刷脸支付会不会刷到别人的钱包

简介: 希望通过本系列课程,让大家更深入了解人脸识别的技术难点及如何解决。

分享人:Digoal,阿里云数据库产品经理

正文:

本篇内容将从7问题为读者回答关于刷脸支付会不会刷到别人的钱包的疑问分析人脸识别技术的难点如何利用MyBase PG PASE模块玩转人脸识别

Ÿ 为什么要讨论这个问题?

Ÿ 如果人脸支付刷到别人的钱包怎么办?

Ÿ 到底有没有可能刷到别人的钱包呢?

Ÿ 人脸识别的技术难点是什么?

Ÿ 这么难, 小厂是不是就不能玩了?

Ÿ MyBase PG PASE模块怎么带你飞?

Ÿ 请问PASE模块只能用于人脸识别吗?

 


一、为什么要讨论这个问题?

现今社会刷脸支付是特别常见的一种支付方式,在使用刷脸支付的时候心里总会有些疑问,比如刷脸支付能刷到别人的钱包吗?别人又能不能刷到我的钱包呢?总觉得不大安全还要不要开通人脸支付呢?万一我刷到了别人的钱包,可不可以利用漏斗疯狂刷下去买买买呢?

和钱有关的问题都值得讨论,那到底有没有可能刷到别人钱包呢?这个问题的答案其实就是个概率问题。


二、如果人脸支付刷到别人的钱包怎么办?

当人脸支付刷到别人钱包的时候,一般会有三种反应。第一个是你可能是克隆人,长得和那人特别相似。还有可能是在做梦,梦里还想再刷一单。白日梦确实是很开心的事情,但真的不要想太多了。


三、 到底有没有可能刷到别人的钱包呢?

随着人类社会的发展,支付方式也在不断升级。从以物换物、银两、票据到银行卡、电子银行再到指纹支付、人脸支付,科技在不断的提升,支付方式也越来越便捷。

前面说到人脸支付刷到别人钱包这是个概率问题,换而言之,就是确实有可能会出现刷到别人钱包的事情,但这概率还是相当低的。那么这个问题怎么解决呢?

首先是确认位置,其次是通过手机号码、身份证号码末尾N位号进行短信二次验证。一般情况下,误刷涉及金额较大的会需要利用位置校正、短信校正,误刷设计金额较小平台可能会自行赔付了,后续也有办法追回的。

 

四、 人脸识别的技术难点是什么?

人脸识别的技术难点又些什么呢?一是采集特征的准确度,采集特征的时候怎么识别出来这个是你的特征而不是别人特征?二是,特征采集之后的检索,后台上亿的人脸,怎么样去高速检索出特定的一张脸?三是数据庞大,数据库的性能又怎么样呢?这时候有人说我可以砸钱解决,但技术尚未突破,即时是砸钱也没有办法在毫秒内搜索出相识度99.5%以上的数据。


五、 这么难, 小厂是不是就不能玩了?

人脸识别技术这么难,小厂商也是可以玩的,重点关注两个难点。第一个是特征提取算法,要精准的指哪打哪;第二个是特征对比引擎,要求在上亿的人脸中闪电般找出指定人脸。只要解决了这两个难点,小厂完全可以玩人脸识别。


六、 MyBase PG PASE模块怎么带你飞?

在这里重点说明一点:没有MyBase解决不了的问题,如果有,就多买几台。

第一步,特征提取。关于特征提取实际上就是将人脸图片长传到云端,根据特征定位结果,每个人脸返回一组特征点位置,表示方式为(x0,y0,x1,y1...);如有多个人脸,则以此顺延,返回定位浮点数。

第二步,特征检索。存储引擎用MyBase,使用PASE(PostgreSQL ANN search extension),是一款为PostgreSQL数据库研发的高性能向量检索索引插件,使用业界中成熟稳定且高效的ANN(Approximate nearest neighbor)检索算法,包括IVFFlat和HNSW算法,通过这两种算法,可以在PG数据库中实现极高速向量查询。

图片.png

 

MyBase PG PASE模块通过建表、输入浮点数组类型特征字段、创建索引、查询即可完成人脸识别。

 

七、 请问PASE模块只能用于人脸识别吗?

PASE模块单纯的只用于人脸识别吗?当然不止这一个功能。

1. 用于相似搜索。图片、音频、文章的相似程度,任何可以数字化的,抽取到浮点矩阵里面就可以用PASE进行相似搜索;

2. 扩选特征人群。可用于搜索相似人群,把文章的特征值提取出来后,还可以用于打击盗版、打击抄袭。也可以用于营销系统、医疗、教育行业,通过目标群体特征去挑选出相似特征的群体去做营销、推广,提高转化率。

 

阿里云是非常专业的团队,为数据库的打造提供更好地解决方案,提升产品内核层面的能力,最终提高产品的性价比。

相关文章
|
12月前
|
机器学习/深度学习 存储 安全
前沿探索:声纹识别在安全与隐私保护中的应用与挑战
【10月更文挑战第16天】随着信息技术的发展,生物特征识别技术因其便捷性和安全性而受到了越来越多的关注。声纹识别作为一种非接触式的生物特征认证手段,正在被广泛应用于身份验证、安全支付等领域。本文将探讨声纹识别在实际应用中的最新进展,特别是其在安全与隐私保护方面的作用,并讨论其面临的挑战及未来的革新方向。
827 2
|
10月前
|
机器学习/深度学习 搜索推荐 语音技术
智能语音识别技术在智能家居中的应用与挑战####
本文深入探讨了智能语音识别技术的基本原理、关键技术环节,以及其在智能家居领域的广泛应用现状。通过分析当前面临的主要挑战,如环境噪音干扰、方言及口音识别难题等,文章进一步展望了未来发展趋势,包括技术融合创新、个性化服务定制及安全隐私保护的加强。本文旨在为读者提供一个关于智能语音识别技术在智能家居中应用的全面视角,同时激发对该领域未来发展方向的思考。 ####
718 33
|
10月前
|
机器学习/深度学习 人工智能 算法
转载:【AI系统】AI系统概述与设计目标
本文介绍了AI系统全栈架构,涵盖AI系统的设计目标、组成和生态,强调了系统性能、用户体验、稳定性及开源社区运营的重要性。文章详细解析了AI系统的基本概念、定义及其设计挑战,旨在为读者构建AI系统知识体系,助力AI技术的全面发展。通过对比传统软件和云计算架构,阐述了AI系统在连接硬件与应用间的独特作用,探讨了高效编程语言、开发框架和工具链的设计,以及AI任务的系统级支持,包括计算能力的扩展、自动编译优化、云原生自动分布式化等方面,为应对AI技术的新挑战提供了全面视角。
|
安全 网络安全 量子技术
探索未来网络安全的关键:量子加密技术
本文深入探讨了量子加密技术,一项被视为未来网络安全领域的重要突破。通过详细分析量子加密的工作原理、优势以及当前面临的挑战和潜在解决方案,文章为读者提供了对这一前沿技术的全面理解。我们将探讨如何将量子加密技术与现有网络安全架构融合,以及它在未来数字世界中的潜在应用。
663 2
|
机器学习/深度学习 自然语言处理 算法
【论文精读】TNNLS 2022 - 基于深度学习的事件抽取研究综述
事件抽取是从海量文本数据中快速获取事件信息的一项重要研究任务。随着深度学习的快速发展,基于深度学习技术的事件抽取已成为研究热点。文献中提出了许多方法、数据集和评估指标,这增加全面更新调研的需求。
867 0
|
存储 安全 生物认证
身份验证的三种类型详解
【8月更文挑战第31天】
1667 1
|
机器学习/深度学习 算法 TensorFlow
【深度学习】深度学习语音识别算法的详细解析
深度学习语音识别算法是一种基于人工神经网络的语音识别技术,其核心在于利用深度神经网络(Deep Neural Network,DNN)自动从语音信号中学习有意义的特征,并生成高效的语音识别模型。以下是对深度学习语音识别算法的详细解析
606 5
|
安全 数据处理 量子技术
探索未来互联网:量子计算与区块链技术的融合
本文深入探讨了量子计算和区块链技术的结合如何开启互联网的未来。通过分析量子计算的原理及其对传统加密技术的挑战,以及区块链技术在数据安全和信息共享方面的优势,揭示了两者结合带来的革命性影响。文章还预测了这一技术融合对金融、医疗等行业的潜在变革,并讨论了面临的挑战及未来的发展方向。
|
供应链 安全 物联网
区块链跨链互操性:打破孤岛,构建互联互通的未来
**区块链跨链互操性摘要** - 跨链互操性是不同区块链间通信、交换数据和价值的能力,打破区块链“孤岛”现象。 - 提升扩展性、促进创新、增强安全性是其主要益处,通过侧链、原子交换、中继链等方式实现。 - 面临兼容性、安全性和性能挑战,未来将趋向标准化、提升安全隐私,并拓展多样化应用,促进区块链生态协同发展。
|
机器学习/深度学习 人工智能 安全
【亮剑】无密码身份验证的概念,它通过生物识别、安全令牌等替代技术验证身份,旨在提高安全性和用户体验。
【4月更文挑战第30天】本文探讨了无密码身份验证的概念,它通过生物识别、安全令牌等替代技术验证身份,旨在提高安全性和用户体验。无密码验证简化登录、增强安全性,但也面临实施成本、技术兼容性和用户适应性的挑战。随着技术发展,无密码验证有望成为更广泛的安全认证方式,但实施时需综合考虑多种因素。
332 0