302 Found

　　中国电子银行网讯 2015年12月3日，由中国金融认证中心(CFCA)举办的第十一届中国电子银行年会“互联网＋银行的未来”在北京举行。近两百位商业银行电子银行的负责人莅临此次年会，就“互联网银行的未来”、“探路网络金融发展”、“如何打造移动金融生态圈”等话题展开了深入交流和探讨。《2015中国电子银行调查报告》和《2015直销银行用户使用行为研究报告》同步对外发布，中国电子银行网全程直播此次盛会。

　　周军认为，银行场景的变化，电脑变成手机，线下变成线上，固定变成移动等等这些变化，让银行基于固定场所的风控体系发生了极大的变化 。

　　银行的发展从传统银行到智能网点，到移动金融生态圈，这个发展定义了生物识别在银行应用发展的三个不同的阶段，传统银行的场景就是我们早期上线第一家银行的场景，在固定场所用的是指纹，由于图片的采集不受光线、不受环境的影响，采用的是固定特征点的模式，这是最传统的模式识别方式。第二代叫智慧网点，采用的是神经网络技术，这种技术的核心是BP算法，是一种自适应的学习的框架,这种技术在银行里面我们用在智慧设备上，解决了智慧网点的问题。伴随着银行金融生态圈的发展，创新、营销、坐商变行商， 用户体验极致，对这些概念的理解，我们在交通银行、民生银行、农业银行、建设银行，正在与我们人脸识别技术打造一款面向用户的极致体验。这个地方用的生物识别技术叫 Deep Learning(DL),它解决了智慧网点用到的传统神经网络算法在学习过程中遇到的梯度弥散问题，从而可以把神经网络做的很深。

  
　以下是嘉宾发言实录：

　　各位嘉宾

　　大家下午好！非常激动，也非常开心，能站在这里与大家一道就银行多场景以及生物识别方面的问题跟大家进行交流。在座的各位至少有50%以上是我的客户，有些我也没有见过，我已经为你们服务了很多年。目前银行界60%网点的入口指纹都是源于我们公司。我想给大家鞠一个躬，感谢大家这么多年对我们公司的支持、对我个人的支持。

　　刚才侯总谈走哪儿都是银行，这种场景我一直在想，还有经营场景，还有一个是从用户的眼睛看世界、看金融。作为一个生物识别这么多年的从业人员，我们以前一直是给银行“看门”的，就是一直看着银行的门不要出事，在今天的情况下，现在生物识别怎么去做？我一直在思考，今天学到了很多。我们是做生物识别的，我们跟着银行学，用生物识别来呵护银行一路前行，这是我们的目标。

　　我20年前大学毕业，进的就是银行，这么多年也抱着对银行的情感，对生物识别的一种感悟，想拿出来，希望这种感情和感悟能给大家进行分享，能给大家一点点思考，也能给我一些反馈，让我们的生物识别可以做得更好。分享三个内容：为什么是生物识别？生物识别伴随银行成长过程中发生了什么，有什么问题？生物识别要真正用好，是一种策略。

　　银行场景的变化，电脑变成手机，线下变成线上，固定变成移动等等这些变化，让银行基于固定场所的风控体系发生了极大的变化，这个固定场所的安全体系如何匹配正在变化的场景，并且如何能让民众在这种极致体验下、唾手可得的银行下享受生物识别技术带来的安全、便捷的极致体验，这是生物识别在发展中我们一直努力的。

　　从公元前7000年，发现了陶器上按着指纹了，证明这个陶器是我做的，说明那个时候已经有生物识别的存在。在上世纪70年代，有了计算机之后，图像处理的能力加强了，运算速度也加快了，产生了一套用于公安刑侦的系统，现在也在不断持续发展，主要是抓罪犯的。生物识别的发展真正成立团队研究是从40年前，欧美、日本，在中国是从20年前开始研究生物识别。生物识别在银行的应用从上世纪90年代末期，我们也有幸成为其中一员，我们公司2001年在齐齐哈尔一家银行，由于这家银行因为操作风险丢失了几千万，我们那个时候指纹识别已经做好了，我就拎着箱子去找他们，我告诉他你用我的东西，我保证你不会再丢钱。在那种场景下，经过齐齐哈尔三年的实验，把指纹导入了银行，之后才有全国银行采用指纹的场景。随着移动金融发展，客户对安全要求和体验要求逐渐提高，生物识别天生具备安全性高和体验度好的属性，使其在金融多场景发展中成为一项必备技术。

　　银行的发展从传统银行到智能网点，到移动金融生态圈，这个发展定义了生物识别在银行应用发展的三个不同的阶段了，传统银行的场景就是我们早期上线第一家银行的场景，在固定场所，用的是指纹，由于图片的采集不受光线、不受环境的影响，采用的是固定特征点的模式，这是最传统的模式识别方式；第二代叫智慧网点，采用的神经网络技术，这种技术的核心是BP算法，是一种自适应的学习的框架，根据你的历史数据不断学习，抽取你针对这个人指纹的敏感数据，通过这个敏感数据来建立一种相关性极强的学习机制，进而实现认证效果的不断提高。这种技术在银行里面我们用在智慧设备上，解决了智慧网点的问题。伴随着银行金融生态圈的发展，创新、营销、坐商变行商，用户体验极致，对这些概念的理解，我们在交通银行、民生银行、农业银行、建设银行，正在与我们人脸识别技术打造一款面向用户的极致体验。这个地方用的生物识别技术叫Deep Learning(DL)，这种技术通过权值共享以及Pooling等方法，解决了智慧网点用到的传统神经网络算法在学习过程中遇到的梯度弥散问题，从而可以把神经网络做的很深。更深层次的网络一方面可以增强整个系统的非线性能力（生物识别本身就是一个非线性问题），另一方面，深层的网络可以让我们在不同的抽象层级来表征一个图片的“本质”特征，从而更好的用来做识别和认证。这项技术是由四位科学家发明的，其中有一位是中国人——吴恩达(Andrew Ng)，百度首席科学家。大家都在预测这四个人接下来将成为诺贝尔奖的获得者。

　　生物识别的变化、生物识别的发展让我们也可以解决现在大家看到的几个问题，比如年华会老去，发福了，在不同情况下背光、逆光、强光、弱光，转头、抬头，眼睛在强光条件下瞳孔变大、变小，虹膜变大、变小，戴上美瞳，还有特殊人群。再例如联想的一个VP问我，说卖到非洲的笔记本，人脸识别不好用，怎么办？这些变化的、不可逆的特殊场景和特殊人群，是生物识别普遍存在的问题，如何在这种情况下获取生物特征信息？如何在这些变化中仍然能够完成准确的识别？这样的问题用传统的比对模式已经没有办法解决。

　　关于策略问题，目前很多银行用和测的时候都是用我图示的这种模式，就是一个程序，SDK+一个识别算法构成现在银行应用的模型，这个模型存在最大的问题是静态、单一、固定的，针对未来动态的场景，即对唾手可得的银行应用是存在问题的，必须采用多模态的生物识别应用，利用多种策略挖掘持续价值，才可以解决。下面我举例讲一下我们的策略是什么：我们的策略分为应用策略层、算法策略层和智慧策略层，应用策略层是一个侦查兵，在第一线，不断看到环境，比如我在一个自助设备上看到设备里用了什么型号的镜头，目前安全体系怎么样，总之一些外部情况可以通过侦查兵了解，侦查兵把这个数据获得以后传给指挥官，也就是智慧策略层，由指挥官判断采用几级安全机制，决策之后，将这两层数据传给算法策略层，我们称之为狙击手，狙击手根据侦察兵的数据和指挥官的命令，来最终判断自助设备前面这个人是否是客户本人，并且把这个信息结果反馈给指挥官，指挥官甚至可以根据历史数据、业务规则、客户信息、预警机制来判断这个人的身份可信度和信用可信度是多大。这套体系我们针对手机银行、直销银行、自助设备以及VIP识别都做了大量的试验，目前这套策略体系是生物识别行业针对多场景应用最好的一套东西。

　　而这些都是一个SDK+算法永远解决不了的问题，总结来说，生物识别技术只是基础，而能否用好，能否在金融行业用好，能否在正发生巨大变化的银行生态用好，是一定需要一套策略，而这套策略所解决的问题也远远不是“你是不是你”这么简单，而是对风控体系的完善、对用户体验度的提高、对大数据分析的补充。

　　我和我的伙伴经过18年的探索，在生物识别领域、在IT界非常荣幸获得了国家最高级奖项——国家技术发明奖二等奖。为什么是生物识别技术的最高级奖项？因为生物识别没有获得过一等奖，我们员工都非常荣幸地说这是总理给我们发的奖项，确实是这样。针对美国、欧洲，我们公司在国际化过程中，把好的国际算法标准引入国内，通过我们针对中国特点的理解转化成了我们的国家标准；我们在国际生物识别大赛上，获得全球第二名，作为一个民营企业为国在研发上争了光。我们服务于金融60%的市场，并且公司经过近二十年积累，形成了150多项发明专利，但我们认为这些还不够，我们还会一如既往的在生物识别行业耕耘，一如既往的为金融行业做好服务。随着金融多场景的应用发展，如何打造能够匹配金融生态圈的生物识别产品，我们在路上，也希望在座各位能让我们一路陪伴，谢谢大家！

责任编辑：gkhtest