīng)優(yōu)雅地為其建立了機(jī)器學(xué)習(xí)模型，這個(gè)模型與螞蟻金服的其他數(shù)據(jù)模型一起工作，提高了用戶可信行為分析的準(zhǔn)確性。

活體檢測(cè)

活體檢測(cè)是互聯(lián)網(wǎng)人臉識(shí)別產(chǎn)品應(yīng)用的第一道防線。用戶根據(jù)系統(tǒng)指令交互式配合做出所要求的姿態(tài)、動(dòng)作或表情，比如眨眼、左右搖頭、張嘴閉嘴等來(lái)判斷用戶是否是活體用戶，另外進(jìn)一步利用三維建模技術(shù)加強(qiáng)防偽攻擊的能力。

驗(yàn)證方案

在風(fēng)險(xiǎn)控制為前提下，利用“遠(yuǎn)程人臉識(shí)別+身份證件核實(shí)”方式可以實(shí)現(xiàn)對(duì)用戶的強(qiáng)身份驗(yàn)證。用戶通過(guò)網(wǎng)絡(luò)銀行提供的移動(dòng)應(yīng)用程序在可信環(huán)境中運(yùn)行采集用戶的人臉特征，利用公私鑰加密和簽名策略，把人臉信息/特征上傳到人臉識(shí)別服務(wù)器進(jìn)行比對(duì)，然后返回比對(duì)結(jié)果給移動(dòng)客戶端。人臉識(shí)別確保是移動(dòng)設(shè)備機(jī)主本人在進(jìn)行操作，并且保障強(qiáng)認(rèn)證過(guò)程的確為用戶本人辦理，再通過(guò)對(duì)身份證的校驗(yàn)保障用戶身份信息的真實(shí)有效。

生物識(shí)別未來(lái)應(yīng)用場(chǎng)景廣闊

在采訪最后，張潔老師為我們展望了生物識(shí)別技術(shù)廣闊的應(yīng)用場(chǎng)景，如通過(guò)“刷臉”、掌紋認(rèn)證進(jìn)行人員的管理和智能監(jiān)控，利用掌紋進(jìn)行汽車(chē)開(kāi)鎖，通過(guò)臉形搭配服裝，通過(guò)膚質(zhì)推薦化妝品，包括類(lèi)似目前非常熱的“猜年齡”這樣娛樂(lè)性的應(yīng)用等等。

生物識(shí)別技術(shù)的發(fā)展一定會(huì)帶給我們更加安全、便捷、豐富多彩的生活。雖然生物識(shí)別技術(shù)現(xiàn)階段還存在諸多不足，但對(duì)未來(lái)人臉識(shí)別技術(shù)的發(fā)展空間，我們還是應(yīng)該持有樂(lè)觀的態(tài)度。