“我們連二維碼都還沒用過，中國已經流行刷臉了。”
中國線下小型超市掃碼支付
刷臉支付時代的來臨
在刷臉支付出現之後，一些民族自豪感強烈的自媒體從世界各地發回了這樣的聲音。但作為刷臉支付行業的一線從業者，我們深知，刷臉支付還只是星星之火，它的普及和流行依然任重道遠，需要諸君繼續努力。
線下刷臉設備
今天，我們就來面對一隻攔路虎——認為刷臉支付不安全的觀念。刷臉支付現在主要面對的是支付寶蜻蜓設備的線下刷臉支付而言，此次討論範圍不包括線上的手機刷臉支付。我們先來看看，那些認為刷臉支付不安全的人，他們具體的擔憂是什麼。
如何保證識別準確率？
2016 年，AlphaGo 橫空出世，通過圍棋小小秀了一把 AI 的肌肉。人臉識別採用的也是類似的深度學習技術，視覺識別伴隨著海量數據的積累越來越準確，不斷逼近 100% 的準確率。目前，準確率已提升至 99.7%，具備大規模商用條件。接下來我們舉個例子來更加形象的說明刷臉技術是如何提升識別度的，當你在街上看到一個人，長得特別像一個熟人，就當做有 90% 那麼像吧，你不敢確定是不是；等他開口說話，你發現聲音也有 90% 那麼像，你基本上認為就是他；但是走近之後發現，他好像長高了 10 公分，於是最終你確認不是。
阿法狗人工智能圍棋賽
這就是一個系統。當第一個要素的 90% 確認之後，剩下的 10% 再次被檢驗，第二個要素 90% 的確認意味著準確度已經達到 90%+10%×90%=99%，但是第三個要素的出現依然無情地宣告匹配失敗。每多一個要素，安全等級都會大幅度提升。
馬雲現場演示刷臉支付
因此，保障識別準確率的，是多要素的交叉驗證。刷臉識別的，除了臉，還有眼紋。眼紋指的是眼白上的血管紋理特徵，實驗證明當用戶的眼紋模板積累足夠時，深度學習技術讓眼紋識別準確率接近虹膜級別，準確率大於 99.99%。
雙胞胎的眼紋的差別
綜上，即便是雙胞胎，也能成功識別。
如何避免冒用盜刷？
用照片、視頻騙過人臉識別，那是上一個年代的故事，線下的專用刷臉設備已經完美解決了這個問題。
3D結構光攝像頭
支付寶的蜻蜓等設備採用 3D 結構光攝像頭，立體掃描之下，二次元頓時無所遁形。要是鑽牛角尖，真的存在能騙過機器的假臉呢？回到我們前面說過的重點，這是一個系統，只有一塊長板是不夠看的。刷臉之後有一個動態的手機號驗證。根據安全等級會讓你輸入 11 位手機號，或輸入後 4 位，或者不需要輸入。你說，假臉都搞到了，手機號算什麼？好吧，下一個我們說說大數據風控。你剛才還在杭州用支付寶啊，怎麼這會在上海刷臉？你平時的消費水平明明是拖後腿的，怎麼今天壕氣沖天？基於大數據技術的實時安全決策系統，讓這個系統中的要素又多了一大堆。
刷臉支付體驗
綜上，錯誤率已經低於百萬分之一。
如何防範信息竊取？
比起前兩種擔憂，第三種擔憂更關乎隱私問題。刷的是臉，那我的肖像會洩露嗎？問題似乎…並不存在。刷完臉之後，識別到的特徵會被多重加密和脫敏，變成一串數字密碼所以，並沒有肖像這樣的東西。因此只傳一串數字密碼，是安全、成本和體驗的綜合考慮。那這串密碼被竊取，不也等於肖像洩露嗎？由於非對稱密鑰的作用，密碼並不能還原為肖像。就像一個鏡子，只能打碎，不能還原。通俗的說就是，使用過一次或是幾分鐘後，這串密碼就失效了，可以理解為“閱後即焚”。
破鏡難圓
綜上所述，刷臉支付技術是一個全新的支付方式，一個解放雙手更傾向未來科技的支付方式，目的是未來讓消費者和商戶更加便捷體驗消費的生活方式，刷臉支付是為了讓人們享受科技帶來的樂趣。