最新型的 联想指纹识别软件,我的联想笔记本电脑,我想启用指纹识别,怎么下载软件...( 八 )


生物识别的一个重要问题是活体检测,即判断采集到的人脸是否来自于真人 。蚂蚁金服生物识别技术活体检测采用了多因子身份认证技术,为核验身份提供更多的依据,不仅能提升识别的准确率,还能进一步提升安全性 。
出于对用户体验的坚持和几乎无门槛使用的考虑,蚂蚁金服在活体检测技术的研发过程中一直坚持静默活体检测,即用户无需进行过多的动作或交互(如转头、张嘴等) 。
李亮介绍道,蚂蚁金服生物识别技术在静默活体检测中最多可能让用户眨一下眼,主要是通过多个维度,包括多模态的眼纹和运动分析、其他传感器数据,以及风控体系中和用户相关的行为等来综合判断是否来自活体 。
实践中的安全保障
从模型走向安全的产品靠的是融合更多保障技术和算法 。
生物特征具备「唯一性」和「终身不变性」等优点,但生物特征同时也存在「不可撤销性」的特性,人脸图像的隐私保护和模板安全是个重要研究课题,一方面我们研发了基于单向变换的图像脱敏技术,对上传的人脸图像进行脱敏和加密处理,使得处理后的数据无法复原到原始图像,同时还能保持数据的可区分性和可学习性 。
另一方面,生物秘钥生成技术和加密空间共享学习技术也是目前的研究重点,在满足生物特征识别能力的同时,满足生物特征模板单向变换和可撤销等要求,实现对用户的隐私保护和分布式数据的安全使用 。
同样指纹和眼纹等识别算法也非常关注安全性,例如眼纹识别中有个很关键的技术就是眼纹模板的隐私保护 。它在注册新眼纹并生成模板的过程中会同时产生很多杂乱点,并通过密码学的方法将眼纹关键点隐藏在这些杂乱点中,使得最后生成的模板无法单独恢复出原始的眼纹特征点,从而实现生物特征模板保护的目的 。
前沿的多模态识别
既然有这么多的生物识别技术,而且还能实现大规模应用,那么我们怎样才能利用它们整体上的优势呢?答案就是联合多种生物特征的多模态识别 。因为即使两项只有 80% 准确率的识别方法,它们联合起来也能达到 96% 的准确率 。这也就是为什么支付宝结合 2D 人脸、传感器数据、运动分析、3D 人脸成像和眼纹等特征,从而打造更安全的多模态识别技术 。在这一部分中,我们主要讨论了 3D 人脸和眼纹等前沿方法如何加强多模态识别的准确度 。
3D 人脸识别由于获取了第三维的深度信息而能有效防御照片和面具等攻击手段,蚂蚁金服生物识别技术也包含了高效的 3D 人脸识别算法 。因为 3D 相对 2D 的人脸识别多了深度信息,所以众多的 2D 人脸识别训练集并不能直接使用 。李亮表示蚂蚁金服最开始研发 3D 人脸识别技术也是基于公开数据集,但目前有很多方法可以生成或预测平面图像的 3D 信息,例如利用多张平面人脸重建三维人脸点云或者直接使用 3D 渲染软件重构图像 。
此外,3D 点云这种数据结构是无法直接使用卷积等深度学习方法的,因此蚂蚁金服主要根据点云的立体特征进行处理 。在面对这种数据结构时,我们可能很自然地想到将深度信息作为 RGB 后的第四个通道 D,并将第一层卷积核的深度调整为 4 而直接运用深度卷积神经网络 。但李亮说:「这在理论上是可行的,但是对数据质量有更高的要求,我们目前也在做大量的尝试,只不过还没有获得比较好的效果 。」本质上 3D 人脸是多因子人脸识别中的一个因子,它与眼纹识别等方法一样有助于提供更安全的识别方案 。
尽管 3D 人脸识别能对传统 2D 人脸识别有很大的增强,但它也有一些局限性,比如对深度图的数据精度和完整性有比较高的要求,而目前 3D 成像所依赖的结构光技术主要使用近红外散斑激光获得深度信息,近红外的某些波段在户外强光下是有可能失效的,李亮表示这确实是目前 3D 成像面临的一个技术难题 。

推荐阅读