人臉識別技術應該是影象處理領域開展較為早期的一個研究專案。

從最初的傳統影象演算法，先驗知識手動構建人臉模型的方式，到現階段3D點雲的人臉重建識別，深度學習的人臉識別技術。

研究這塊的專家和機構比較多，主要是它能在日常生活中應用的場景，領域比較的多。比如，刷臉支付，手機人臉識別，火車站，飛機場的入門安檢等等。

一方面是為了身份驗證，另一方面也是為了是身份記錄。如果出現什麼異常，這一個個攝像頭，就是遍佈於任何地方，構成的一個天網。

加上現在智慧裝置，超級計算機運算，這一切都助推人臉識別的迅速落地。政府喜歡，企業興奮，人民受益，何樂而不為呢。

首先非常感謝在這裡能為你解答這個問題，讓我帶領你們一起走進這個問題，現在讓我們一起探討一下。

這幾天刷臉成了網路、微信上的話題熱點，在德國漢諾威CeBIT展會開幕式上，阿里巴巴集團執行主席馬雲釋出並現場演示了一種支付認證技術：人臉識別支付技術。通俗地說，以後支付寶付款時，只需刷臉就可以完成支付了。訊息傳出後，引發了一場不小的騷動，畢竟淘寶推出的人臉支付把那些科幻大片中的場景變成了現實。

的確，人臉支付很時髦，但淘寶推出的這項新技術仍有太多的漏洞。在討論人臉支付前，我們先探討一下人臉支付的識別技術，這直接影響到支付的安全性。按照百度百科的定義：人臉識別技術是基於人的臉部特徵，對輸入的人臉圖象或者影片流，與已知的人臉進行對比，從而識別每個人臉的身份。與傳統的密碼識別和指紋識別技術一樣，人臉支付同樣需要跟系統儲存的資訊進行比對驗證。在很多人看來，人的臉部特徵有很強的唯一性，這使得人臉支付安全性得到了最大限度的保障。

按照淘寶人臉支付的流程，支付寶系統會提前採集每一位使用者的人臉特徵，使用者支付時刷臉，與系統採集的人臉進行對比驗證。按照人臉特徵有很強個性化的說法，支付寶人臉支付確實很安全。可是，一些外部因素，會讓淘寶的人臉支付有太多的風險——

| 風險一：可複製性。

複製是破解密碼的最常用手段，竊取數字密碼，以及套取指紋來解密手段已經相當普遍。同樣，人臉特徵更容易被複制。人臉每天都暴露在外面，透過拍照完全可以獲得一個人的臉部特徵，並進行復制。由於密碼是記錄在人的大腦或其他介質上面，竊取難度比較高。相比之下，天天暴露在外面的人臉用在支付驗證上無疑有很大的風險。使用數碼相機拍到一個人的臉部特徵後，利用整容技術完全可以破解掉人臉支付。

即使拋開整容複製人臉這一方法不談，使用數碼相機拍到人臉照片，然後用照片識別，同樣可以騙過人臉支付系統。目前，淘寶的人臉支付識別系統，還是基於靜態頭像識別，不支援動態識別。

| 風險二：不穩定性。

與數字密碼或指紋驗證不同的是，人的臉部特徵有不穩定性。舉個簡單的例子，很多女性總是習慣化上濃妝。一旦使用者化上濃妝，臉部特徵就會發生變化，機器就會無法識別。既便不化妝，戴上墨鏡或者其他飾品，也會影響人臉識別的準確率。除化妝外，過敏、受傷、整容都會導致臉部特徵有很大變化，這無疑是人臉識別技術的一個潛在風險。

在談及人臉支付的安全效能時，與支付寶戰略合作的人臉識別服務商Face++的聯合創始人兼CEO印奇16日在接受《第一財經日報》記者採訪時說，該公司技術目前的識別率在99.6%以上，能準確區分照片和真人，但任何單一的生物識別技術都有其侷限性，多種識別手段互補將是未來安全認證環節的主流。

據一位資深駭客透露，目前國外第五代的人臉識別系統準確率也只能達到97%左右，而且是基於政府監管部門的技術，民用人臉識別技術的準確率在95%左右。正如Face++聯合創始人所說，單一的人臉識別技術有很大侷限性，這意味著單純的人臉支付有很大安全風險。

其實，人臉識別技術是一個涉及取樣、計算、識別等多個技術環節的系統工程。儘管人臉識別技術已經在考勤、安防等領域使用，但這一技術仍有諸多安全隱患。所以，支付寶推出人臉識別技術還需謹慎對待，畢竟這是人臉識別在支付領域的首次試水。