人脸识别如何在大型银行中大规模商用?-阿里云开发者社区

开发者社区> 雷锋网> 正文

人脸识别如何在大型银行中大规模商用?

简介:

人脸识别已经在金融领域大显身手,很多明星AI公司均具备了完成“刷脸”的能力。

国内众多银行也开始大范围使用人脸识别技术,把其应用在手机银行刷脸登录、辅助远程坐席和柜员客户身份核验以及小额支付等业务当中,但真正把“刷脸取款”服务应用在线下ATM自动取款机中的银行却非常少。

目前把“刷脸取款”在全国范围内大规模应用的只有农业银行和招商银行,其中农行的刷脸取款服务则覆盖了全国2万多个分支机构,深入到县乡镇。

作为农行2万家刷脸取款服务的软硬件算法方案提供商,云从科技在成立2年的时间里推出了48种银行业解决方案,连接ATM/VTM、人证合一、红外双目等多种硬件的金融科技平台。

在本期雷锋网公开课上,云从科技金融事业部总经理张兴旺基于自己多年的研究和行业经验,从“刷脸取款”切入,深入分享了 AI 技术将怎样以全产业链、智能硬件和大数据的形式,深刻地变革整个金融行业。

嘉宾介绍

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

张兴旺,云从科技金融事业部总经理。

美国项目管理协会项目管理专家,银监会2013年、2014年二、三类科技风险管理研究成果主要负责人,原青岛银行直销银行部筹建人,负责金融产品设计和运营工作。

张兴旺有着丰富的银行业业务分析和管理经验,扎实的技术基础及复杂大型项目管理经历,熟悉银行业、证券行业及互金行业。

7年银行从业经历,先后负责银行短信平台、金融市场资金交易及风险管理系统、供应链融资平台、信贷管理系统、国际结算及贸易金融系统、影像内容管理平台、验印系统、票据系统、客户服务系统项目集等多个系统建设、升级项目。6年公检法及国土、社保等政府行业项目管理经验。

本次公开课包括以下内容:

  • 技术研究和产业化落地的区别(以刷脸支付及刷脸取款为例)

  • 金融行业为什么需要人脸识别技术

  • 人脸识别技术在金融行业有哪些应用场景

  • 作为一个技术企业,如何服务好金融行业

  • 当前的技术,在解决实际金融问题过程中面临的挑战

  • AI在金融行业未来发展中的意义

以下是公开课正文内容:


万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

技术研究与产业化落地之间的差异

我们很多人工智能技术的研究,实际上主要目的是作为可行性研究,通常在实验室诞生。

其主要形式是通过做一个业务原型,然后验证这一技术可用即可。它的目的包括:证明理论方向是否正确;探索理论是否可以落地;辨别和论证一项事物是真是假。

而技术研究与产业化落地,两者之间存在较大的差异。

技术研究往往是简单的原型验证,这时候我们会有一种以管窥豹的感觉:比如做某一个层面的研究,实验室认为这件事可行,然而大多数情况下离落地还有一定的距离,实验室的研究结果不能够全面统筹和解决整个项目的所有技术问题。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

研究员们做实验时,有必然成功的结果,也有必然失败的结果,同时也会有偶然的结果。我们做技术研究时,会出现把“偶然”当做“必然”来考虑。有时候,论证理论虽然完全可行、可以落地,但理论研究和实际落地的差距仍然很大。

因此需要结合市场和外部环境来看技术研究存在的问题,那么产业化落地时候要处理什么问题?

  • 首先要解决技术研究时期没有遇到的问题。

  • 做技术验证时,需充分进入市场了解市场上的所有信息,然后充分验证技术本身的价值。

  • 产业化落地是一件非常难的事情,通常数倍于技术研究、人力、财力和时间的投入。

  • 我们经常会遇到技术研究结论误导的情况,在做技术研究时,有时明明认为一个方向可以,但实际上真正去用的时候发现并非如此,只有少数情况可以。

这些便是产业化落地需要解决的一些问题。

刷脸支付的愿景

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

以刷脸支付为例。

2015年4月,马云在汉诺威展示了刷脸支付,但直到近期大家才看到产品逐渐开始落地。

这两年多期间整个行业遇到了各种各样的问题,行业完成了理论研究,然而却在落地时发现存在不少难题:

第一,当时市场上人脸识别准确率不到70%,这意味着每做三次人脸识别,就有一次可能会失败。

可以想象,当年马云展示刷脸支付时,一定顶着很大的压力和勇气,因为过程中很有可能会遇到识别不了的情况。

第二,用户必须正面对镜头,不能有任何表情。

第三,光环境适应不佳:一定要在面部光环境很均匀的情况下才能做识别。

马云在刷脸支付过程中有一个细节大家可能没注意到,他当时把手机举得很高。拿高的原因很简单,就是为了让他面部有光,且要均匀。

第四,化妆、戴眼镜这些场景下难以识别。

第五,用户头部(脸部)有倾斜、转头,无法识别。

第六,人脸识别技术很容易被他人冒充。

第七,识别速度较慢。

第八,对网络带宽要求高。

第九,刷脸时对用户要求多,体验差。

早期我们在做产业化时发现,很多东西投入产出比太低,安全性不够,用户也无法接受。所以要把刷脸支付搞成产业化,实际上非常困难。

刷脸支付的落地(一)

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

2015—2016年,刷脸支付在产业化落地过程中,解决了各种各样的问题,可谓是翻越崇山峻岭。

截止至2016年底,国内一线厂商已把识别率提升到99.8%,同期,全国首台刷脸支付购物机也落地运营。

在各种光环境下,人脸识别的稳定性、有效性都通过大量的数据验证和学习,得到了足够有效的提升。用户再也不用为了刷脸还把脸放在光线很好的环境下,而且面部无需完全朝前,面部有表情也不受影响。

之后一线厂商又解决了化妆、脸部受伤、佩戴眼镜饰品、局部遮挡等问题,再往后随机性的面部倾斜、旋转问题也可得到较好的解决。

这里面需要强调一点,大家不太关注的手机适配也非常重要。

市面上至少有数千种手机,在实验室大家只针对几台计算机或几台手机进行终端适配,当它进行产业化落地后,最起码要解决主流几十种或者上百种手机的适配,还有各个操作系统适配,尤其像安卓的碎片化非常严重,如果不去适配,不去解决手机端问题,产品技术规格做得再好也没用。

在用户体验和操作适应性层面,有些用户面对摄像头时头部习惯性斜45度,有些喜欢平视,而部分用户可能喜欢低头。其次。用户在操作时的习惯也不一样,刷脸时系统提醒用户做一个动作获取验证,比如“向左转头”这一动作,有人可以在半秒之内转好几次,有人两秒钟才转一次。

系统让用户在一秒钟内完成转头,用户就会百分之百完全配合到位吗?当达不到这么高配合度时,需要改进的只有提高技术本身。

同时人脸识别还要解决监管控制和法律要求等问题,只有当监管机构认可你的技术,认为所做的事情满足法律要求,厂商才可以做。再往后,还需解决活体欺诈、持续高额研发投入等事项。

解决了上面这些细节问题后,我们才见到了今天的刷脸支付。

刷脸支付的落地(二)

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

我们再来看2017年整个这个市场的发展状况。

从金融角度来看,现在监管机构比过往更加鼓励和支持技术创新。

刷脸支付过去存在不少负面声音,大众觉得会泄露隐私。但从今年开始,这类声音逐渐减少,原因很简单,一方面大家愈加认可技术的成熟度,另一方面,人脸信息从某种程度上讲,隐私性并不强。

今年3·15晚会对攻防一事,促进了整个行业的技术水平和安全防范的意识。

市场竞争加剧后,导致很多新技术落地的难度进一步加大。为什么?因为门槛比以往更高了。

虽然技术和算法已达到不错的水平,但整个上下游设备制造商还有技术供应商,仍旧保持观望态度,只有少数厂商在快速跟进。

总体来说,我们还有很长的路要走。     

刷脸取款的研究与产业落地

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

再看看最近比较热的ATM刷脸取款。

2015年底,我们就想做刷脸取款,当时人脸识别准确率达到了99%,千分之一的误识率。理论上来说,那时做刷脸取款基本可行,风险也不是特别大。

整个行业研究发现,红外双目活体检测技术经过研究初步验证,可以用于活体检测。当时招商银行走得较快,2015年底在几台ATM终端试点刷脸取款。

因为当时存在各种不确定性,银行也希望刷脸取款技术在应用体验、产品稳定性各个方面,得到快速改进。

2016年5月,云从也研发出红外双目红体检测技术,用在购物机和广东建行。随后整个技术随着应用推广逐渐变得成熟。

2016年底,招行试点一年后于是扩大范围推广刷脸取款,把它覆盖到全国20多个分行。2017年6月,农行全面推试点刷脸取款,范围也在不断扩大。

金融行业与人脸识别技术

那么整个金融行业和人脸识别之间是如何进行融合与应用的。

行业发展面临的几个棘手问题

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

金融行业在发展过程当中,一直面临三大要素的协调问题:安全、成本、易用。

第一,安全

需要解决冒名开户、资金失窃、APP安全性不足、欺诈交易、用户交易抵赖、还有克隆卡等问题。

第二,成本

金融客户要考虑用这类技术投入多少资金;同时,会考量如果用这类技术搞定用户,那么获客成本是多少;在交易过程当中会增加多少成本;使用专用设备又有多少成本;还有网络、存储以及人工投入和培训学习成本。

第三,易用

易用,首先要满足“容易获得”这一标准。容易获得,指的是如果金融机构想用一项新技术,那他是在现有的条件下无需做出变动就可以得到,还是必须去某个地方,搞一套申请流程把它拿到。

二是在使用的过程当中必须具备优良的体验,操作过程不能太复杂。如何检验新技术是否易用?很简单,找年纪比较大的人,如果他很容易学会,即可证明产品和功能易用。

另外,我们还要考虑客户本身用技术方案要投入多少时间、精力、资金,才能够真正把产品用起来。

棘手的不可能三角形

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

协调安全、成本和易用这三大条件,被称作棘手的“不可能三角形”。

这是金融行业一直面临的问题,当满足其中两项后,第三项就无法达成。

当一款产品做得非常安全,成本控制得很低,如果还要保证易用,这其实很难。相反,有些银行既要考虑用户易用,又要考虑安全,这个时候怎么办?相应地就得多花钱,一旦银行多花钱就意味着成本会转嫁到普通用户身上。

还有一些银行既考虑易用,又考虑成本低廉,比如在手机上做一个APP,推广成本很低,又要保证它大多数情况下非常易用,这时候产品往往不太安全。

大家也有过不少经历,某些体验很好的APP安全事故屡见不鲜。

所以,安全、成本、易用性这三点历来难以平衡。

人脸识别的天然优势

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

回到人脸识别本身,为什么人脸识别很有优势?

第一,它易得。

每个人都有一张脸,无需再去买设备。很多基于生物识别技术的软件,哪怕用UKey,都需在银行建一个底库,创建一条信息,预留很多内容。

而公安部恰恰都有人脸的相关数据,商业银行可以免费的使用公安部的这部分数据,不需要建库。

第二,易用。

人脸识别在应用时,可以做到免签约,免学习。

免签约是什么意思?就是我用该功能,可以不用去柜台单独做签约。

当时云从在给农行做刷脸取款时,拿出方案跟总行去聊,按照农行的风格,我以为他们会要求用户开通刷脸取款时需要做签约:到柜台上开通刷脸取款功能。用以证明用户认可这种形式,如果出现问题用户自担责任。

但我们把方案拿给客户时,客户说不要签约,农行追求用户体验。

打那儿开始,我们就发现很多人脸识别相关的应用,都做到了免签约、免学习。整个使用环节,用户按照系统提示去做就可以,无需特意学习和培训。

同时,人脸识别还是一项非接触和非配合的技术。

大家熟悉的指纹或指静脉识别技术,用户必须把手放在一个指定设备上。而使用人脸更简单,无需用户用人脸或者其他肢体接触传感器,体验很好。

同时也尽量做到无需特地去配合,用户站在设备面前甚至跟客服聊天时,很自然地便完成人脸识别的全部过程。

第三,人脸识别的适应性很强。

首先,它对终端依赖不是特别高,有摄像头的终端都能进行人脸识别。同时,也不需要投入太多资金 。

如果给用户推广指纹识别技术,用户拿指纹做支付。这时候会遇到很严重的问题,市面上一半以上的手机不带指纹识别,难道打算卖一个蓝牙模块或是一个附加模块送给客户插在手机上,然后让用户使用指纹识别吗?显然不合适,既不方便,投入成本也很高。

所以这些技术在适应性这方面并不友好,无法向消费者大范围推进,只适合先推给金融机构,然后金融机构内部人员推广至终端用户。

第四,线上线下的互联。

人脸识别作为线上和线下的统一入口,线上有用户标准的结构化数据:用户做了哪些消费,浏览过哪个网站,买了哪些理财产品,行为偏好是什么……

而在线下,当用户人脸出现在智能摄像头面前时,即可识别到他线下的行为轨迹,自然就可以和线上的行为轨迹打通。

得益于人脸识别具有入口特性,将来很多交易都会从人脸识别开始。

人脸识别大步跨越

2015年初,人脸识别的准确率只有68.5%,几乎无法使用。到了2015年9月份,技术进步很快,已经达到98%,2016年中旬则达到99.8%。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

从上图中我们可以看到,灰色线是人眼识别率(72.5%),人眼在做客户身份鉴别时,其实经常会出现错误。

我们再往后看行业的误识率基准。2015年以前,人脸识别业界参照的误识率基准为千分之一,也就是如果出现一千次攻击,有一次攻击可能会成功。2016年整个金融行业如刷脸登录、小额支付这些场景上,大家把它误识率基准提高到了万分之一,安全级别提升十倍。

2017年技术又在大踏步向前,业界的误识率基准已经提升到十万分之一到百万分之一的级别。

误识率基准是一把很严格的尺子,它卡得越严,正常识别通过率就会越低。刚才说的通过率是易用性尺度,误识率越低越好,整个系统的交易风险也就越低。

同样,人脸识别在各种跨场景方面也会轻松应对。比如不同时期、不同角度、是否佩戴饰品、面部情况有没有遮挡、有没有化妆、复杂背景等。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

人脸识别在经过这些年的进步以后,整体来说有了明显的提升。

安全三道门

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

安全性是金融业务,一而再,再而三强调的事项。

现在的人脸识别有安全三道门。

第一道门,先要做活体检测,验证摄像头前的人是活的。

第二道门,攻击预防。如果用户进行各种复杂的攻击,第一道门骗过去之后,第二道门要给他防住,用一些非常复杂、严格的模型阻挡,不让他去攻击。

第三道门,人脸识别。当然,目前还没有发现能突破前两道门的情况,但理论上在非常非常小的概率下,会有人进入到第三道门。

这时候要考虑用非常低误识率增强人脸识别验证的严格性,然后用多维度的方式进行验证,甚至考虑立体建模。基于这些手段,保证人脸识别安全可靠。

红外双目活体检测

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

安全性是金融业务,一而再,再而三强调的事项。

现在的人脸识别有安全三道门。

第一道门,先要做活体检测,验证摄像头前的人是活的。

第二道门,攻击预防。如果用户进行各种复杂的攻击,第一道门骗过去之后,第二道门要给他防住,用一些非常复杂、严格的模型阻挡,不让他去攻击。

第三道门,人脸识别。当然,目前还没有发现能突破前两道门的情况,但理论上在非常非常小的概率下,会有人进入到第三道门。

这时候要考虑用非常低误识率增强人脸识别验证的严格性,然后用多维度的方式进行验证,甚至考虑立体建模。基于这些手段,保证人脸识别安全可靠。

静默活体检测技术

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

人脸识别技术未来还有前进的新空间,就是静默活体技术。

静默活体技术作为动作活体的下一代技术研究方向,它的目标是希望用户在单目摄像头前面,不做任何动作,不去配合,便能够检验出当前摄像头前面是一个活人。

它的体验也非常好,活体检测时间要比原来做动作减少一半以上;用户私密性也保护得非常好。

以往的技术要求用户张嘴、点头,如果用户在公开场所对着手机做这些动作,感觉有些傻。

虽然这些技术通过使用动作来验证,但即便如此也很容易被攻破。借此技术在普通手机上刷脸解锁、看邮件可以,但用在金融行业还是远远不够的。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

在人脸识别产业化期间,各种各样的硬件也开始出现:专用服务器可以做到传统设备的十倍甚至百倍性能,通过集群目前可做到每秒十万笔以上的处理能力。

第二,高安全性,通过各种技术解决了安全问题。

第三,高可用。经过多个银行两三年的连续商用,其可靠性已经远远超过99.99%,人脸识别成为生物识别技术中商用最快的佼佼者。

改变金融服务

接下来我们看一看人脸识别是如何改变金融服务的。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

人脸识别出现后,会对现有的四样事物造成冲击:密码、短信验证码、银行卡、U Key。

实际上这四样事物与人脸识别存在互补和替代作用。

我们见到很多银行业客户使用了多种有意思的交易实现形式,比如有的银行希望使用人脸代替密码,然后进行小额转账。

也有银行认为人脸识别从经济角度代替短信验证码最好,用户输完转账金额后,再输入帐号密码,然后做下一步刷脸,验证结束之后即可取款。

一方面,可以省下短信验证码的查看和输入时间,同时又增加了安全性。我们通过种种途径的计算,了解到人脸识别比短信验证码技术的安全性要高很多,U Key也是上述这种情况。

人脸识别在金融安全方面提高了哪些:

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

第一,安全开户使用人脸识别以后,可把互联网冒名开户比率从万分之五几乎降至为零。

第二,大额转账消费交易,以往完全凭靠卡介质。有时候一些信贷类交易,消费金融,搞一张身份证即可,这个时候很容易出现盗窃案件和欺诈案件。

消费金融非常火,收益空间也很大,但是它遇上一个很大的问题就是黑产。

黑产专门在互联网买一些身份证、银行卡就可以做消费分期,之后他们用冒名的卡做消费分期后进行诈骗,东西买到手后再倒卖掉。

这时候消费金融公司还觉得自己业务量挺大,然而过了一段时间去追款时,发现追不回来。然后去起诉申请人(卡主),卡主会说这和我有什么关系,我住在农村里从来没上你的网站,也没注册过信息。

因此,消费金融公司常常会被这种欺诈案件搞垮。

除此之外,大型理财投资、申请贷款,如果引入人脸识别可有效核实客户意愿,预防抵赖,还可为交易做举证。

抵赖这件事在银行经常碰到,我举个真实的例子:

前段时间一个老太太在银行说,她十几年前存了几万元,有天她想起这些钱加上利息也大概有十万多,于是她拿着存折去银行取款,银行提示她卡里只有几块钱。于是她把媒体找来,说银行骗她钱。

后来银行经过一番核实发现这些钱在三四年前就已经被老太太取走,但老太太否认这笔交易,她认为这是银行“内鬼”所为,银行去翻会计凭证、仓库,最终从很多的凭证库里找出老太太当年取款签字的回单、底单,银行才得以证明清白。

从这件事可以看出预防抵赖的重要性。

第四,内控。

使用人脸识别后,可有效地实现内控,预防各类案件。如某大行发生内外勾结诈骗资金,如果使用人脸识别后,即可避免这种案件。

降低交易成本

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

同样,使用人脸识别还可有效降低交易成本,主要包括提升身份鉴别效率,降低运营成本、人员在项目里的投入。

第二,减少安全案件数量的发生,有效降低风险损失。

第三,可以代替动态验证码,降低交易成本。

这里分别举了两个银行的例子,如果用它来预防信用卡欺诈案件,可为该行每年至少减少400万的损失。根据我们上线后的情况来看,该行的欺诈案件预防成功概率达到了95%。也就是说,基本每年至少减少800万的损失。

如果用刷脸代替短信验证码,以另外一家大型股份制银行为例,可为该行每年节省3600万的短信费用。

交易简化

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

同样,使用人脸识别后,很多交易也变得更加简化,并且有了新的玩法。

比如小金额交易可以在线上使用人脸识别代替密码,大金额可用人脸代替短信验证。线下支付时,比如我用自己的手机刷完脸以后,会生成一个二维码,可以拿去让别人扫,同时刷脸以后,还可以扫他人的二维码。

刷脸环节,其实是基于安全信任计算的本质。大家觉得用户更愿意把执行过程基于自己的脸作为可靠性中心,还是把额外设备作为可靠中心?很多时候,大家更相信自己的“脸”。设备容易被攻破,刷脸相比而言更加可靠。

第三,现金业务,比如ATM刷脸取款,还有一些银行用刷脸生正手机二维码,把二维码发在自助机具上取现。

通过分析得出前面讲到的“不可能三角形”,其实在使用人脸识别以后得到了更好的平衡。客户花费更少的钱,并且在终端用户非常易用且愿意接受的情况下,极大提高了安全性。

金融行业客户关键诉求

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

在客户的关键性需求当中,对安全的高标准西区永远是第一位的。

第二是营销。整个行业在面临转型,因此既要开发新用户,也要维护老用户。精准识别出用户,并把用户想要的推送给他,这就是营销的一种展现形式。

第三是创新。金融机构有着很强烈的创新愿景,他的创新是希望面对监管要求,做新业务试水,有时候要考虑与其他银行进行差异化竞争,做其他银行没有的产品。

脸即身份

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

人脸识别出现以后,给我们的生活带来哪些变化?

第一,人脸即身份。用人脸有效解决冒名开户,做关键交易可有效预防各类交易风险。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

强化金融交易安全。如果使用刷脸去做借款、分期,在线上完成可有效提高风控水平,预防欺诈,降低不良,提升净利。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

还可防止抵赖;快速进行处理,有效减少客户的投诉处理时间。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课第二,脸即介质。人脸其实可以当做金融交易介质。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

现在无卡刷脸取现,只要有ATM机就可取现。这在未来会大范围爆发,目前来说农行招行已经大范围开始用。

第三,刷脸购物。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

没有手机、现金、银行卡,照样可以刷脸购物。

广东省建行校园银行安装了多个刷脸购物机,学生可买饮料食物。将来这些机器会走进更多的商超、写字楼、社区,甚至包括无人超市中。当然,目前无人超市的概念略微超前,我觉得先从刷脸购物机入手更加靠谱。

万字长文解读:人脸识别如何在大型银行中大规模商用?丨雷锋公开课

从更大的方向看,即关于未来的无现金社会。

人脸+电子货币无疑将会成为最容易成为受监管认可,也最容易被公众所接受和普及的全新支付方式。

第三,脸即权利。

为什么脸可以代表权力?我们可以看到,在闸机、门禁等地方,使用人脸识别配合动态无感知技术,可让有权限的人自由通过,畅行无阻,而没有权限的人则无法通过。

在相关交易系统方面,如果使用了刷脸登录,可有效解决系统的安全性,特别像金融系统。

金融机构当中的核心帐务系统、交易系统、财务系统、风险管理系统,办公系统等,使用刷脸也可有效解决账户被盗等各种风险问题。

上述关键业务的审批和授权同样需要使用人脸。

这里我举个例子,某个银行曾出现十多亿的案件,案件本身其实是它的分行批了一份十多亿的保函,业务出现问题以后,保函要兑现,结果总行没有发现他们批复过保函,这时候就出现整个内部的授信、业务审核,这种关键操作指令上下不一致,有人冒充等问题。最后一查到,总行不知道,但保函是真的。

这说明了他们没有很妥当地做好风控,如果使用人脸识别来解决这些问题,在授信、审核、放款、大额操作指令,只有加上这些验证才可确保交易是经由负责人员本身发出,非未经授权的指令,也非冒充,

第四,脸即信息。

有“脸”出现的地方就是营销的开始。也就是说,当每个用户出现在商业区或网点时,我们通过无感知VIP识别系统,就可在人流当中快速定位出哪一个是VIP客户,然后把信息通知到营销人员,帮助营销人员快速、准确地进行销售行为。

同时,用户的脸出现以后,从宏观层面来讲,我们可以做更多事,比如去做客户流量统计分析、网点运营分析,甚至掌握商业体当中哪些客户、哪些年龄段的客户喜欢干什么,喜欢逛哪些店,把单个用户的轨迹、兴趣点进行抓取分析,既可以帮助我们提升效率,也能优化运营,甚至找到更新的营销思路,这就是人脸分析的价值。

除此之外,通过人脸识别技术识别出用户的表情,同时对他的眼球运动视觉焦点进行跟踪,以及他本身的行为轨迹追踪。基于此快速找到客户,分析出他的兴趣点在哪,还可知道客户本身的情绪。由此更好地以用户为中心,提供他喜好的产品服务。

大家都知道,每个人的情绪感知不同,计算机根据用户的表情和行为帮你分析,哪些人表现出对产品和服务的不耐烦,这时候就反馈给系统和工作人员,不用再去给他做过多的推销。 


本文作者:亚峰
本文转自雷锋网禁止二次转载,原文链接

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

秉承“关注智能与未来”的宗旨,持续对全球前沿技术趋势与产品动态进行深入调研与解读。

官网链接