金融中的人脸识别，主要用途分两种：一种是身份核验，即一对一。其实你已经知道了你当前操作的这个待核验人的身份，接下来只要对这个身份和这个人之间进行一个信息核验。；另外一种我们称之为叫1对N，应用在规模化的场景应用中，打个比方你光顾一家服务，你可能办了贵宾卡，那么我们可以不用报名字，也不用掏出VIP卡，到门口刷一下脸他就知道是哪一位，交易完成后自动扣钱。这样一个场景因为实际上谁也没有说出谁是谁，但在这样1：N的的情况下应用，它可以对于不清楚的目标对象进行了检索然后找到了正确的目标对象。
其实在远程身份核验的业务场景中，所使用的技术不只人脸识别一项。任何一个技术落地到一个实际应用时，实际上是一种综合的技术解决方案的应用。比如说在1对1的识别中最常用的辅助技术：身份证文字内容识别（身份证OCR）。还有一些行业特殊性问题的解决，以手机刷脸为例，需要解决的一个问题是防止用户在用照片伪造刷脸，我们称之为活体识别，需要判断进行刷脸的是一个真人还是一个照片还是一个视频。
很多人可能会问，人脸识别的技术水平到达一个什么样的程度了？其实，现在在金融行业进行这样的认证支付，其安全性已经非常高了。单纯从人脸识别这一点上来讲，现在比较常用的是把通过率、便捷性控制在90%或者是95%，去看误识率、安全性。
有人说为什么不设到99%，我们可以设到99%，但是99%对安全性会有影响，这两个指标会有冲突，金融行业要求在便捷性可接受的情况下安全性越高越好。
是不是意味着说人脸识别就已经可以完全取代银行卡密码甚至达到一个更高的安全性呢？非也。
科大讯飞云平台事业部人脸声纹技术主管李繁表示，以人脸识别的技术来说，在最新的DFDR算法下面，人脸的分辩能力已经达到了99.47%的状态。但是在实际的应用中仍然面临着一些挑战——比如当面对一位韩国小姐的时候。当然，声纹技术同样也有应用上的一些挑战，比如说声纹易变形，易受身体状况，年龄，情绪等的影响；实际应用中也可能会受到录音设备的影响，所以作为一个单一的生物特征都有各己的不稳定性。
为应对支付领域的一个高安全性需求，也为了解决单一生物特征存在的一个不稳定性，业内提出了多生物特征融合认证解决方案，从不同维度对两种生物特征进行融合计算。
早前国际生物特征组织分别从干扰用户程度，独立性，费用代价，易用性这四个层面对市场上在用的生物特征进行了一个系统的统计分析，分析包括掌纹识别，签名识别，指纹识别，语音识别，虹膜识别，视网膜识别，脸部识别以及温谱识别。
理想的生物特征系统当然是要具备高独特性，高易用性，对用户干扰程度低，且费用代价低，从这里可以看出，在人类认知的范围内的声纹识别，人脸识别技术以及人类认知范围内的指纹识别，虹膜识别，和掌纹识别，为何能在各自的领域中发挥着重要的作用。
其中，声纹识别技术和人脸识别技术能够被用作便捷的身份认证形式，与其拥有的特点是分不开的，首先这些生物特征与生俱来的，而且它都具备唯一性，不易被复制。其次这些特征都是易采集，且采集隐蔽性较强，还能够被远程操作。
以声纹技术来说，声纹是根据语音波形中反映说话人心理和行为特征的语音参数，自动识别说话人身份，每个人无论别人说话模仿的多么相似，他都具有独一无二的声纹。这是由每个人的发声器官在成长过程中形成的，这个唯一性能够唯一确定一个用户的身份。
目前，声纹识别模式对外支持了声纹自由说、动态数字密码、开放文本密码、固定文本密码。在金融支付中，动态数字密码因其使用便捷性，目前也成为最为广泛的声纹识别模式，当然它其他三种模式也有相应的适用场景。
在这个领域中声纹识别主要用途分为两种，与人脸识别相似，一是声纹确认，一比一比对，二是声纹鉴别一比N比对。
而相信大家最好奇的是这个声纹模型建立和配对的过程，究竟是怎样的原理，能够用算法和代码来量化一个人的声音。李繁告诉雷锋网(公众号：雷锋网)，就科大讯飞来说，其使用了混合高斯-通用背景模型（GMM-UBM），是基于高速混合模型的说话人系统，是说话人识别中的主流算法。
然而，基于生理特征的生物识别技术存在以下几个先天性缺陷：一、成本高昂，通常需要专门的硬件支持；二、容易泄露和仿冒，安全性低；三、应用不当后果严重，一旦泄露身份信息几乎无法更改。所以，生物特征识别除了基于人体本身的生物对象进行安全监控，业内人士也在研究基于击键等行为类生物特征进行识别的方式。
击键过程看似简单，实际上却非常复杂，需要很多肌肉的高度配合。久而久之，就形成了一种固定的习惯，这种习惯会在击键的时间和压力上有所反映。
研究者表示，具体的应用中，自由文本的击键特征识别和固定文本的击键特征识别也有所不同。对于固定文本而言，一般长度较短，用户键入固定文本时所表达的击键特征受限制条件影响较大，最终的击键形态也与限制条件有着紧密的联系。这种情况下，可以直接存储和比对击键形态……对于自由文本而言，其内容和长度不受限制，限制条件对于最终击键形态的影响可能十分有限。这种情况下，可以通过两个方面辨识用户的击键特征样本：一是限制条件；二是传统的自由文本击键特征识别算法。限制条件即与数据库存储进行比对；自由文本击键特征识别算法也有许多现成方案，比如，曼哈顿距离、欧氏距离、神经网络、相对熵等等。
但也有用户觉得，击键特征是个伪命题，因为不同键盘实现的标准不同，键程、弹力都会受到影响。事实上，每一种技术都有缺陷，我们能做的是不断优化，或以多种方式弥补配合。
本文作者：温晓桦 本文转自雷锋网禁止二次转载， 原文链接