農行、招行已大規模應用「刷臉取款」，中小銀行為何還未上道兒？

人臉識別技術已經在金融領域大顯身手，很多明星AI公司也均具備了完成「刷臉」的能力。

國內很多銀行開始大範圍使用人臉識別技術，把其應用在直銷銀行、輔助遠程坐席和櫃員客戶身份核驗以及小額支付等業務當中，但真正把「刷臉取款」服務應用在線下ATM自動取款機中的銀行卻非常少。

目前把「刷臉取款」全國範圍內大規模應用的只有農業銀行和招商銀行，其中農行的刷臉取款服務則覆蓋了全國2萬多個分支機構，深入到縣鄉鎮。

一銀行從業者向雷鋒網透露，大行在應用新技術方面非常謹慎，他們在選定一家人臉技術供應商之前，通常會讓十多家供應商在各個地方分行進行長時間的測試，測試時間通常長達一年，在確認技術穩定性和效果可用之後，再讓這十多家供應商進行集中技術比拼。在比拼過程中，各個解決方案也隨著場景的挖掘而誕生，然後由銀行最終選型和採購。

一、ATM刷臉取款採用的AI軟硬體演算法方案

不用帶卡就可以從 ATM 機上「刷臉」取款的確方便，這時候安全性的保障就成了銀行從業者擔心的問題。

深耕銀行人臉識別業務多年的雲從科技CEO周曦告訴雷鋒網，其實這裡可以將人臉理解成銀行卡，ATM 機通過人臉識別比對可以將對應的銀行卡關聯起來，用戶還是要輸入密碼來進行取款。

另外，系統還會通過活體識別技術判斷「刷臉」取款的是否為真實人臉，對於拿圖片和視頻進行冒充他人的情況予以杜絕。

於銀行而言，若使用刷臉取款，那採購什麼樣的AI軟硬體演算法方案是他們關心的重點之一。

供應商的AI方案需解決兩大問題：人臉識別和安全保障。

單從人臉識別準確度上講，目前該技術已經比較成熟，相比而言，安全性更是銀行所關心的問題。

在今年的央視315晚會中，主持人使用專業視頻處理軟體展示合成後的人臉，並通過外部輸入控制合成人臉的抬頭、低頭等動作，成功地對人臉識別進行了破解。

這起事件使得傳統銀行對刷臉取款的接受程度變得更為保守。

問題一出，多家做金融人臉識別業務的CV公司均第一時間給出了各自的解決方案。這裡以實際應用在ATM機中方案為例：

1.農行+雲從紅外雙目攝像頭

為農行ATM機提供紅外雙目攝像頭的雲從科技，攝像頭通過同時採集紅外光和可見光作為輸入數據，通過紅外成像、立體成像檢測、紅外與可見光成像匹配識別，分析人臉皮膚的紋理及微小動作帶來的規律變化，實現人臉識別和活體檢測。

至於如何在舊的ATM機中置入新的紅外雙目攝像頭，雲從科技告訴雷鋒網，這裡需要進行機具改造，其中分為已有機具和集成新機具，目前農行的8家機具供應都聯調測試完畢。

2.招行+依圖科技人臉識別和雙目活檢技術

除了上文提到的農業銀行外，招商銀行也屬於較為激進的AI技術探險者。2016年，招行在全國106個城市近千台ATM機上實現了「刷臉」取款的功能，人臉技術供應商為依圖科技。

用戶可不帶銀行卡、身份證，不用輸入銀行賬戶，靠「刷臉」就能取款。同樣，為了防止照片、視頻播放、3D頭套等作假道具的攻擊，又不降低用戶體驗度，在依圖與招行的合作中，依圖也為其提供了雙目活檢技術。同時進行人臉識別、手機號碼驗證、密碼驗證三層防護。

雲從和依圖所使用的雙目活體檢測技術均可用以防止惡意用戶採用照片、面具、假人甚至是視頻偽造真人，欺騙系統。

二、中小銀行為何不用ATM刷臉取款？

農行和招行已大規模使用ATM刷臉取款服務，而其他銀行尤其是區域性股份制商業銀行與城市商業銀行（含城市信用社和農村信用社）卻始終沒跨出這一步。

雲從科技金融行業部夏祥紅告訴雷鋒網：有些中小銀行其實也在嘗試做、在測試，這期間技術選型到商業落地需要一個過程。 再加上自身規模較小和前沿研究較少，在這方面的投入往往有限。

當然，也不乏有恆豐銀行煙台濱海支行等個別小行已經使用了刷臉取款，但大部分銀行還在測試觀望階段。而且中小銀行對這方面宣傳也不是很重視。

那麼銀行在選擇人臉識別技術，會重點考慮哪些技術指標、對乙方（技術供應商）提出過哪些具體要求？雲從科技CEO周曦談到，銀行一般會重點考慮兩個技術指標和一個性能指標。兩個技術指標分別是：

• 正確接受率，也叫通過率。主要考量兩張人臉照片為同一個人時，系統判斷成功並予以通過的概率，越大越好。

• 錯誤接受率，也叫誤識率。主要考量兩張人臉照片不是同一個人時，系統錯誤的判斷為同一人的概率，越小越好。

一個性能指標是：比對速度，即兩張人臉圖片比對所花的時間。

總的來說，銀行一般會要求將誤識率控制到萬分之一以下，通過率必須達到 90% 以上，比對速度控制到 1 秒以內。

供應商較為成熟的AI軟硬體方案和技術已商用，農行和招行的成功案例也可作參考，但為何刷臉取款何仍舊沒落地到中小銀行身上？

1、存在架構和技術的問題

CMU人工智慧博士出身的邯鄲銀行首席信息官王強說到：農行和招行可以大規模應用刷臉取款，首先是因為他們已經把人臉識別技術貫通到了全渠道。

中小銀行的開發能力和技術實現速度遠不如大行，它們還無法把人臉識別放在全渠道中，而是更多把刷臉功能部署到直銷銀行渠道、支付渠道和電子銀行渠道。

全渠道部署技術壁壘比較高，很多中小銀行目前並不具備足夠強的能力去做這麼大規模的技術開發，而且需要耗費很長時間。

除此之外，中小銀行人臉數據補錄、人臉資料庫建立的時間也較短。

現階段中小銀行整個人工自助渠道用的開發技術還是基於C語言來做，或者用P端的方式來處理。而當下基於互聯網上的人臉識別技術目前因為架構設計不合理，沒有統一規劃，導致技術遷移能力有限。

人臉識別是項新技術，在新技術和P端的更換層面，由於ATM的P端和直銷銀行的客戶端不是在同一個時期、也不是在同一架構下進行加工規劃的，因此如果要將人臉識別技術部署到全渠道上去，就要解決新老技術和新老架構全面的更替和統一。

只有使用統一的技術標準，才能使得在同一個後台人臉識別技術、同一個人臉資料庫基礎上，保證前端渠道統一共享後台的數據和技術。

說實話，目前中小銀行在這方面確實比較弱。

2.全渠道部署需要解決哪些問題？

要部署全渠道需要解決架構問題，然而直銷銀行的架構和ATM自助端的架構完全不同。

因為股份制銀行起步較早，他們已經把P端的架構重新作了改動，它們也必須要經歷這個階段。

解決全渠道問題有4大影響因子：

• 架構統一性

• 識別庫問題

• 風控問題（這是中小銀行推進刷臉取款比較困難的重要因素）

• 中小銀行對AI的意識和認知水平

在後台大數據風控以及大數據反欺詐還沒建立起來之前，中小銀行也不敢把刷臉取款用在ATM現金處理上。而且銀行對現金的處理方式除了大家最關注的人臉識別之外，還要採用雙因子驗證、交叉識別等手段，而這些識別方式，很多中小銀行都沒建立起來。

3.中小銀行可否效仿大行採用雙目紅外人臉攝像頭？

王強博士談到，如果採用第三方的雙目紅外人臉攝像頭，首先需要對機具進行改造。現在中小銀行技術鋪設非常多，單面改造成本非常高，要全面更換或者增加。

其次是業務驅動問題。因為很多中小銀行還意識不到刷臉識別對業務驅動能力有多少，也無法意識到刷臉取款所造就的用戶用卡環境和體驗，可為業務帶來多少改觀。同樣呢，中小行也做不到去改善全渠道客戶體驗。

第三是，中小銀行自身還達不到靠技術來驅動業務發展，更多是靠業務驅動技術發展。由於中小銀行意識不到較為周全的客戶體驗問題，意味著他們無法認知客戶體驗帶來的業務優化。當銀行自身不了解新技術，也不知道新技術對業務能產生什麼樣的優化，那他們自然也沒有動力去主動升級技術。

再者，中小銀行作為一個風險偏緊的機構，他們會因為一系列問題無法在ATM機上大規模採用基於雙目紅外攝像頭的人臉識別方案，這些問題包括：成本問題、業務驅動問題、技術架構問題、大數據反欺詐、交叉認證、雙因子認證等問題。

演算法和前沿技術縱然很關鍵，但風控也非常關鍵，目前市場上其實還沒有專門針對中小銀行的、比較完整成熟的AI解決方案。

說實在話，絕大多數中小銀行早期在風控、後台安全、線路帶寬這一系列的流程都沒設計好。如果要使用新的人臉識別技術、雙目紅外攝像頭，需要把前端的機具、後台的架構、中間的通訊聯絡線路帶寬、安全傳輸、影像、平台、大數據反欺詐、雙因子認證進行全面的改造，還需要一個過程。

最後王強博士總結到：其實現在中小銀行有很多事要干，他們現在什麼都想干，但什麼都顧不上。所以很多前沿的項目呢，往往得分個輕重緩急。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！