內容來源：華為開發者大會2021 HMS Core 6 AI技術論壇，主題演講《夯實隱私與安全——機器學習服務打造安全可靠的支付級活體驗檢測能力》。
演講嘉賓：班廣蔚，華為機器學習服務產品架構師
大家好！很榮幸向大家介紹華為機器學習服務的支付級活體檢測能力。
日常生活中，活體檢測服務應用廣泛，比如實名認證、手機解鎖等。相較於前者，其實人臉識別這一概念更加廣為人知，應用於高鐵動車閘機身份驗證、展區人臉驗證、安保和監控體系等場景。公共場所根據人臉特征進行特定的身份識別、平時人們解鎖私有設備，這些都逐漸成為社會剛需。
但是人臉識別的算法本身是人臉信息的提取。至於提取的是否是真人的信息，它的鑒別能力並不高。比如使用高仿真圖片、精密石膏或3D建模面具，就可以攻破很多人臉識別的算法。活體檢測技術的出現恰好彌補了這一缺憾，大幅提升了人臉識別的安全性。
活體檢測的價值與挑戰
隨着“刷臉”場景日益普及，活體檢測的價值越發凸顯。在金融支付、醫療政務、保險理財等領域都廣泛應用。目前，華為機器學習服務的人臉認證日活調用量較高，說明開發者對這方面的技術很感興趣。
當然，活體檢測也面臨很多挑戰。應用場景的豐富，帶來了一些不確定性，比如不同應用場景對活體檢測性能要求不同；設備的多樣性，使得高中低設備性能差異大以及人種多樣性、環境變化多樣等。阻礙活體檢測的還有多樣的攻擊形式，比如靜態屏幕攻擊、靜態視頻攻擊、打印照片攻擊、照片挖洞、3D面具模型攻擊、照片活化攻擊以及ROM注入攻擊、腳本攻擊、接口攻擊、IP/phone攻擊、群控設備攻擊等。
而業界常見的活體檢測類型有三種，均可進行屏幕類防攻擊、紙張類防攻擊、面具防攻擊，成本由低到高：一是RGB活體檢測，使用RGB攝像頭；二是近紅外活體檢測，使用紅外攝像頭識別生物的紅外特征；三是3D活體檢測，使用結構光/TOF深度攝像頭直接識別人臉或人體的3D結構，安全性更高。
機器學習服務的三種活體檢測方案
華為機器學習服務提供給開發者三種活體檢測方案，並通過優化算法性能，保障良好的應用體驗——
- 靜默活體檢測方案。這可以避免當事人不在場的情況下手機被解鎖，保證安全。活體數據覆蓋光照、臉部飾品、性別、發型、面具材質等場景。模型設計采用輕量化卷積模塊；模型部署采用Mindspore-lite推理框架，對算子進行裁剪，實現極致的包大小。
- 交互式活體檢測方案。適用於銀行金融、醫療等需要人機交互的場景。當事人根據指示做眨眼、張嘴、左搖頭、右搖頭、注視五種動作，然后隨機選擇3種讓檢測更加安全，讓假臉立即遁形。同時支持引導檢測，如“人臉過近、過遠提示；暗光提示；口罩遮擋提示”等，讓交互更加友好。
- 炫彩活體是新技術，無需用戶進行配合，停留2-3秒即可。它利用三原色（紅綠藍）以及黃色做為特定光源進行編碼，讓光源設備發射出編碼好的特定的光線，物體就能根據特定光線進行反射，將多幀二維人臉映射到三維空間，根據幀間變化，進行更精確的深度信息估計。其特點是精度高，可防止面具攻擊，視頻攻擊和打印攻擊。適用於支付、認證、解鎖、兒童模式等應用場景。
機器學習服務活體檢測，開放架構
目前，靜默活體檢測能力已上線官網供開發者使用，交互式活體檢測能力也會在不久的將來推出。這都包含在華為機器學習服務活體檢測開放架構中。
-
應用層適用手機解鎖、實名認證場景。
-
連接層為開發者提供兩種方式集成：fullSDk支持端到端集成所有內容，不需要額外聯網或下載；IiteSDK提供輕量化的接口包，只需要幾十K就可以打包到自己的應用。華為應用市場就可以直接下載。
-
硬件層支持普通的USB攝像頭，對手機分辨率也沒有特別要求。
-
系統層支持安卓系統和鴻蒙雙框架的兼容活體檢測能力。
-
算法層實現靜默活體和交互式活體兩種方式。靜默活體檢測在算法上有許多突破。我們跟數據公司合作采集了200多種類型的數據場景，用以保證覆蓋用戶使用場景的多樣性。其訓練數據也達到千萬級別。交互式活體則提供給開發者一整套引導控件和實際算法調用框架。每一位開發者都可以參考交互式UI，簡單集成。當前支持五種隨機動作，后期我們還會開放更多的動作，供大家集成選擇。
未來，我們計划提供更安全的靜默活體檢測能力，達到支付級別安全等級。新增視線估計多模態活體檢測能力，用戶通過屏幕提示（如注視藍色圓圈、注視最大的數字等）完成，應用通過捕捉眼睛視線移動方向和注視方向判別活體與非活體。雙目活體檢測能力也在技術規划之中。
了解更多詳情>>
訪問華為開發者聯盟官網
獲取開發指導文檔
華為移動服務開源倉庫地址：GitHub、Gitee
關注我們，第一時間了解 HMS Core 最新技術資訊~