“靠脸走遍天下，刷脸支付可以提供相比二维码支付更好的用户体验和安全性，这是我们对生物识别这项技术的判断和期待。”1月14日，支付宝生物识别技术负责人李亮接受了包括雷锋网在内的多家媒体采访。雷锋网了解到，李亮，现任职于蚂蚁金服IoT事业部，中国科学院自动化所博士，中国科学院大学博士后。目前负责支付宝生物识别算法与模型的研发并参与支付宝基于生物识别的身份认证体系建设。
支付宝生物识别技术场景落地“来势汹汹”
2017年9月1日，支付宝宣布在杭州万象城店的肯德基KPro餐厅正式上线刷脸支付，这也是刷脸支付在全球范围内的首个商用试点。具体流程为：用户在肯德基的自助点餐机上点好餐，进入支付页面，选择“支付宝刷脸付”，然后进行人脸识别，再输入与账号绑定的手机号，确认后即可支付。截至目前，全国100多个城市，300多家KFC已经支持刷脸支付。
2018年11月12日零点，天猫双11晚会显示，除消费记录之外，用户通过生物信息完成支付的占比达到了60.3%。超过半数的用户选择，使得指纹和刷脸支付首次成为天猫双11主流支付方式。从测试数据来看，“人脸支付”完成交易最快仅需300毫秒。相比2017年，使用指纹或者刷脸支付的老年人数量增长了20%。目前，用户对生物识别类支付方式的满意度超过95%，远超过密码支付。
2018年12月27日，味多美宣布接入支付宝刷脸支付，顾客不用掏手机就能完成购物结账。味多美首席信息官胡博透露，“与付现金和扫码相比，刷脸支付更快更准确。从“蜻蜓”在门店的使用效果来看，收银效率提升了60%以上，避免了用户在高峰期排队的情况。同时，由于提升了用户体验，吸引了更多的年轻顾客群体，年轻用户增长了50%—60%。”
除此之外，江西省人民医院、卜蜂莲花、红旗连锁、张仲景大药房等也纷纷加入“刷脸”支付的大军中。早在2007年，支付宝方面便对生物识别技术开始关注，认为移动支付和全面脱媒是未来两个核心方向。当然，最开始重点研究的两个方向是虹膜和声纹，虹膜识别精度高，却难以集成到PC摄像机里。由于当时人们也还没有对着手机说话的习惯，声纹识别带来的互动也令人“尴尬”。
2012年初，支付宝和公安系统科研院所的专家反复研究，最终决定采用指纹识别技术。2014年6月27日下午4点，支付宝迎来首个通过华为mate7开通指纹支付的用户。支付宝生物识别技术负责人李亮介绍，2014年支付宝启动人脸识别技术的研究和应用，2015年3月，德国汉诺威消费电子、信息及通信博览会CeBIT上，马云为德国总理默克尔等嘉宾，现场展示了蚂蚁金服的Smile to Pay扫脸支付技术。随后人脸识别在国内掀起热潮。可以说，2015年是人脸识别的元年，彼时AI人工智能还没有大规模提及。
目前，除了人脸识别，还有指纹识别、眼纹识别、指／掌静脉识别、耳廓识别、虹膜识别、表情识别、掌纹识别、声纹识别、步态识别、笔迹识别、视网膜识别等等。身体上的很多生物信息都可以用来识别，通过技术、传感器等等方法，识别方式可多达上千种，目前业界正在开发的大约为三百种，还很有限。比较成熟且应用广泛的是人脸、指纹和虹膜。
支付宝生物识别团队透露，团队正在研发用以增强人脸识别的多模态生物识别技术，眼纹识别是其中一种，眼纹识别即识别眼睛的巩膜（眼白）的血管排布情况。眼纹和虹膜一样，都具有很高的唯一性，即便是同卵双胞胎，眼纹也是不同的。如前所说，在眼纹识别技术成熟后，叠加人脸识别，准确率有望再提升几个数量级。
人脸识别、指纹识别、虹膜识别、眼纹识别各自的优缺点
人脸识别
优势是用户体验好，不需要用户刻意配合；不足是人脸识别可能会受到姿态、光照、遮挡、图片清晰度等因素影响，此外，对于两张长相极端相似的脸，人脸识别技术有可能识别不出。
指纹识别
指纹应用最广泛，技术也相对成熟，但应用上有局限性，一是少数人指纹比较差（磨损、受伤等）；二是指纹会被复制，存在安全风险；三是在手出汗等特殊情况下，会影响到识别；四是采集指纹需要对象的配合，便捷性差一些。参见此前雷锋网报道AI伪造指纹到来，指纹解锁还安全吗？
虹膜识别
准确度高，唯一性强。不足在于需要用户主动配合，并且对硬件的要求比较高，需要有虹膜摄像头。
眼纹识别
准确度与唯一性和虹膜识别相当，但对硬件没有特别要求，普通摄像头即可。不足在于眼纹识别需要用户主动配合，用户与采集设备之间的距离、光源等（在一些光线下，眼球会反光，从而影响识别）要求都比较高，从而影响用户体验。
生物识别技术复杂度远高于条码付，背后算法体系复杂。除了生物识别相关的算法，还需要结合人机交互理论、大数据等技术和手段，形成一个综合的融合决策体系。而金融交易场景下，支付宝还需要融合风控防攻击安全等策略。
谈及2014年支付宝启动生物识别技术研究背后的深层次原因时，李亮说，“移动互联网到来以后，我们越来越发现传统以密码验证为代表的身份验证方式和起源于PC时代的传统风控体系已经不适用于移动互联网时代的用户随时随地使用的多样化需求，带来的后果是，许多场景下用户的行为和交易容易受到打扰或者被风控系统误拦截，给用户带来了非常不好的体验。而这一问题背后的本质原因是很多时候我们不了解每一个交易和行为背后的用户是谁。”
因此，支付宝应用人脸识别技术的出发点就是希望首先在身份验证环节采用更安全更便捷的生物特征认证方式，能够更准确识别每一个用户，使得用户在后续的场景和交易中畅通无阻，也能更进一步享受到更智能更个性化的服务。
同时，将生物识别技术应用到亿级用户，产品技术的泛化能力，“规模化”下的用户体验等问题都是亟待解决的技术挑战。例如，用户刷脸通不过，跟用户的主观意愿，客观环境都相关，在不同手机上、不同智能设备上的表现也不完全一致。
“刷脸支付在与支付链路融合、商户系统接入和打通等环节也比较繁琐，需要以真实的业务痛点和商户需求为出发点。一方面不断吸收、改进算法，另一方面和当时业务场景和真实需求之间找到最佳结合点。”李亮说。
不同于现在市场上大多数以2D人脸为主的人脸识别系统，支付宝采用了多模态生物识别技术，一方面在线下刷脸支付场景采用了安全等级更高的3D结构光摄像头，将传统人脸识别的对象从2D扩展到3D，另一方面也在研发眼纹识别技术进一步辅助和增强，增加眼纹识别，一方面对用户体验没有打扰，另一方面有更强的安全性。主要流程：采集多张眼纹，进行分割、增强，增加杂乱点以保证模版安全，其难点在于前期的采集、分割、增强，特征点提取等步骤对应的核心算法。
国内外生物识别理念的差异
在国外，一部分企业认为应用生物识别技术以安全性为目的，牺牲用户一定体验是可以接受的。但在国内，要想实现技术的普适性，没有好的用户体验的产品是没有生命力的。所以，安全为底线的前提下，必须不断追求极致的用户体验。
从两个维度提升用户体验，第一维度，软件、硬件、风控系统的升级，每一次硬件传感器的突破，都能随之带来软件和产品的阶跃式升级。第二个维度，更加完备的产品设计和交互，从开通到使用到关闭均有有明确的说明和授权，用户可以对整个环节完全感知和掌控。
目前大多数AI算法都有其局限性，从实验室到真正落地需要解决碎片化的细节问题。很多情况下算法要优先解决垂直、细分的领域问题，而不是追求泛化、兼容的解决所有问题。
生物识别技术的更深层次应用，与每个国家相对应的基础设施密切相关，相关标准规范的完善程度，用户的使用习惯，官方权威数据库等等。缺乏这些条件，生物识别大多只能是密码验证的一种替代手段、作为单点的设备或孤立的系统存在。
1对N是目前人脸识别仍面临的技术难题，虽然在安防场景已经有较多应用，但人脸识别在安防领域的应用主要用于特定人的监控和识别，从性能上强调的是高召回率（Recall），而对准确率(Precision)有较大的容忍度，因为通常还需要有个人工确认过程。而在支付领域对这一技术的要求是召回率和准确率同时都要很高，对人脸识别来说确实是非常难的事情，这也是发展多模态生物识别技术的原因，每一个新的生物识别因子的引入融合能够极大的提高整体的分辨能力。
未来为了适应不同国家和市场的需求，可能需要针对不同人种采用不同的模型，此外从隐私和合规的角度，比如GDPR标准下，生物识别系统需要不同地区分开部署，但背后的算法训练过程甚至是某些模型可能是相同的。
【封面图片来源：网站名shutterstock，所有者： Akhenaton】
