近期，一條來自國外的新聞稱，一家美國公司通過3D打印人臉面具騙過了世界范圍內的多個人臉識別系統(tǒng)，還宣稱以同樣的方法進入了中國的火車站。
消息一出，不少人對于人臉識別的安全性提出了質疑。目前支付寶和微信支付兩家均表示，如出現賬戶盜刷可申請全額賠付。
在該報道中，只披露了該公司使用3D打印面具騙過了人臉識別系統(tǒng)，而并未透露是哪些人臉識別設備。倘若只是攻破了2D技術級別的攝像頭，那不能證明3D結構光攝像頭也一樣可攻破。
事實上，由于設備不同、應用的人臉識別技術不同，以及所處攻擊環(huán)境的不同，3D打印技術所形成的人臉“偽裝”效果不能以一言蔽之。比如說，使用3D面具攻擊目前已經落后的2D人臉識別設備或者低成本的2D+人臉識別設備有騙過人臉識別系統(tǒng)的可能性。
業(yè)內專家分析，如果在光線條件不好的情況下攻擊雙目立體3D人臉識別設備理論上也有一定的成功率，但是攻擊目前最先進，且不受光線影響、精度較高的3D結構光以及TOF 3D人臉識別設備就幾乎不可能。換言之，如果用最先進的3D打印技術產品去攻擊人臉識別技術中比較落后的技術成果，并不能說明人臉識別技術不安全。
刷臉支付安全與否，技術人員想必最為了解。不久前，有行業(yè)專家從技術角度全面解析了刷臉支付的安全性！
我們所認識的刷臉支付可能只是對準掃描鏡頭根據屏幕提示完成支付的一個動作。刷臉支付實際可拆分為：
第一步，檢測人臉。即鏡頭畫面中檢測哪一塊區(qū)域屬于人臉。
第二步，配準人臉。由于算法檢測到的人臉在角度上各有差異，因此需要使用關鍵點定位技術來描繪人的五官，進行人臉配準，將不同角度的人臉統(tǒng)一扭轉到正臉的方向。
第三步，活體檢測，通過軟硬件算法綜合判斷鏡頭捕捉到的是否人為活體。在早期的活體檢測中，一般使用眨眼、點頭等動作檢測；而目前的活體檢測已應用3D結構光、紅外線等技術，在識別準確率上有了革命性的提升，而那種“照片騙過鏡頭”的安全隱患也不再會出現。
經過前面三步的預處理之后，才真正進入人臉識別的階段。
第四步，人臉特征表示。此過程將人臉圖像轉化為一串固定長度的數值特征。而且這一編碼的過程是不可逆的。也就是說，這串特征無法解碼為原始的人臉圖片，排除了隱私方面的問題。
第五步，人臉識別。將輸入人臉圖像特征與人臉庫中的特征集合進行對比分析，識別出輸入人臉圖對應的身份。
面對目前刷臉支付安全與否的爭議，行業(yè)專家給出了肯定回答。
首先，在準確性上，對比指紋識別60萬分之一的誤檢率，人臉識別在目前的技術條件下誤檢率已能低于百萬分之一。
其次，在技術應用方面，目前使用的保障技術包括3D結構光、近紅外、圖像質量評估等等，確保鏡頭前的人臉為活體。
在隱私保障方面，人像處理僅處理人臉部的部分特征，而且僅在識別過程中生成；若識別過程結束后，特征自動消失。
另外，目前支付寶、微信在金融風控和賬戶保障上的種種施行措施。隨著金融防護技術日臻完善進步，賬戶盜刷的可能性趨之于零。
無論是哪一行業(yè)，一項新技術的面世總會經歷種種質疑考驗，任何技術的發(fā)展都不可能一蹴而就，人臉支付亦是如此。當前，人臉識別技術仍在不斷地迭代更新，刷臉支付也在落地普及的初始階段。就目前而言，“人臉識別+支付口令”是兼顧便捷和安全的實現方式。刷臉支付環(huán)節(jié)，可綜合運用支付口令、活體檢測、數據標簽等實現多因素交易驗證。
胡適先生曾寫道——怕什么真理無窮，進一寸有一寸的歡喜。望大家都能以進步的眼光看待新興技術。我們始終相信，隨著行業(yè)的群策群力、官方力量的重視監(jiān)管，刷臉支付的發(fā)展將越來越走向合規(guī)、有序的繁榮道路。
