「靠臉走遍天下」的時代到了？

「靠臉走遍天下，刷臉支付可以提供相比二維碼支付更好的用戶體驗和安全性，這是我們對生物識別這項技術的判斷和期待。」1月14日，支付寶生物識別技術負責人李亮接受了包括雷鋒網在內的多家媒體採訪。雷鋒網了解到，李亮，現任職於螞蟻金服IoT事業部，中國科學院自動化所博士，中國科學院大學博士後。目前負責支付寶生物識別演算法與模型的研發並參與支付寶基於生物識別的身份認證體系建設。

2017年9月1日，支付寶宣布在杭州萬象城店的肯德基KPro餐廳正式上線刷臉支付，這也是刷臉支付在全球範圍內的首個商用試點。具體流程為：用戶在肯德基的自助點餐機上點好餐，進入支付頁面，選擇「支付寶刷臉付」，然後進行人臉識別，再輸入與賬號綁定的手機號，確認後即可支付。截至目前，全國100多個城市，300多家KFC已經支持刷臉支付。

2018年11月12日零點，天貓雙11晚會顯示，除消費記錄之外，用戶通過生物信息完成支付的佔比達到了60.3%。超過半數的用戶選擇，使得指紋和刷臉支付首次成為天貓雙11主流支付方式。從測試數據來看，「人臉支付」完成交易最快僅需300毫秒。相比2017年，使用指紋或者刷臉支付的老年人數量增長了20%。目前，用戶對生物識別類支付方式的滿意度超過95%，遠超過密碼支付。

2018年12月27日，味多美宣布接入支付寶刷臉支付，顧客不用掏手機就能完成購物結賬。味多美首席信息官胡博透露，「與付現金和掃碼相比，刷臉支付更快更準確。從「蜻蜓」在門店的使用效果來看，收銀效率提升了60%以上，避免了用戶在高峰期排隊的情況。同時，由於提升了用戶體驗，吸引了更多的年輕顧客群體，年輕用戶增長了50%—60%。」

除此之外，江西省人民醫院、卜蜂蓮花、紅旗連鎖、張仲景大藥房等也紛紛加入「刷臉」支付的大軍中。早在2007年，支付寶方面便對生物識別技術開始關注，認為移動支付和全面脫媒是未來兩個核心方向。當然，最開始重點研究的兩個方向是虹膜和聲紋，虹膜識別精度高，卻難以集成到PC攝像機里。由於當時人們也還沒有對著手機說話的習慣，聲紋識別帶來的互動也令人「尷尬」。

2012年初，支付寶和公安系統科研院所的專家反覆研究，最終決定採用指紋識別技術。2014年6月27日下午4點，支付寶迎來首個通過華為mate7開通指紋支付的用戶。支付寶生物識別技術負責人李亮介紹，2014年支付寶啟動人臉識別技術的研究和應用，2015年3月，德國漢諾威消費電子、信息及通信博覽會CeBIT上，馬云為德國總理默克爾等嘉賓，現場展示了螞蟻金服的Smile to Pay掃臉支付技術。隨後人臉識別在國內掀起熱潮。可以說，2015年是人臉識別的元年，彼時AI人工智慧還沒有大規模提及。

目前，除了人臉識別，還有指紋識別、眼紋識別、指／掌靜脈識別、耳廓識別、虹膜識別、表情識別、掌紋識別、聲紋識別、步態識別、筆跡識別、視網膜識別等等。身體上的很多生物信息都可以用來識別，通過技術、感測器等等方法，識別方式可多達上千種，目前業界正在開發的大約為三百種，還很有限。比較成熟且應用廣泛的是人臉、指紋和虹膜。

支付寶生物識別團隊透露，團隊正在研發用以增強人臉識別的多模態生物識別技術，眼紋識別是其中一種，眼紋識別即識別眼睛的鞏膜（眼白）的血管排布情況。眼紋和虹膜一樣，都具有很高的唯一性，即便是同卵雙胞胎，眼紋也是不同的。如前所說，在眼紋識別技術成熟後，疊加人臉識別，準確率有望再提升幾個數量級。

人臉識別：優勢是用戶體驗好，不需要用戶刻意配合；不足是人臉識別可能會受到姿態、光照、遮擋、圖片清晰度等因素影響，此外，對於兩張長相極端相似的臉，人臉識別技術有可能識別不出。

指紋識別：指紋應用最廣泛，技術也相對成熟，但應用上有局限性，一是少數人指紋比較差（磨損、受傷等）；二是指紋會被複制，存在安全風險；三是在手出汗等特殊情況下，會影響到識別；四是採集指紋需要對象的配合，便捷性差一些。參見此前雷鋒網報道AI偽造指紋到來，指紋解鎖還安全嗎？

虹膜識別：準確度高，唯一性強。不足在於需要用戶主動配合，並且對硬體的要求比較高，需要有虹膜攝像頭。

眼紋識別：準確度與唯一性和虹膜識別相當，但對硬體沒有特別要求，普通攝像頭即可。不足在於眼紋識別需要用戶主動配合，用戶與採集設備之間的距離、光源等（在一些光線下，眼球會反光，從而影響識別）要求都比較高，從而影響用戶體驗。

生物識別技術複雜度遠高於條碼付，背後演算法體系複雜。除了生物識別相關的演算法，還需要結合人機交互理論、大數據等技術和手段，形成一個綜合的融合決策體系。而金融交易場景下，支付寶還需要融合風控防攻擊安全等策略。

談及2014年支付寶啟動生物識別技術研究背後的深層次原因時，李亮說，「移動互聯網到來以後，我們越來越發現傳統以密碼驗證為代表的身份驗證方式和起源於PC時代的傳統風控體系已經不適用於移動互聯網時代的用戶隨時隨地使用的多樣化需求，帶來的後果是，許多場景下用戶的行為和交易容易受到打擾或者被風控系統誤攔截，給用戶帶來了非常不好的體驗。而這一問題背後的本質原因是很多時候我們不了解每一個交易和行為背後的用戶是誰。

因此，支付寶應用人臉識別技術的出發點就是希望首先在身份驗證環節採用更安全更便捷的生物特徵認證方式，能夠更準確識別每一個用戶，使得用戶在後續的場景和交易中暢通無阻，也能更進一步享受到更智能更個性化的服務。

同時，將生物識別技術應用到億級用戶，產品技術的泛化能力，「規模化」下的用戶體驗等問題都是亟待解決的技術挑戰。例如，用戶刷臉通不過，跟用戶的主觀意願，客觀環境都相關，在不同手機上、不同智能設備上的表現也不完全一致。

「刷臉支付在與支付鏈路融合、商戶系統接入和打通等環節也比較繁瑣，需要以真實的業務痛點和商戶需求為出發點。一方面不斷吸收、改進演算法，另一方面和當時業務場景和真實需求之間找到最佳結合點。」李亮說。

不同於現在市場上大多數以2D人臉為主的人臉識別系統，支付寶採用了多模態生物識別技術，一方面在線下刷臉支付場景採用了安全等級更高的3D結構光攝像頭，將傳統人臉識別的對象從2D擴展到3D，另一方面也在研發眼紋識別技術進一步輔助和增強，增加眼紋識別，一方面對用戶體驗沒有打擾，另一方面有更強的安全性。主要流程：採集多張眼紋，進行分割、增強，增加雜亂點以保證模版安全，其難點在於前期的採集、分割、增強，特徵點提取等步驟對應的核心演算法。

• 在國外，一部分企業認為應用生物識別技術以安全性為目的，犧牲用戶一定體驗是可以接受的。但在國內，要想實現技術的普適性，沒有好的用戶體驗的產品是沒有生命力的。所以，安全為底線的前提下，必須不斷追求極致的用戶體驗。

• 從兩個維度提升用戶體驗，第一維度，軟體、硬體、風控系統的升級，每一次硬體感測器的突破，都能隨之帶來軟體和產品的階躍式升級。第二個維度，更加完備的產品設計和交互，從開通到使用到關閉均有有明確的說明和授權，用戶可以對整個環節完全感知和掌控。

• 目前大多數AI演算法都有其局限性，從實驗室到真正落地需要解決碎片化的細節問題。很多情況下演算法要優先解決垂直、細分的領域問題，而不是追求泛化、兼容的解決所有問題。

• 生物識別技術的更深層次應用，與每個國家相對應的基礎設施密切相關，相關標準規範的完善程度，用戶的使用習慣，官方權威資料庫等等。缺乏這些條件，生物識別大多只能是密碼驗證的一種替代手段、作為單點的設備或孤立的系統存在。

• 1對N是目前人臉識別仍面臨的技術難題，雖然在安防場景已經有較多應用，但人臉識別在安防領域的應用主要用於特定人的監控和識別，從性能上強調的是高召回率（Recall），而對準確率(Precision)有較大的容忍度，因為通常還需要有個人工確認過程。而在支付領域對這一技術的要求是召回率和準確率同時都要很高，對人臉識別來說確實是非常難的事情，這也是發展多模態生物識別技術的原因，每一個新的生物識別因子的引入融合能夠極大的提高整體的分辨能力。

• 未來為了適應不同國家和市場的需求，可能需要針對不同人種採用不同的模型，此外從隱私和合規的角度，比如GDPR標準下，生物識別系統需要不同地區分開部署，但背後的演算法訓練過程甚至是某些模型可能是相同的。

【封面圖片來源：網站名shutterstock，所有者： Akhenaton】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！