注册微创客 • 个人创业
信息化
关于刷脸支付成现实之后……
CNII网讯 “靠脸吃饭，刷脸买单”在2017年已成为现实。8月，苏宁的无人商店上线，用户刷脸即可完成支付；9月1日，支付宝在肯德基的KPRO餐厅上线刷脸支付。
刷脸支付背后的核心技术是人脸识别。在人工智能“赛道”中，人脸识别算是其中发展较为成熟的应用领域。另外，人脸识别符合国家政策趋势，是惠及民生的领域，国家863计划、国家科技支撑计划、自然科学基金都设立专项基金资助人脸识别的相关研究。在合力的推动下，人脸识别技术将进入更广阔的日常领域。
其实，早在刷脸支付出现之前，人脸识别已经被应用于很多场合，比如单位的刷脸考勤、机场火车站安检、自助办理央行征信报告时的身份认证，等等。
人脸识别应用广泛
金融、安防是目前人脸识别应用最广泛的两个领域。在金融领域，人脸识别要参与个人身份验证的攻坚战，目前已有不少金融机构开始进行尝试。中国农业银行开通超级柜台，可刷脸取款，是全国首先应用人脸识别技术的四家银行之一。用户在京东钱包上扫描人脸，即可完成比对，实现密码解锁，代替传统密码登录方式，更加方便安全。通过人脸搜索技术，拉卡拉可快速完成新用户照片与已有黑名单人脸库的比对，高效准确地筛选出潜在诈骗分子，保护普通用户的权益；通过人证比对和活体检测技术，拉卡拉将获知用户的注册信息与操作者本人是否一致，能有效防止身份信息盗用情况。阿里巴巴为支付宝用户端提供人脸登录功能支持，用户无需再输入繁琐的密码，只需对着手机镜头眨眨眼、转转头便可轻松完成登录。
在安防领域，人脸识别最重要的作用是防患于未然，必须打好惠及民生的保卫战。智慧城市安防项目往往采用智能视频，人脸布控系统已经在许多城市“落地”，该系统专门用于大规模视频监控系统中的实时大库人脸识别应用场景，不仅支持超过1000路监控视频中的实时人脸捕捉与识别，更可以在千万级人员库中300毫秒内获得比对结果，现已帮助全国各地公安机关抓获了不少犯罪分子。
通过图侦（以图搜图），可以在亿级人员库“秒返”结果，快速实现涉案人脸的身份鉴定与身份关联，从而帮助一线警员及时准确出警，实现重大案件的侦破，提升常规案件的破案效率。目前，人脸识别技术已经在地铁、车站、重点小区等重要场所进行布控和实战，并取得了良好的效果，抓获了一批嫌疑人，为公安机关破案提供了新的思路和方法。
安防系统的人脸识别应用，还在各项会议和赛事中被大量采用。2015年，在苏州举行的第53届世界乒乓球锦标赛上，通过动态人脸识别系统，智能、准确、灵敏的黑名单报警功能，有效地核实了进场人员身份，保障赛场安全。在2016年二十国集团领导人杭州峰会期间，杭州各城区 1000 多家酒店全面采用人脸识别身份验证系统，并在杭州市拱墅区实现了全区登记系统并网，方便公安部门随时排查登记信息，了解人员进出状况。博鳌亚洲论坛采用动静态结合的人脸比对系统，以视频人像数据为基础，通过大数据监控平台，充分利用视频监控及图像资源取代原始的图侦系统。
在商场、餐厅等线下服务行业，人脸识别可针对进店顾客进行身份识别，当遇到VIP客户时，便可自动激活后续的定制化服务机制。如此一来，VIP客户将不需要主动出示VIP会员卡，大大提升了用户体验。
刷脸支付须防范风险
在刷脸成为一种支付方式之前，不会有人像电影里的间谍那样费尽千辛万苦窃取一个普通人的人脸图像。但出现了刷脸支付之后就不一样了，有了你的人脸图像，骗子就有可能用你的资金账户肆意消费。有了利益驱动，骗子们自然趋之若鹜，目前市面上已经出现了能骗过面部识别系统的人脸面具。那么，盗脸欺诈的常见手段以及人脸识别技术的应对措施有哪些呢？
骗子的盗刷手段，主要有三种。一是照片。最容易想到也是最容易实现的盗刷方式是采用静态照片。爱自拍的你在微信、QQ、微博、人人网等社交工具上一定留下了不少自己的照片吧？骗子可以戴上根据你的照片做成的2D面具，在眼睛的位置开孔实现眨眼等动作，来达到盗刷的目的。二是视频。即通过录制和翻拍用户的人像视频进行欺诈。相对静态照片，视频由许多帧图像组成，可以增加欺骗人脸识别系统的成功率。三是3D面具、头套。3D打印技术成熟后，骗子可以打印高清的3D面具进行欺诈。相对于照片和视频，戴上3D面具可以应对基于景深的检测算法，也可以配合系统指令做出相应的动作，因此这种欺诈手段更具威胁性。
看上去，盗刷人脸并不是那么难。那么，普通用户该如何防范盗刷人脸的行为发生呢？最重要的，当然是要保护好自己的个人信息，比如照片、视频不要轻易放到网上或发给陌生人。当然，现在的美颜软件也在一定程度上保护了大家的隐私。试想一下，朋友圈里一张连亲妈都认不出来的美颜照片，怎么可能和身份证照片匹配得上呢？
在介绍人脸识别反欺诈方式之前，让我们先了解一下典型人脸识别系统的几个关键步骤：人脸检测，从图像（视频帧）中定位人脸所在的区域；人脸配准，对人脸姿态进行矫正；活体检测，判断人脸的真伪，这是反欺诈的关键步骤；人脸识别，将新捕获的人脸图像和数据中已知身份的人脸图像进行比较，识别来者身份。
在这里，有必要解析反欺诈的关键步骤——活体检测，它有三种常见算法。一是基于动作指令的欺诈检测。目前很多App进行实名认证时，需要用户配合指令完成眨眼、摇头、点头、张嘴等组合动作，这样可以在很大程度上规避针对静态照片的攻击。但大多数App要求用户做的动作都是固定的，通过事先制作的视频完成欺诈也是有可能的。因此，一些人脸识别厂商进一步采用让用户读随机数字再配合嘴唇特征点检测算法实现欺诈拦截。二是基于微表情的欺诈检测。通过检测一段时间内用户是否存在细微的表情变化来判断人脸的真伪，若没有发生微表情变化，就认为是假脸。这种方法对用户的配合度要求较低，主要用于对静态照片的反欺诈。三是基于图像纹理的欺诈检测。经过二次采集或打印的图像与真实人脸在纹理细节上存在一定差异，比如局部光照和图像质量的区别。因此，可以对人脸图像进行特征提取，获得可用于区分真假人脸的特征，再作为机器学习模型的输入来判别真假人脸。
目前，学术界针对人脸识别的反欺诈方法还有很多，这里就不一一介绍了。随着人脸支付工具的逐渐推广，人脸反欺诈技术也越发重要。值得一提的是，单一的人脸反欺诈方法都会存在局限性，无法做到面面俱到，因此可以融合多种方法来提升反欺诈的识别率，并在特定场景结合其他生物特征密码（比如声纹）来进一步提升支付的安全性。
文章来源于网络！
上一篇文章：
关于运用信息化手段 改善交通微循环
下一篇文章：
关于“一带一路”国家工业信息化发展指数发布
