指紋識別對比虹膜識別誰更好？

　　付款的時候，無論是密碼，還是最近非常普及的指紋，都有一個共同的目的，那就是證明你是你。專業一點來說，叫做身份識別。

　　所以，指紋識別所做的事情，和機場工作人員用身份證比對你的長相沒什么區別。實際上，指紋識別的準確率比拿出身份證面對面審核的準確率要低。說得更直白一些，指紋識別是以犧牲一定的準確性，極大地換取了易用性的身份認證方法。

　　雖然我們現在對于指紋識別的準確率和易用性還算滿意，但指紋識別真的是未來最好的方案嗎？在螞蟻金服身份認證論壇上，各路大牛給出了不少“黑科技”。

　　指紋識別的極限

　　目前最為通用的兩種指紋識別方式的基礎原理是超聲波和電容。然而，這兩種傳感器各有一怕：

　　超聲波怕“干”，對于干燥手指的識別率偏低，尤其在北方干燥的冬季，超聲波基的指紋解鎖讓人抓狂。

　　電容怕“濕”，對于濕手的識別率低，對達到一定濕度的手指呈現無解狀態。尤其是在陰雨綿綿的夏天，或者在用戶剛剛沐浴之后。

　　雖然看這篇文章的大多數人都可以毫無障礙地使用指紋支付，但是根據指紋識別幾位行業大佬提供的數據，接近5%的人天生就是這種身份識別方式的“克星”。例如，

　　有的人手指天生指紋非常淺，有的人會神經性地出汗，而有的人手指極為干燥。這些“奇葩”的手指不斷挑戰指紋識別技術的物理極限。

　　另外一些人從事農業或者重體力勞動，指紋經常帶有泥土或油污，這種情況會讓所有的指紋識別技術一齊啞火。

　　實際上，不適合指紋識別的用戶，比一般人想象中更多。對于付款、解鎖手機這種幾乎人人都需要用的服務，指紋顯然不是最優的方案。

　　【人眼可用于身份認證的區域：Pupil，瞳孔；Iris，虹膜；Sclera，鞏膜】

　　虹膜的愛恨

　　說到身份認證，一個難以忽視的技術就是虹膜識別。

　　虹膜識別是身份認證技術中的“高富帥”，識別精準率極高，誤差率只有十萬分之一。但同時，它對于硬件、算法、識別條件的要求也最高。

　　簡單來說，瞳孔之外、眼白之內的這部分區域，就是虹膜識別的位置。

　　中科虹霸是專門研究虹膜識別技術的公司，它的 CEO 馬力說：

　　每個人自從一歲之后，虹膜的形態就已經穩定了，而虹膜的形態在不同個體中都有區別，所以可以用來識別身份。目前已經有很多專業的身份認證場景使用了虹膜識別，但在普通人的生活中，虹膜識別還有些陌生。

　　之所以虹膜識別尚未大紅大紫，是因為這項技術需要一個專門的虹膜采集攝像頭。而目前這種專用攝像頭顯然沒有在大眾手機中普及。而虹膜比對的計算需要復雜的算法，對設備的運算能力有一定的要求。另外，在移動設備上實現高可用性的虹膜識別，技術還需要完善。

　　用馬力的話說，雖然有很多實現的路徑，但“還需要一點時間”。

　　【主流身份認證技術的安全性和用戶體驗對比】

　　為神馬用人臉識別？

　　很多人都在支付寶或者其他場景中使用過人臉識別技術。

　　來自螞蟻金服的專家李亮說：

　　實際上人臉識別技術已經超越了人對于人臉的辨識度。有天賦的人可以記住500張熟人臉，而一般人可以記憶300-400張熟人臉。在這個范圍內，人的表現可能會優于算法。但是人對于不熟悉的面孔，會產生極其明顯的“臉盲癥”。所以在大規模人臉識別中，人絕對不是機器的對手。

　　來看一組有意思的對比數據：

　　指紋識別的誤識率為兩萬分之一，虹膜識別的誤識率為十萬分之一，而人臉識別的誤識率是萬分之一。

　　也就是說，如果僅僅采用人臉識別鎖定設備，每一萬個人中，就有一個人可以騙過人臉識別，進入你的手機。

　　【用各種奇葩方式欺騙人臉識別】

　　誤識率是指紋識別的兩倍，講真這個誤識率給人感覺并不高，但顯然人臉識別不如指紋識別“靠譜”。然而在現實應用中，人臉識別卻擁有諸多開掛般的優勢。

　　李亮說：

　　在現實生活中，人們用到的很多 ID，例如身份證、駕駛證、社?？ǖ却蠖鄶岛戏ㄗC件的鑒識主體都是照片。而國家有關部門擁有一個非常完整的公民人臉信息庫，可以對外提供查詢服務。這個基礎設施能夠帶來一個巨大的好處，那就是所有使用人臉識別的人，不用預先錄入人臉信息。這是螞蟻金服采用人臉識別技術的一個主要考慮。

　　不用注冊，直接識別， 這確實讓越來越懶的人們感覺到幸福。但是，人臉識別在應用場景中，卻需要面對諸多考驗：

　　1、光照：在移動端使用人臉識別的時候，人們經常處于奇葩的光照環境中，例如昏暗的臥室或廁所、光影迷亂的酒吧?！翱床磺迥槨?，是人臉識別的巨大挑戰。

　　2、姿態：在很多場景中，人并不會絕對配合人臉識別，45度仰望天空經常讓人臉識別系統欲哭無淚。

　　3、表情：人在照證件照的時候，一般都是一副鐵青的臉，然而在剁手購物的時候，都是笑逐顏開的。

　　4、妝容：如果你看過網上流傳的女生化妝前后對比，你應該知道我在說什么。

　　5、年齡：隨著年齡的增加，人的長相也是會變化的。

　　李亮說，對于前三種挑戰，可以通過提示用戶的方式，讓 Ta 加以配合，但是對于后兩種挑戰，只能通過大數據和算法優化來改進。（想像一個美女進行人臉識別的時候，系統提示：請卸妝洗臉后再試，會發生什么。。。）