蚂蚁金服为什么会登上《麻省理工科技评论》全球十大突破性技术榜单？
背景
蚂蚁金服基于全球领先的人脸匹配算法，开发了交互式人脸活体采集识别技术和图像脱敏技术，并通过蚂蚁金服云实现了高并发、高可靠的系统安全架构。基于此的人脸验证核心产品已经成功商用，广泛应用于支付宝、网商银行等认证场景。在最新的测试报告中，该技术人脸识别的准确率已经达到99.6%，结合眼纹等多因素验证，准确率为99.99%，远超肉眼识别97%的准确率。
自支付宝推出人脸识别技术以来，在用户登录、实名认证、密码找回、商户审核、支付风险验证等场景中作为主要认证方式得到广泛应用，自2015年底上线以来，已服务超过150万用户。与传统的基于密码的认证方式相比，人脸识别技术在安全性、可靠性、识别性能、用户体验等方面都有了很大的提升，对实现互联网金融场景具有现实意义。
InfoQ就蚂蚁金服的人脸识别技术采访了蚂蚁金服生物识别技术负责人陈继东。
陈继东博士现任蚂蚁金融服务集团全球核平台部总监兼高级专家，负责生物识别技术的研发和应用。带领团队在网商银行、支付宝等金融场景成功推出人脸识别技术并大规模应用，让蚂蚁金服在生物识别智能技术和应用方面保持全球领先。陈继东曾任人人游戏大数据研究中心首席数据科学家、EMC中国研究院大数据实验室主任。
《麻省理工科技评论》发布了2017年度全球突破性技术榜单，其中刷脸支付榜上有名，蚂蚁金服就是这项技术的代表公司。作为蚂蚁金服生物识别技术负责人，如何看待此事？这是否也意味着中国的人脸识别技术处于世界领先地位？
总的来说，列表描述比较准确。榜单上的突破性技术是人脸支付，而不是人脸识别。突破的定义是“带给人们高质量的科技解决方案”。所以不仅仅在于技术本身，更强调应用场景，以及如何应用技术改变人们的生活。强调技术的应用也是蚂蚁金服技术研发的定位。除了技术本身，我们更关注技术的应用如何给人们带来平等的金融服务。身份识别和认证是所有金融服务的基础，因此基于人脸识别的在线身份认证在数字普惠金融服务中发挥着重要作用。
以人脸识别为代表的计算机视觉技术在过去几年取得了长足的进步，主要得益于深度学习技术的深入应用、计算能力的增强和海量数据的爆炸。而人脸识别技术是近两年才全面商用的，人脸认证、人脸支付也处于起步阶段，有很多新的场景可以应用。
2016云起大会上，蚂蚁金服展区开设了“未来咖啡馆”，嘉宾在镜头前刷脸即可完成支付。据悉，刷脸支付即将落地现实场景。
在人脸识别研究领域，一批优秀的中国研究人员是推动技术不断发展的重要力量。可以说，在世界范围内，中国的人脸识别技术无论是技术还是应用都处于领先地位。刷脸支付由蚂蚁金服和中国人脸识别技术公司Face++联合开发。蚂蚁金服在人脸识别核心比对算法的基础上，开发了专利活体检测技术，结合其基于金融云的风控、防攻击安全策略等多维度核心技术，可以提供金融级的准确性和安全性。
能否谈谈蚂蚁金服近年来在人脸识别领域的投入和发展？在整个人脸识别领域的地位如何？
蚂蚁金服在几年前就开始在人脸识别领域投入资金和人才，同时也一直在持续投入其他生物识别技术的研发。生物识别技术已经成为蚂蚁金服技术体系和安全风控体系的重要组成部分。蚂蚁金服在2015开始将人脸识别技术应用于支付宝用户登录、实名认证、密码找回、支付风险验证等场景。至今已有超过150万用户使用。据我们所知，它是国内外用户数和访问量最大的人脸识别系统，也是金融领域第一个大规模商业上线的系统。
蚂蚁金服的人脸识别技术
能简单介绍一下人脸识别常用的算法模型吗？蚂蚁金服采取了怎样的算法策略？
一般来说，人脸识别是指人脸比对算法，分为1:1验证和1:N识别。算法的核心是让机器自动判断不同人脸图片之间的相似度。人脸识别系统的研究始于20世纪60年代，80年代以后随着计算机技术和光学成像技术的发展而不断完善。该技术开发中涉及的算法模型包括基于局部面部特征点的识别模型、基于全局特征变换或几何特征的识别模型、基于2D或3D模板建模的识别模型。目前，人脸识别技术已经转向基于卷积神经网络(CNN)的识别模型。
人脸识别除了识别模型的准确性之外，还有一个重要的环节，就是保证机器要识别的人脸图片来自于一张活生生的人脸，而不是照片、视频、面具之类的假脸。因此，活体检测技术也是人脸识别成功应用的关键。活体检测涉及的算法很多，也和传感器技术密切相关。比如指纹识别可以通过电容/电感传感器检测活体，虹膜识别可以通过红外摄像头检测活体。由于红外摄像头在智能手机上的普及率还很低，目前的活体人脸检测技术主要依靠一系列软件算法，包括基于动作交互的识别模型和基于图像分析的识别模型。
蚂蚁金服在人脸识别和活体检测两方面同步推进，同时正在研发眼纹识别、声纹识别等多因子生物识别技术，增强人脸识别。此外，基于大数据分析技术开发基于用户行为和不同场景的智能识别模型，从而形成一套完整的身份识别解决方案。
能否介绍一下支付宝刷脸支付服务中人脸识别请求的峰值量？每天的请求数量可以是什么数量级？蚂蚁金服用什么样的技术架构来支撑业务？
金融人脸识别的技术要求和难点总结如下:
1.高安全性:人脸检测技术(防止照片伪造、视频、面具、专业软件工具等攻击)。
2.高准确率:在极低误识率的情况下(
3.高可用性:大规模并发人脸匹配服务(tps = " " & gt1000)
4.高实时性能:实时返回人脸匹配结果(响应时间
支付宝的人脸识别不仅要达到金融级别的准确率和安全性，还需要极高的稳定性、可靠性和低实时响应。基于蚂蚁金服云的基础设施，实现了高可用、动态扩展的服务框架体系，确保刷脸服务能够满足双十一、新年红包等高并发高峰的需求。
蚂蚁金服如何做数据回流？你能给我们介绍一下吗？
数据回流确实是提高算法识别准确率，提升产品用户体验的有效手段。我们在严格遵守蚂蚁金服数据安全、隐私保护等相关规范的前提下，通过记录一些关键参数信息(如光照、距离、角度、持续时间等)，验证和分析人脸识别在各种真实环境下的鲁棒性。)在用户刷脸过程中，再根据这个真实场景中的分析结果进一步改进算法和产品，从而实现一个完全数据驱动的闭环产品开发和优化。
人脸识别的难度
能否介绍一下蚂蚁金服人脸识别数据库的数据水平，从人脸检测到返回比对结果的耗时，以及人脸识别的准确率？精度的适用范围是什么？准确性是只针对汉族人还是所有种族(少数民族、白人、黑人)？不同种族的人脸识别有什么困难吗？怎么解决？
目前，蚂蚁金服只针对中国大陆市民的支付宝实名用户。截至目前，支付宝4.5亿实名用户中有三分之一使用过刷脸服务登录、实名认证、找回密码或在高风险交易中进行身份认证。人脸识别(比如刷脸登录)全程通过率在95%以上(失败的用户也有很大比例主动退出)。不同种族的人脸具有更大的多样性，这将给人脸识别系统的准确性带来挑战。但目前基于深度学习的识别模型已经具备处理海量数据的可能性。如果不同人种的人脸数据能够不断的训练学习，这个问题也可以很好的解决。
能否分别谈谈人脸检测、活体检测、图像脱敏、人脸比对的发展现状和难点？戴眼镜，口罩，口罩，或者用照片和视频刷脸怎么处理？
人脸检测:人脸检测算法是目前人脸识别技术中最成熟的分支，其准确率和轻量级已经满足了商业使用的需求。除了作为后台服务，还广泛应用于智能手机、数码相机等前端设备。目前面临的挑战是弱光环境和大角度侧面人脸条件下的人脸检测。
活体检测:在过去的几年中，活体检测技术也取得了很大的进步，已经能够解决大部分的照片和视频攻击，但是活体攻击的手段也在不断进化，尤其是各种人脸相关建模软件合成或变换的人脸越来越逼真。人脸活体检测技术将是一个不断攻防、不断完善的过程。
图像脱敏:图像脱敏会带来信息丢失，这与提高人脸识别的准确率是矛盾的。蚂蚁金服研发了独特的单向转化脱敏技术，可以很好的解决这个问题。目前这方面的学术成果并不多。
人脸匹配:目前机器的识别能力已经超越人眼，但是低光、夸张表情、浓妆整容、衰老、双胞胎仍然是需要不断解决的问题。随着数据的不断积累和训练，性能也在提升。
挑战
能谈谈目前人脸识别领域最大的挑战吗？能否从人脸识别算法和工程的角度谈谈他们各自面临的挑战？
在算法上，我们还需要提高人脸识别和活体检测的准确率。如上所述，识别问题需要防范不断演变和出现的新攻击方法。
工程上的挑战主要在于用户体验，系统的稳定性和可靠性，在保证极致刷脸体验的同时不断降低用户的使用门槛，涉及交互文案、设备兼容、算法加速、参数适配等诸多方面。由于人脸识别的核心是图像特征提取和比对，这是一个CPU密集型的计算应用，面对上亿支付宝用户的认证需求，尤其是在双十一、新年红包等高并发峰值的情况下，如何保证刷脸服务的性能和高可用性是一个系统挑战。
蚂蚁金服人脸识别产品于2065438+2005年7月正式上线。在此之前，所有的产品都是小规模测试，进行快速的产品优化和迭代。我们发现真实的场景非常复杂。用户会在室内和室外，在各种光线下，白天和晚上以不同的角度和姿势刷脸。有的会躺在床上刷脸，有的甚至会在敷面膜的时候刷脸。如何解决各种复杂现实环境下的刷脸体验，尤其是用户达到一亿的规模，是一个很大的挑战。这不仅仅是一个算法问题，还涉及到从产品、交互、用户体验、环境参数适配、安全策略、高并发系统架构等一系列问题。这是一个系统工程。经过一年多的产品优化，现在可以保证在各种复杂环境下良好的刷脸体验和安全性。
未来目标
能不能谈谈人脸识别除了刷脸支付之外，未来可能应用在哪些地方？
认证已经成为互联网金融的基础设施，甚至是互联网+的基础设施。基于人脸识别的认证方式可以更好地证明数字世界中的“你就是你”，提高便利性和安全性。另外，信用体系是全社会的基础服务，身份识别和认证是信用体系的基础。所有信用服务的核心基础是知道个人的信用等级，当然前提是证明“你就是你”，否则评估出来的信用等级就有可能变成别人的。除了信贷和金融的应用，安防领域也是人脸识别的重要应用。在全国很多城市，火车站已经放上了人脸识别车票，北京机场已经通关。
能否介绍一下未来几年蚂蚁金服在人脸识别领域希望达到的阶段和目标？
首先，在技术上保持世界领先，带动各种业务场景的更深层次应用，形成AI驱动和数据驱动的良性循环。同时，不仅在国内应用，随着蚂蚁金服的国际化，还将应用到全球，为更多用户提供安全便捷的刷脸产品和服务。
如何看待未来几年整个人脸识别行业的发展？
目前人脸识别行业整体还处于起步阶段。如上所述，要应用到各行各业，各种用户群体，还有很长的路要走。无论是国际还是国内，对于人脸识别都没有行业标准，目前人脸识别相关的产品在使用上还是有一定的门槛，没有达到普及的程度。但随着技术的不断投入，产业环境的不断成熟，相关标准的不断出台，相信未来几年将会迎来人脸识别行业应用的真正爆发。
通知
对于想转行做人脸识别的新人有什么建议？是门槛太高无法切入？
人脸识别是一个系统工程。除了算法本身，产品、交互、工程都需要深入研究和探索。从算法到线上服务到用户体验，从实验室性能到实际场景系统性能，还有很多挑战性的问题需要解决。每个环节都有很多可以切入的点。重要的是用户的问题是否真正解决了。