周军:构筑安全、便捷、时尚的金融生态圈

未央网

2015年12月3日,由中国金融认证中心(CFCA)举办的以”互联网+银行的未来”为主题的第十一届中国电子银行年会在北京举行。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。未央网对本次会议进行全程报道。

北京天诚盛业科技有限公司总经理周军做了《生物识别+Bank4.0构筑安全、便捷、时尚的金融生态圈》主题演讲,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内控体系发生了极大的变化。

周军指出银行的发展从传统银行到智能网点,到移动金融生态圈,这个发展体现了生物识别发展三个不同的阶段了,传统银行的场景就是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,采用的是特殊数据的语音模式;第二代叫智慧网点,采用的是BP,是基于梯度的链式传递的技术,是一种数学方法,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。

以下为演讲实录:

周军: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50%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现了什么,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内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,图像的处理能力加强了,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,由于丢失了几千万,我们那个时候指纹识别已经完成了,只要银行出点事,我就拎着箱子去找他们,我告诉他你用我的东西,你丢的钱我赔,但是我也知道我赔不起。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。生物识别天生具备的属性,让生物识别伴随金融多场景发展的一项必备技术。

银行的发展从传统银行到智能网点,到移动金融生态圈,这个发展体现了生物识别发展三个不同的阶段了,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,采用的是特殊数据的语音模式;第二代叫智慧网点,采用的是BP,是基于梯度的链式传递的技术,是一种数学方法,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,正在与我们虹膜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DP-learning,解决了智慧网点用到的BP这个梯度信息链式传递过程中信息衰减的问题,这个技术好的地方在于当你看一个东西不需要看得太清楚,就可以把这个东西分成几个不同的层次,根据不同层次敏感数据形成你想要的核心数据,进而参与它的比对,解决了梯度链式传播信息衰减的问题。这项技术是由四位科学家发明的,其中有一位是中国人–吴文达,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。DP-Learning到现在为止没有找到理论数学依据,全凭想象做出的一道逻辑,通过这样的模式达到深度神经网学习的方式。

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。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?如何获取这种信息,对传感器要求是一样的道理。这样的问题用传统的比对模式已经没有办法解决,只能用深度神经网学习,是基于G-Net来做的。

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+一个数据文件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。应用策略层是一个侦查兵,在第一线,不断看到环境,比如我在一个自主设备上看到我的自主设备里用了什么镜头,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智慧层,判断采用几级,决策之后,将这两层数据传给算法层,相当于狙击手,根据这两个指挥来决策这个人是否是本人,并且把这个信息结果反馈给智慧层策略,由此来分析信用等级是多少,决定这个人的可信度是多大。这套体系我们针对手机的直销银行自主设备以及VIP都做了大量的试验,目前这套决策体系是生物识别行业针对多场景应用最好的一套东西。

这一套策略在前端、后端,智慧层如何去用?提出一点建议,SDK解决不了原有的问题,需要用一套策略,而这套策略就是基于深度神经网学习的、基于不同场景的体验应用。

我和我的伙伴经过16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–国家技术创新二等奖。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、荷兰,我们公司在国际化过程中,把ISO这样的标准翻译成中文,让我们公司内部人开发,我们作为一个民营企业在国际生物识别大赛上,我们获得第二名,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,并且公司经过三十年积累,形成了150多项发明专利。万分感谢,客户是我们的衣食父母,随着多场景的应用发展,如何匹配现在金融生态圈这种多场景的生物识别,我们在路上,也希望在座各位能让我们一路陪伴,谢谢大家!