【文/觀察者網(wǎng)專欄作者 陳繼東】

用戶身份識別是一切金融業(yè)務(wù)開展的前提和基礎(chǔ)，互聯(lián)網(wǎng)金融由于其非面對面的特性，在身份識別上也比傳統(tǒng)金融業(yè)務(wù)更具挑戰(zhàn)。如何精準(zhǔn)而快速地識別“你是你”成為互聯(lián)網(wǎng)金融必須跨過的第一道門檻。在安全可靠和用戶體驗(yàn)方面，生物識別技術(shù)發(fā)揮了傳統(tǒng)核身手段所無法比擬的優(yōu)越性，正受到越來越多金融機(jī)構(gòu)和金融科技公司的青睞。

在這一領(lǐng)域，中國已走在世界前列——今年 2 月 21 日，螞蟻金服“刷臉”支付被評為世界權(quán)威《麻省理工科技評論》（MIT Technology Review）2017 年全球十大突破性技術(shù)。但是作為新興事物，生物識別也引發(fā)了人們對于風(fēng)險(xiǎn)的擔(dān)憂，尤其是將其應(yīng)用于金融領(lǐng)域，更是提出了挑戰(zhàn)。

2015年，馬云在德國向總理默克爾展示“刷臉支付” 。

如何確保金融級的精準(zhǔn)度？如何在非面對面情況下確保生物特征來自于真人？如何保護(hù)用戶生物特征不被泄露？能否回答這三個(gè)問題，決定了生物識別技術(shù)對金融究竟是機(jī)遇還是挑戰(zhàn)。

如果是假臉，怎么破？

深度學(xué)習(xí)打通生物識別“任督二脈”

追溯生物識別的起源，它與計(jì)算機(jī)幾乎同時(shí)誕生于上世紀(jì)中葉。以人臉識別為例，早在上世紀(jì)60 年代就已有相關(guān)算法研究。而后隨著計(jì)算機(jī)技術(shù)和光學(xué)成像技術(shù)的快速發(fā)展，人臉識別技術(shù)愈發(fā)成熟——從人臉局部特征識別到全局特征提取，再到基于二維和三維模板做人臉建模的識別模型。

而近年來得益于深度學(xué)習(xí)的迅速發(fā)展，我們可以基于神經(jīng)網(wǎng)絡(luò)讓機(jī)器模擬出人類大腦的學(xué)習(xí)過程，并通過卷積神經(jīng)網(wǎng)絡(luò)模型和海量的圖片數(shù)據(jù)進(jìn)行訓(xùn)練。這對于生物識別的成效顯而易見，從以前的70%、80%的準(zhǔn)確率提升至近兩年的99.6%甚至99.7%，具備商用條件。

深度學(xué)習(xí)到底有什么作用呢？試想下，我們用肉眼識別“你是誰”的過程中（更精確的說是“你長得像我認(rèn)識的那誰誰”的甄別過程）存在哪些困難？一是人臉的角度、光線、表情、年齡、化妝、遮擋、照片質(zhì)量等會影響我們的判斷；二是隨著我們“交際圈”的擴(kuò)大（即數(shù)據(jù)庫樣本增大），兩個(gè)不同人長得像的概率會快速上升。

這兩點(diǎn)對于從前不會思考的計(jì)算機(jī)而言是致命的，而深度學(xué)習(xí)則讓計(jì)算機(jī)更聰明，能自己克服這些困難。

舉例來說，我們的算法起初對于眼鏡的識別，特別是黑框眼鏡有很大幾率識別不準(zhǔn)確。但是當(dāng)數(shù)據(jù)集累積到海量不同的鏡框后，機(jī)器就能學(xué)習(xí)出到底什么樣的鏡框有什么樣的影響，以及他們之間細(xì)微的差異，甚至我們后來還可以模擬出各種各樣的鏡框，如此可以確保對戴眼鏡的人臉具有極高的識別率。

眾所周知，通過深度學(xué)習(xí)，Alphago的棋技飛速提升，在短期內(nèi)超越世界頂級棋手。而生物識別領(lǐng)域，也借助深度學(xué)習(xí)的幫助打通“任督二脈”，未來將不斷逼近100%的準(zhǔn)確率。

交叉驗(yàn)證方式進(jìn)一步提升識別率，即使是雙胞胎也“判若兩人”

在金融等對誤識別率容忍極低的領(lǐng)域中，單一識別要素即使精準(zhǔn)度再高仍然會有漏網(wǎng)之魚，因此需要結(jié)合多因子綜合驗(yàn)證。

例如在同卵雙胞胎這一最極端的場合，使用人臉識別單一驗(yàn)證要素將難以勝任，這也是在線下面對面的業(yè)務(wù)辦理中所難以克服的問題。而運(yùn)用眼紋識別技術(shù)則完全可以克服這一點(diǎn)。

雙胞胎長得太像，怎么識別？

眼紋識別，又稱為眼靜脈識別，讓用戶無需額外硬件設(shè)備，只需普通智能手機(jī)攝像頭并在可見光環(huán)境下采集用戶眼白上的血管紋理特征，就可精確區(qū)分不同用戶，實(shí)驗(yàn)證明當(dāng)用戶的眼紋模板積累足夠時(shí)，深度學(xué)習(xí)技術(shù)讓眼紋識別準(zhǔn)確率接近虹膜級別的準(zhǔn)確率（大于99.99%）和亞秒級識別速度。

人臉識別之外，加上眼紋識別大大增加了識別準(zhǔn)確率

除此之外，其他生理特征識別（如指紋）和行為特征識別（如擊鍵，即使用鍵盤時(shí)的按鍵力度和頻度）也是參與交叉驗(yàn)證的生物特征。每增加一道特征因子，錯誤識別的概率就將大幅縮小，如此可確保生物識別在精確度上達(dá)到金融級的要求。