怕身份欺詐？平安科技用AI加持真人身份核驗
隨著“移動互聯時代”向“智慧物聯時代”的發展演進，基於計算機視覺的生物特徵識別技術在資訊保安領域中扮演著新密碼的角色，保證著“現實世界”與“網路世界”的身份對應，而活體檢測作為生物特徵識別技術的安全保證，也受到了越來越多的行業關注，特別是金融領域。
目前，活體檢測方案有很多種，但對於一些防禦能力要求高的場景，需要一種對抗能力更強的活體檢測方案。
平安智慧認知團隊自研發了一種高精度、廣普適的活體檢測方案—炫光活體，實現了對螢幕類攻擊的絕對防禦。
顧名思義，炫光活體必然和“光”有關係！下面，將由小編從技術的角度，向大家介紹我們的研究員是如何與光產生奇妙的聯絡：
一、源自古老光學原理的炫光活體
活體與非活體最明顯的差異之一就是材質，而古老的光學原理告訴我們，不同材質的物體對不同波長的光會選擇性的吸收，從而對特定光源產生相應的反射光。
正是基於這樣的觀察，平安智慧認知演算法研究的資深專家陸進在生物特徵識別與光學原理兩者之間產生了有趣的聯想。
這個聯想就是建立一個深度神經網路模型，運用光線在不同物體上產生不同反射光的差異，反推出物體的材質，進而精準判別出成像裝置前是真人識別，還是“非活體“攻擊，而這個模型就是炫光活體。
智慧認知演算法研究資深專家陸進
二、創新性特徵提取：特徵資訊提升6倍
如前文所說，運用物體的反射光特徵，我們便可判別出物體的材質。
那麼，該如何提取不同物體的反射光特徵？智慧認知演算法團隊想到了顏色編碼，利用計算機視覺中RGB顏色的空間分佈，對計算機RGB空間中的三原色—紅（255, 0, 0）、綠(0, 255, 0)、藍(0, 0, 255)作為特定光源進行編碼，讓光源裝置發射出已編碼好的特定序列的光線，物體就能根據特定序列光線產生相應的反射光。這樣神經網路就能提取被檢測物體對於上述3種顏色產生的反射光特徵，進而用於活體檢測判別的特徵數量就擴大到了單幀圖片的3倍。
但是，在陸進看來，這樣還是不夠的，因為幀間時序資訊並沒有得到充分利用。通過翻閱大量的國內外前沿文獻，陸大師發現了兩個有意思的idea，一個是將二維人臉對映到三維空間進行人臉深度資訊的估計；另一個是將多幀二維人臉對映到三維空間，根據幀間變化，進行更精確的深度資訊估計。
在上述兩個idea的啟發下，陸進有了一個創新且大膽的想法—提取幀間資訊進行深度資訊估計。
就是在進行活體檢測判斷的時候，引入區域性幀間資訊。簡單理解，就是把編碼好的特定序列光線打在被檢測物體上時會產生變換的反射光，對變換的反射光影象進行區域性幀間處理，如此便可得到含有一定時序資訊的特徵。經過這種的特徵提取改進，提取的特徵數量擴大到了單幀圖片的=6倍。
令智慧認知演算法團隊驚喜又意外的是，通過顏色變換的區域性幀間處理，還間接得到了人臉的深度資訊！這種深度資訊，對於真人和非真人攻擊，在幀間變化特徵上十分明顯。也就是說，炫光活體模型不僅擴大了特徵數量，還提取到了被檢測物體的深度資訊，極大的提升了活體識別的精準度。
經過測試，炫光活體相比於單幀靜默活體，面對常見的紙張類、螢幕類攻擊方式有著優秀的防禦性能，實現了類似於近紅外/3D結構光對於電子螢幕類的絕對防禦能力！
三、迴歸技術的本質：落地應用是關鍵
眾所周知，技術的價值最終是需要落地到場景才能體現出來。
在這樣的背景下，平安智慧認知團隊的炫光活體之所以完全模擬真實業務場景採集訓練資料、測試資料，就是為了保證最終輸出的炫光活體檢測方案與真實業務場景高度契合。
作為智慧認知演算法研究的資深專家，陸進不僅在技術上保持業界的領先，還站在業務的角度思考如何提升技術在商業落地中的競爭力。
在他看來，針對複雜的業務應用場景，僅僅只靠一種活體檢測方案是很難達到理想的狀態，往往需要多種演算法綜合判斷。
正是基於這種業務思考下，平安科技推出“平安π綜合身份核驗平臺”，並獨創【3檔10級】真人核驗方案，將靜默活體、多動作活體、炫光活體、脣語活體等活體演算法進行靈活組合，實現靈活風控。
如今，“平安π綜合身份核驗平臺”已成功應用於金融、教育、醫療、智慧城市等領域，為數億使用者提供真人核驗服務。
【參考文獻】：
[1] Learning DeepModels for Face Anti-Spoofing: Binary or Auxiliary Supervision, Yaojie Liu,Amin Jourabloo, Xiaoming Liu, CVPR2018.