隨著社會快速發展，高科技產品層出不窮，其中就包括人臉識別技術。我們對這一技術并不陌生，因為人臉識別在我們日常生活中有諸多應用。它作為基于臉部特征信息進行身份識別的一種生物識別技術，在各種的軟件、銀行系統以及辦公室里都隨處可見。

　　很多人認為，既然被廣泛使用，那人臉識別技術一定是安全可靠的——這并不一定。單在互聯網金融場景中，就屢屢曝出由于人臉識別系統漏洞導致的身份被冒用而使得個人財產遭受損失的案例，這樣的新聞常見報端。

　　為了了解這項技術在互金行業中應用現狀，我們特別對話了業內資深的人臉識別技術專家曾定衡，和他聊聊人臉識別技術的二三事。

　　作為業內專家，曾定衡先生從事人臉識別技術的研發近十年，從安防場景的人臉檢索到金融場景的身份核驗及防偽，對人臉識別技術的演進和應用有非常深刻的理解。目前，由他所負責的相關算法和產品，已服務于金融、保險、信托等在線核身業務多年。

　　“在金融領域，基于人臉識別的身份核驗技術，已經成為了線上及線下業務的常規身份識別手段，且在某些業務中屬于必需的環節。因為只有個人生物特征才具有唯一性，相比傳統的密碼和短信驗證碼，更能證明‘你就是你’的問題。有了在線身份核驗的技術，用戶可以遠程完成幾乎所有金融業務辦理，如開戶，申請信用額度，透支消費，提現等。無需像過去那樣必須親臨網點，臨柜辦理，大大節省了用戶和金融機構的時間和人力成本。”基于人臉識別技術在互聯網金融領域的應用現狀，曾定衡說。

　　曾定衡還表示，雖然在金融領域大受歡迎，但人臉識別技術目前在互金領域仍然存在一些挑戰，其中最主要的有三點：

　　一是互金領域的核身通常是在線的方式，用戶環境不可控，核身的技術受限于硬件設備，通常是用戶的移動終端或個人電腦，無法搭載擁有更高安全防偽能力的特殊硬件，如近紅外相機，3D結構光相機等。

　　二是金融業務直接與錢相關，利益驅動之下，有很多存在僥幸心理的個人用戶或專業黑產，通過盜用他人身份信息，在線辦理金融業務，進行透支或套現，非法牟利，作案成本低且難以追責。

　　三是隨著人工智能技術的發展與開源共享，對抗身份核驗技術的手段也更加容易獲取，且攻擊方式總是先于防御手段出現。

　　“因此，在金融領域的身份核驗技術需要不斷迭代更新，且永沒有抵御萬年的不變之招�！痹�定衡說。

　　為了應對這些挑戰，曾定衡和他的團隊也都付出了許多，這些從他的經歷中也可見一斑。

　　曾定衡自研究生階段就開始從事人臉識別方面的算法研究。隨著深度學習迅猛發展，基于深度神經網絡的人臉識別相關算法，精度逐漸超過了傳統方法，在大規模底庫以及復雜場景，如千萬級靜態人臉庫檢索，安防監控實時抓拍識別等應用方向，達到了實用化的水平。

　　研究生畢業后，曾定衡帶領團隊從事人臉識別相關算法的研發，主要落地的場景有安防、社保等領域。不同領域對算法的要求側重點有很大不同，安防場景強調人臉比對算法的精度，面臨的主要挑戰為監控攝像頭抓拍的人臉通常為低分辨率，低清晰度，人臉姿態不可控，光照不可控帶來的識別率低的問題；另外由于需要處理上千路攝像機抓拍的圖像，比對的底庫通常為十萬或以上的量級。以上兩個問題疊加后，對算法的性能要求極高，想達到較高的準確率，必須搜集整理實際場景的數據不斷迭代，優化模型。

　　此外，社保領域的人臉識別應用主要為在線身份核驗，包括活體檢測和人臉比對兩個環節，與金融場景類似。但不同的是使用該系統的均為老年人，其身份證辦理時間通常超過10年甚至20年，相較于身份證照采集時，用戶的面部變化通常比較大，比對模型需有很好的跨年齡泛化能力；另外在活體檢測環節，配合式的活體校驗方式（如眨眼，搖頭，點頭等）對老年人非常不友好，這就要求采用一些非配合式但又足夠安全的活體檢測算法來適配該場景。

　　為了探索和推進人臉識別技術在更多領域的應用，曾定衡于五年前入職一家消費金融公司，專注于金融場景下身份核驗技術的研發。從人臉比對到活體檢測，從基礎核驗到增強防偽，自研了一系列金融核身相關的算法，逐步替代了第三方身份核驗技術，形成了技術和數據的閉環，避免用戶的影像數據外發導致的敏感信息泄露風險。人臉比對模型的優化方面，解決了低質量圖像修復的問題以及如何利用海量但極度不均衡的數據來優化模型的問題。

　　近兩年來，曾定衡和他的團隊則是更加聚焦于解決人臉圖像的活體性這個問題上。

　　在線身份核驗這類應用場景中，活體檢測技術僅能依靠手機或PC自帶的普通攝像頭采集用戶的人臉圖像或視頻，也即只能使用RGB單模態圖像數據進行目標人臉的活體性判定，這對于一些活體攻擊手段如：高清打印的相紙，高清顯示屏，3D人臉面具，3D人臉頭模等，檢測算法想要達到易用性和安全性兼得就比較困難。

　　然而互聯網信貸業務又的確需要兩者俱佳的核驗算法，易用性差會損失用戶，安全性差則會帶來更高的違約風險�！拔覀兊陌踩�算法團隊，多年來不間斷進行各類攻擊模擬積累數據，調整算法模型，在產品設計和策略上做優化，打造了針對不同場景下最佳適配的活體檢測算法，包括了基于數字唇語圖像&語音識別的活體檢測，炫光活體檢測，單幀圖像靜默活體檢測等�！痹�定衡說。

　　深度偽造人臉視頻技術則是一種更具威脅性的活體攻擊方式。目前各類換臉算法的進化和換臉工具的涌現，使得僅靠一張他人的靜態人臉圖像，即可生成動態的視頻，以通過配合式的活體校驗，如眨眼，搖頭，讀數字等。此外，采用對抗樣本技術，針對目標核身系統生成對應的對抗擾動圖像，用以繞過活體檢測，讓人臉比對模型失效，是一種更高階的攻擊形式。

　　目前，曾定衡的團隊針對以上兩種攻擊，也推出了增強防偽算法，檢測深度偽造的圖像和視頻，采用通用檢測和模型加固的方式來防御對抗樣本攻擊。

　　經過不懈的努力，曾定衡團隊目前有了顯著的成果。由他們打造的用于金融場景身份核驗及防偽技術，通過了國家金融科技評測中心（銀行卡檢測中心），中國信通院的多項檢測、認證。相關算法和服務在公司內部的金融信貸，智慧雙錄等產品中落地應用，同時也向多家銀行、保險、信托機構進行了技術輸出和服務支撐。

　　“透過我多年來的研發經歷，希望大家可以了解到了這項技術在互聯網金融場景下的應用現狀、挑戰，同時也有諸多學者和工業界研究者在不斷努力，致力于打造更安全的人臉識別技術，”曾定衡說，“畢竟這與我們的生活息息相關。”