跟着社会快速开展，高科技产品层出不穷，其间就包含人脸辨认技能。咱们对这一技能并不生疏，因为人脸辨认在咱们日常日子中有许多运用。它作为根据脸部特征信息进行身份辨认的一种生物辨认技能，在各种的软件、银行体系以及工作室里都随处可见。

　　许多人以为，已然被广泛运用，那人脸辨认技能一定是安全可靠的——这并不一定。单在互联网金融场景中，就屡次曝出因为人脸辨认体系漏洞导致的身份被冒用而使得个人财产遭受丢失的事例，这样的新闻常见报端。

　　为了了解这项技能在互金职业中运用现状，咱们特别对话了业界资深的人脸辨认技能专家曾定衡，和他聊聊人脸辨认技能的二三事。

　　作为业界专家，曾定衡先生从事人脸辨认技能的研制近十年，从安防场景的人脸检索到金融场景的身份核验及防伪，对人脸辨认技能的演进和运用有十分深入的了解。现在，由他所担任的相关算法和产品，已服务于金融、稳妥、信任等在线核身事务多年。

　　“在金融范畴，根据人脸辨认的身份核验技能，已经成为了线上及线下事务的惯例身份辨认手法，且在某些事务中归于必需的环节。因为只要个人生物特征才具有唯一性，比较传统的暗码和短信验证码，更能证明‘你便是你’的问题。有了在线身份核验的技能，用户能够长途完结简直一切金融事务处理，如开户，请求信誉额度，透支消费，提现等。无需像曩昔那样有必要亲临网点，临柜处理，大大节省了用户和金融组织的时刻和人力本钱。”根据人脸辨认技能在互联网金融范畴的运用现状，曾定衡说。

　　曾定衡还表明，虽然在金融范畴大受欢迎，但人脸辨认技能现在在互金范畴依然存在一些应战，其间最首要的有三点：

　　一是互金范畴的核身一般是在线的办法，用户环境不可控，核身的技能受限于硬件设备，一般是用户的移动终端或个人电脑，无法搭载具有更高安全防伪才能的特别硬件，如近红外相机，3D结构光相机等。

　　二是金融事务直接与钱相关，利益驱动之下，有许多存在侥幸心理的个人用户或专业黑产，通过盗用别人身份信息，在线处理金融事务，进行透支或套现，不合法牟利，作案本钱低且难以追责。

　　三是跟着人工智能技能的开展与开源同享，对立身份核验技能的手法也愈加简单获取，且进犯办法总是先于防护手法呈现。

　　曾定衡自研讨生阶段就开端从事人脸辨认方面的算法研讨。跟着深度学习迅猛开展，根据深度神经网络的人脸辨认相关算法，精度逐渐超越了传统办法，在大规模底库以及杂乱场景，如千万级静态人脸库检索，安防监控实时抓拍辨认等运用方向，到达了实用化的水平。

　　研讨生结业后，曾定衡带领团队从事人脸辨认相关算法的研制，首要落地的场景有安防、社保等范畴。不同范畴对算法的要求侧重点有很大不同，安防场景着重人脸比对算法的精度，面对的首要应战为监控摄像头抓拍的人脸一般为低分辨率，低清晰度，人脸姿势不可控，光照不可控带来的辨认率低的问题；别的因为需求处理上千路摄像机抓拍的图画，比对的底库一般为十万或以上的量级。以上两个问题叠加后，对算法的功能要求极高，想到达较高的准确率，有必要搜集整理实践场景的数据不断迭代，优化模型。

　　此外，社保范畴的人脸辨认运用首要为在线身份核验，包含活体检测和人脸比对两个环节，与金融场景相似。但不同的是运用该体系的均为老年人，其身份证处理时刻一般超越10年乃至20年，相较于身份证照收集时，用户的面部改变一般比较大，比对模型需有很好的跨年纪泛化才能；别的在活体检测环节，配合式的活体校验办法（如眨眼，摇头，点头号）对老年人十分不友好，这就要求选用一些非配合式但又满足安全的活体检测算法来适配该场景。

　　为了探究和推动人脸辨认技能在更多范畴的运用，曾定衡于五年前入职一家消费金融公司，专心于金融场景下身份核验技能的研制。从人脸比对到活体检测，从根底核验到增强防伪，自研了一系列金融核身相关的算法，逐渐代替了第三方身份核验技能，形成了技能和数据的闭环，防止用户的印象数据外发导致的灵敏信息走漏危险。人脸比对模型的优化方面，处理了低质量图画修正的问题以及怎么运用海量但极度不均衡的数据来优化模型的问题。

　　在线身份核验这类运用场景中，活体检测技能仅能依托手机或PC自带的一般摄像头收集用户的人脸图画或视频，也即只能运用RGB单模态图画数据进行方针人脸的活体性断定，这关于一些活体进犯手法如：高清打印的相纸，高清显示屏，3D人脸面具，3D人脸头模等，检测算法想要到达易用性和安全性兼得就比较困难。

　　但是互联网信贷事务又确实需求两者俱佳的核验算法，易用性差会丢失用户，安全性差则会带来更高的违约危险。“咱们的安全算法团队，多年来不间断进行各类进犯模仿堆集数据，调整算法模型，在产品规划和战略上做优化，打造了针对不同场景下最佳适配的活体检测算法，包含了根据数字唇语图画&语音辨认的活体检测，炫光活体检测，单帧图画静默活体检测等。”曾定衡说。

　　深度假造人脸视频技能则是一种更具要挟性的活体进犯办法。现在各类换脸算法的进化和换脸东西的出现，使得仅靠一张别人的静态人脸图画，即可生成动态的视频，以通过配合式的活体校验，如眨眼，摇头，读数字等。此外，选用对立样本技能，针对方针核身体系生成对应的对立扰动图画，用以绕过活体检测，让人脸比对模型失效，是一种更高阶的进犯方法。

　　现在，曾定衡的团队针对以上两种进犯，也推出了增强防伪算法，检测深度假造的图画和视频，选用通用检测和模型加固的办法来防护对立样本进犯。

　　通过不懈的尽力，曾定衡团队现在有了明显的效果。由他们打造的用于金融场景身份核验及防伪技能，通过了国家金融科技评测中心（银行卡检测中心），中国信通院的多项检测、认证。相关算法和服务在公司内部的金融信贷，才智双录等产品中落地运用，一起也向多家银行、稳妥、信任组织进行了技能输出和服务支撑。

　　“透过我多年来的研制阅历，期望咱们能够了解到了这项技能在互联网金融场景下的运用现状、应战，一起也有许多学者和工业界研讨者在不断尽力，致力于打造更安全的人脸辨认技能，”曾定衡说，“究竟这与咱们的日子休戚相关。”