0
雷鋒網(wǎng)注：本文作者威視@阿里安全部，文章首發(fā)于知乎專欄：阿里聚安全的安全專欄，原文標(biāo)題：《阿里巴巴直播防控中的實人認(rèn)證技術(shù)》（點擊可看），雷鋒網(wǎng)授權(quán)發(fā)布。
直播作為近來新興的互動形態(tài)，已經(jīng)成為近幾年最風(fēng)生水起的行業(yè)之一。在2016年仿佛進(jìn)入了“千團大戰(zhàn)”的繁華。歡聚時代10億砸向虎牙和ME直播，斥資1億簽下主播MISS；騰訊4億投資斗魚，后者估值10億美元；新成立的映客獲得昆侖萬維、復(fù)賽等機構(gòu)的8000萬人民幣投資；易直播獲得6000萬人民幣A輪融資；360推出花椒、秒拍推出一直播....網(wǎng)絡(luò)直播正享受其最好的時光，直播"風(fēng)口"成投資方必爭之地。
然而網(wǎng)絡(luò)直播也因為走的太快，而失去了出發(fā)的初心，主播行為、直播內(nèi)容變得不可控，低俗、大尺度、無下限成為“勁爆”欄目。針對網(wǎng)絡(luò)直播的種種怪相，12月1日，由國家網(wǎng)信辦發(fā)布的，媒體認(rèn)為“史上最嚴(yán)”的《互聯(lián)網(wǎng)直播服務(wù)管理規(guī)定》正式開始施行?！兑?guī)定》要求直播平臺按照“后臺實名、前臺自愿”的原則，對用戶進(jìn)行移動電話號碼等真實身份信息認(rèn)證。而對于網(wǎng)絡(luò)主播們，《規(guī)定》更要求通過審核身份證件等更為嚴(yán)格的方式進(jìn)行認(rèn)證登記。
而這些網(wǎng)絡(luò)直播在進(jìn)行實人認(rèn)證時，需要對包括姓名、證件號、生物屬性、手機和位置等要素進(jìn)行識別，如何在提高用戶體驗的同時準(zhǔn)確的判斷賬號背后真實的人，也是目前困擾著各大公司的一大難題。目前阿里聚安全實人認(rèn)證中使用的技術(shù)能夠大大提供自動化認(rèn)證率和審核效率。
主播實人認(rèn)證
主播的實人認(rèn)證，基于自主研發(fā)的證件OCR、人臉識別等實現(xiàn)了88%以上的自動化認(rèn)證率，并且采用云（3D、翻拍檢測等）+端（交互動作等）相結(jié)合的活體檢測技術(shù)來防御虛假認(rèn)證的風(fēng)險攻擊，以確認(rèn)主播的真實身份，降低違法風(fēng)險。
對主播進(jìn)行了嚴(yán)格的實人認(rèn)證：做到人證合一，即根據(jù)認(rèn)證過的賬號身份信息，能準(zhǔn)確找到對應(yīng)的真實的自然人。
實人認(rèn)證系統(tǒng)示意圖
其中涉及的智能技術(shù)很多，介紹其中兩項。
一、身份證OCR
身份證OCR是把身份證圖像中的文字識別為計算機能認(rèn)識的文本，自動與公安網(wǎng)等權(quán)威數(shù)據(jù)庫比對，驗證姓名、號碼等信息的真?zhèn)巍?/p>
基于自由拍攝證件圖像，流程見下圖。為保證識別率和速度，同時融合了傳統(tǒng)算法和深度學(xué)習(xí)算法。
身份證信息檢測流程圖
OCR算法對“姓名”字段的識別準(zhǔn)確率達(dá)98%以上，對“身份證號碼”和“有效期”達(dá)99.5%。 系統(tǒng)具有很強魯棒性，以下case都可以輕松識別。
OCR可以識別的身份證舉例
二、生物特征識別
只介紹人臉識別和人臉活體檢測。
人臉識別在學(xué)術(shù)界已超肉眼的識別水平，但能在實際中的大規(guī)模應(yīng)用還比較少，原因是實際場景復(fù)雜和數(shù)據(jù)缺乏。挑戰(zhàn)來自光照、姿態(tài)、翻拍、化妝、衰老以及低照片質(zhì)量。
我們對用戶真人人像、身份證照、權(quán)威數(shù)據(jù)庫的頭像進(jìn)行兩兩比對，以驗證身份的真實性。算法能在0.1%的認(rèn)假率下，使得合法用戶自動通過率達(dá)93%以上。
人臉識別包括圖像獲取、人臉檢測、活體檢測、關(guān)鍵點定位、特征提取、識別引擎等模塊。
人臉識別系統(tǒng)
1、人臉檢測
采用Boosting+RCNN框架。
人臉檢測結(jié)果圖
2、活體檢測
活體檢測是為了確保待認(rèn)證的用戶是“活人”，而不是事先拍好或翻拍的人臉照片、視頻，防止虛假認(rèn)證，降低主播的違法風(fēng)險。
活體檢測實例圖
活體檢測模塊包括：
人臉檢測
檢測是否出現(xiàn)人臉，且不能是多張臉， 防止不同的人切換或人與照片的切換。
3D檢測
驗證是否為立體人像，防止平面的照片或視頻攻擊。
3D檢測示意圖
活體算法檢測
驗證用戶的操作是否正常，指定用戶做隨機動作（凝視、搖頭、點頭、眨眼、上下移動手機等）。
連續(xù)性檢測
防止中途切換人。
翻拍檢測
利用深度學(xué)習(xí)技術(shù)， 區(qū)分獲取的人像是否為對屏幕、照片的翻拍。
3、人臉關(guān)鍵點定位
定位出眉毛、眼睛、鼻子、嘴巴等位置。主流方法有：基于參數(shù)模型的方法；基于回歸的方法；基于深度學(xué)習(xí)的方法。
我們采用基于特征的回歸方式+深度學(xué)習(xí)的方法，來訓(xùn)練關(guān)鍵點定位模型。
人臉關(guān)鍵點檢測示意圖(圖片素材來源網(wǎng)絡(luò))
4、特征提取
Maxout結(jié)構(gòu)示意圖
我們同時采用了傳統(tǒng)人臉特征（WLD, HOG，LBP，Gabor等）和基于深度學(xué)習(xí)（基于VGG、GoogleNet、Maxout三者的融合網(wǎng)絡(luò)）的特征進(jìn)行人臉識別。
5、識別引擎
傳統(tǒng)人臉特征，我們采用SVM進(jìn)行pairwise距離度量；DL人臉特征，對已經(jīng)學(xué)習(xí)的分類模型進(jìn)行微調(diào)。
實人認(rèn)證自動化是基于人臉、OCR的識別結(jié)果，基于大數(shù)據(jù)，綜合利用用戶的行為特征，進(jìn)行多維度信息融合，最后得到綜合決策模型，實現(xiàn)自動決策的過程。而在目前互聯(lián)網(wǎng)發(fā)展的多種業(yè)務(wù)中，實人認(rèn)證技術(shù)的應(yīng)用場景紛繁復(fù)雜，對技術(shù)指標(biāo)的要求也不盡相同，阿里聚安全提供的實人認(rèn)證技術(shù)以生物識別、無線安全技術(shù)為支撐，保障實人認(rèn)證有效性。
目前，阿里巴巴人臉識別技術(shù)已在實際場景中大規(guī)模應(yīng)用，實戰(zhàn)中相關(guān)性能指標(biāo)在FPR（False Positive Rate）0.1%情況下，TPR（True Positive Rate）達(dá)96％，識別準(zhǔn)確率遠(yuǎn)遠(yuǎn)超過人體肉眼識別。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
