随着社会快速发展，高科技产品层出不穷，其中就包括人脸识别技术。我们对这一技术并不陌生，因为人脸识别在我们日常生活中有诸多应用。它作为基于脸部特征信息进行身份识别的一种生物识别技术，在各种的软件、银行系统以及办公室里都随处可见。
很多人认为，既然被广泛使用，那人脸识别技术一定是安全可靠的——这并不一定。单在互联网金融场景中，就屡屡曝出由于人脸识别系统漏洞导致的身份被冒用而使得个人财产遭受损失的案例，这样的新闻常见报端。
为了了解这项技术在互金行业中应用现状，我们特别对话了业内资深的人脸识别技术专家曾定衡，和他聊聊人脸识别技术的二三事。
作为业内专家，曾定衡先生从事人脸识别技术的研发近十年，从安防场景的人脸检索到金融场景的身份核验及防伪，对人脸识别技术的演进和应用有非常深刻的理解。目前，由他所负责的相关算法和产品，已服务于金融、保险、信托等在线核身业务多年。
“在金融领域，基于人脸识别的身份核验技术，已经成为了线上及线下业务的常规身份识别手段，且在某些业务中属于必需的环节。因为只有个人生物特征才具有唯一性，相比传统的密码和短信验证码，更能证明‘你就是你’的问题。有了在线身份核验的技术，用户可以远程完成几乎所有金融业务办理，如开户，申请信用额度，透支消费，提现等。无需像过去那样必须亲临网点，临柜办理，大大节省了用户和金融机构的时间和人力成本。”基于人脸识别技术在互联网金融领域的应用现状，曾定衡说。
曾定衡还表示，虽然在金融领域大受欢迎，但人脸识别技术目前在互金领域仍然存在一些挑战，其中最主要的有三点：
一是互金领域的核身通常是在线的方式，用户环境不可控，核身的技术受限于硬件设备，通常是用户的移动终端或个人电脑，无法搭载拥有更高安全防伪能力的特殊硬件，如近红外相机，3D结构光相机等。
二是金融业务直接与钱相关，利益驱动之下，有很多存在侥幸心理的个人用户或专业黑产，通过盗用他人身份信息，在线办理金融业务，进行透支或套现，非法牟利，作案成本低且难以追责。
三是随着人工智能技术的发展与开源共享，对抗身份核验技术的手段也更加容易获取，且攻击方式总是先于防御手段出现。
“因此，在金融领域的身份核验技术需要不断迭代更新，且永没有抵御万年的不变之招。”曾定衡说。
为了应对这些挑战，曾定衡和他的团队也都付出了许多，这些从他的经历中也可见一斑。
曾定衡自研究生阶段就开始从事人脸识别方面的算法研究。随着深度学习迅猛发展，基于深度神经网络的人脸识别相关算法，精度逐渐超过了传统方法，在大规模底库以及复杂场景，如千万级静态人脸库检索，安防监控实时抓拍识别等应用方向，达到了实用化的水平。
研究生毕业后，曾定衡带领团队从事人脸识别相关算法的研发，主要落地的场景有安防、社保等领域。不同领域对算法的要求侧重点有很大不同，安防场景强调人脸比对算法的精度，面临的主要挑战为监控摄像头抓拍的人脸通常为低分辨率，低清晰度，人脸姿态不可控，光照不可控带来的识别率低的问题；另外由于需要处理上千路摄像机抓拍的图像，比对的底库通常为十万或以上的量级。以上两个问题叠加后，对算法的性能要求极高，想达到较高的准确率，必须搜集整理实际场景的数据不断迭代，优化模型。
此外，社保领域的人脸识别应用主要为在线身份核验，包括活体检测和人脸比对两个环节，与金融场景类似。但不同的是使用该系统的均为老年人，其身份证办理时间通常超过10年甚至20年，相较于身份证照采集时，用户的面部变化通常比较大，比对模型需有很好的跨年龄泛化能力；另外在活体检测环节，配合式的活体校验方式（如眨眼，摇头，点头等）对老年人非常不友好，这就要求采用一些非配合式但又足够安全的活体检测算法来适配该场景。
为了探索和推进人脸识别技术在更多领域的应用，曾定衡于五年前入职一家消费金融公司，专注于金融场景下身份核验技术的研发。从人脸比对到活体检测，从基础核验到增强防伪，自研了一系列金融核身相关的算法，逐步替代了第三方身份核验技术，形成了技术和数据的闭环，避免用户的影像数据外发导致的敏感信息泄露风险。人脸比对模型的优化方面，解决了低质量图像修复的问题以及如何利用海量但极度不均衡的数据来优化模型的问题。
近两年来，曾定衡和他的团队则是更加聚焦于解决人脸图像的活体性这个问题上。
在线身份核验这类应用场景中，活体检测技术仅能依靠手机或PC自带的普通摄像头采集用户的人脸图像或视频，也即只能使用RGB单模态图像数据进行目标人脸的活体性判定，这对于一些活体攻击手段如：高清打印的相纸，高清显示屏，3D人脸面具，3D人脸头模等，检测算法想要达到易用性和安全性兼得就比较困难。
然而互联网信贷业务又的确需要两者俱佳的核验算法，易用性差会损失用户，安全性差则会带来更高的违约风险。“我们的安全算法团队，多年来不间断进行各类攻击模拟积累数据，调整算法模型，在产品设计和策略上做优化，打造了针对不同场景下最佳适配的活体检测算法，包括了基于数字唇语图像&语音识别的活体检测，炫光活体检测，单帧图像静默活体检测等。”曾定衡说。
深度伪造人脸视频技术则是一种更具威胁性的活体攻击方式。目前各类换脸算法的进化和换脸工具的涌现，使得仅靠一张他人的静态人脸图像，即可生成动态的视频，以通过配合式的活体校验，如眨眼，摇头，读数字等。此外，采用对抗样本技术，针对目标核身系统生成对应的对抗扰动图像，用以绕过活体检测，让人脸比对模型失效，是一种更高阶的攻击形式。
目前，曾定衡的团队针对以上两种攻击，也推出了增强防伪算法，检测深度伪造的图像和视频，采用通用检测和模型加固的方式来防御对抗样本攻击。
经过不懈的努力，曾定衡团队目前有了显著的成果。由他们打造的用于金融场景身份核验及防伪技术，通过了国家金融科技评测中心（银行卡检测中心），中国信通院的多项检测、认证。相关算法和服务在公司内部的金融信贷，智慧双录等产品中落地应用，同时也向多家银行、保险、信托机构进行了技术输出和服务支撑。
“透过我多年来的研发经历，希望大家可以了解到了这项技术在互联网金融场景下的应用现状、挑战，同时也有诸多学者和工业界研究者在不断努力，致力于打造更安全的人脸识别技术，”曾定衡说，“毕竟这与我们的生活息息相关。”
(责任编辑：沈晔)