1、人脸识别的欺诈形式

在实际业务的人脸识别场景中，欺诈用户主要采用以下三种方式来冒充合法用户身份信息来进行申请欺诈。

1.1 人脸图片欺诈

欺诈用户可以通过日常生活偷拍、互联网上搜索（例如微博、朋友圈等）等渠道获取合法用户的图片信息，这种方式是最简单容易的，然后欺诈用户可以将其照片进行打印，或者使用屏幕和其他投影装置，来欺骗业务流程的人脸识别系统。

1.2 人脸视频欺诈

欺诈用户可以直接盗取合法用户现有视频，或日常生活偷拍，或采用Deepfake等技术手段合成视频。如果获取的视频包含用户眨眼、头部运动等活体信息，将会对人脸识别系统有较大威胁，欺诈用户可以通过屏幕或投影等设备方式来播放视频，从而欺骗人脸识别系统。

1.3 三维模型欺诈

3D模型包括面具、头套等形式，欺诈用户直接采用三维技术来合成合法用户的人脸，这种欺诈方式可能会比前两种手段更具威胁，欺诈用户可以通过直接头戴或摆放模型等方式，来欺骗业务方的人脸识别系统。

2、活体检测的防伪应用

活体检测技术的应用目标，是识别出成像设备（摄像头等）上检测出的物体是否来源于真实的人体，而非一个假冒的、没有生命特征的物体（照片或面具等）。通常情况下，活体检测会利用一些特别的生物特征来识别人脸（例如红外生物特征扫描仪），去对抗检测虚假的样本。简单来讲，人脸活体检测系统会利用一些相对安全的生物特征，并结合基于模式识别的人脸识别技术，来综合对抗人脸伪造攻击手段，从而有效识别人脸冒用或伪造等欺诈现象。根据获取用户数据的类型不同，活体检测技术通常可以包含3类，分别为图片活体检测、配合活体检测、静默活体检测。

2.1 图片活体检测

通过静态图片进行活体检测，通常基于传统图像处理，主要的方式有根据纹理特征、图像质量、深度特征的方法。

（1）纹理特征

根据纹理特征的方法，主要专注使用人脸照片或视频进行的攻击，照片或视频中的人脸在摄像头下二次成像时面部的纹理会带有纸质或者屏幕的纹理（例如摩尔纹等），而与普通活体人脸皮肤的纹理存在差异。除此之外，真实人脸与图片或视频人脸主要的差异也在于三维结构与二位结构的差异，光在三维结构和二维结构表面形成不同的反射也会造成颜色阴暗区域的差异。这些差异可以有效的帮助基于纹理特征的活体检测方法区分真实人脸与虚假人脸。

（2）图像质量

根据图像质量的方式，主要通过呈现的虚假人脸与真实人脸之间图像质量的差异，由于虚假人脸通常需要通过中介（如照片、显示器等）呈现在人脸识别系统前，容易导致虚假人脸的图像质量和活体人脸存在差距，例如图像颜色的失真、显示器反光导致的色差、与人脸图像的模糊程度等。

（3）深度特征

根据深度特征的方式，主要是在前边纹理特征与图像质量的基础上，利用深度学习方法高效抽取高层语义的特征表达。为了达到更好的区分度，根据深度特征的方法首先利用传统的方式对人脸图像进行处理后，然后利用卷积神经网络抽取分类特征，从而实现活体特征的检测。

2.2 配合活体检测

配合式活体检测需要人脸识别使用者的配合交互，通过判断用户是否按照要求在镜头前完成指定动作来进行活体检测，主要包括动作活体检测和语音活体检测这两种方式。

（1）动作活体检测

动作活体检测需要用户根据提示做出相应的动作，通过眨眼、点头、摇头、张嘴等面部动作验证用户是否为真实活体本人操作。动作式活体检测依赖于动作识别算法的性能和准确率，通常方法是通过对一个连续多帧人脸活体图像数据中包含的活体动作特征执行区域信息进行动作特征识别抽取，例如二值化处理，然后通过分析多帧图像之间特征变化是否大于指定动作对应阈值来判断用户是否完成了相应动作。

（2）语音活体检测

语音活体检测则是需要用户配合提示读出相应文字验证码，然后分别对视频和音频进行检测。这种技术主要通过人脸关键点定位技术和人脸追踪等技术，通过用户配合完成的动作声音是否与系统要求相符合来验证用户是否为真实的活体本人。也可以通过抽取嘴部区域的光流特征变化，然后使用SVM等分类器识别用户是否完成了文字的朗读。

2.3 静默活体检测

静默活体检测无需用户动作或语音配合，可以在不超过1秒的时间内实时完成检测。静默活体检测的主要原理是结合了图片活体检测，除了抽取图片的纹理颜色特征，利用图片的质量进行判断外，还利用了基于生命信息的方法与和时间相关的深度特征。由于真实人脸并非绝对静止，存在很多不自觉的轻微动作，活体人脸会有心跳导致血管抖，眨眼，微表情引起脸部肌肉跳动等生命特征，可以利用人脸识别过程中的多帧画面提取运动特征、心跳特征、连续性特征等用于活体检测。

3、信贷申请的活体检测

活体检测是指采用人的面部关键特征定位、面部信息跟踪等技术，验证用户是否为真实人体；人脸识别是指根据人的面部特征信息进行身份核验的一种生物识别技术，验证用户是否为本人。活体检测与人脸识别虽然可以通过用户的在线操作演示同时获取相关数据，但应用目的是有明显差异的，若将二者结合可以有效实现在确定真实人体的前提下，判断是否为用户本人，其中还会引入身份证OCR技术来综合验证信息。下面我们围绕实际业务流程，来简要介绍下用户信息核验的完整过程。

3.1 用户信息获取

通过产品的小程序、移动端页面等应用场景，申请用户在注册阶段填写基本信息后，会上传提交身份证照片，系统会采用OCR技术来提取用户的姓名、性别、身份证号码、地址等信息。

接下来用户会根据产品流程提示进行活体视频拍摄，在脸部置于识别框内情况下需要配合相关组合动作，常见的眨眼、张嘴、点头、摇头等，有的产品还需要语音读数字等，这个过程便是活体检测

3.2 活体行为辨别

服务端采用语音识别、唇语鉴别、活体辨别等技术，自动对视频进行检验，判断视频内的用户是不是真实活体，若结果为“否”则直接拒绝，若“是”则高品质提取视频中用户的面部图像信息进行上传，为了后续的人脸比对功能提供数据服务，这个过程用户是无感知的。

3.3 专线信息验证

服务端将前边身份证OCR获取的姓名、身份证号码数据，以及活体检测获取的用户面部图像，通过加密方式并专线传送至公安机关授权的安全通道，然后自动与公安机关数据库待查询用户的姓名、身份证号码、面部图像进行权威性比对验证。

3.4 验证结果返回

经公安数据库的信息比对验证后，接口返回验证結果，若信息验证一致可默认通过，若信息不一致则可以返回验证页面，提示用户重复操作。

以上过程是当前金融信贷业务用户申请阶段的常用模式，通过活体检测与人脸识别的双重应用，可以更有效的识别并避免恶意用户的欺诈行为。在具体应用过程中，活体检测与人脸识别的实现，都可以通过调用行业开放的API接口来完成，例如百度、腾讯等平台都有相关数据服务。当然，这是信贷风控反欺诈体系的一个部分，

但也是整个业务流程最初始的重要环节，只有将人工智能检测方法与数据模型量化体系有效结合，才可以较大程度提高信贷风控的实践效果。

综合以上内容，我们围绕实际信贷业务的申请欺诈场景，介绍了活体检测与人脸识别综合应用的原理逻辑与重要价值。同时，详细描述了人脸识别面临的主要欺诈模式，以及活体检测的具体实现方法。最后结合信贷产品申请的通用流程，简单分析了活体检测、人脸识别、OCR识别的综合应用机制及其效果。作为从事金融信贷工作的童鞋们，有必要了解一下人工智能在信贷风控领域的应用，这是行业发展的趋势，也是风控实践的需要。

以上内容部分参与至：

第33期课程《 反欺诈讲解》

《番茄风控反欺诈相关知识体系课程》

关于风控策略中的更翔实进阶的内容，有兴趣的童鞋可继续关注课程：

《风控策略进阶篇—以最小化风险提升通过率的技巧》

转自：番茄风控大数据

原贴：https://zhuanlan.zhihu.com/p/586433410