在地球生命进化历程中，浮着一个悬案。
五亿年前，地球上到处被水覆盖，仅有少量物种在深海中流浪。它们没有眼睛，有食物路过嘴边，赶紧一口咬住，没有的话，就继续游荡。这种佛系的蜗速演化状态，持续了好几千年。
直到寒武纪时期，局面才有了变化：物种突然迎来爆炸式增长，各种奇奇怪怪的生物出现，世界也开始可可爱爱。
究竟是什么原因造成的呢？业内大佬各执一词，情绪到位，激情互怼，但至今也没达成一致，依旧是个未解之谜。
几年前，一位澳大利亚的动物学家，在研究了大量古化石后，提出了一个相当有说服力的观点：寒武纪时期，生物第一次进化出眼睛，学会「识物」，进而催生出追逐捕食行为，不经意间引发了物种大爆炸。
物种A：你瞧对面那哥们，看起来是孜然味的，我咬它一口试试。物种B：卧槽，兄弟们快跑...
后来人类出现，发现“脸”是个非常有趣的存在：每个人都有，诶，又都不太一样。
于是，“脸”逐渐成为辨别身份的一把钥匙，而“看脸”，也悄无声息地成了社会秩序的一部分，比如媒婆手中的画像册，关系着传宗接代；街头巷尾的监控摄像头，承载着国泰民安。
没有任何预兆，“脸”就被安排上了 C 位。
但是，脸可以易容，眼睛也会失忆，那些藏在细节中的魔鬼，引发了一场旷日持久的“人脸识别对抗战”。
老“脸”一红：额，就挺突然的…
悲催的画工，傲娇的张管家
南宋绍兴初年，一个名叫吴阜的靓仔，闲来无事在街头溜达，猛然间，他被墙上的一张纸吸引住了。
那是一张通缉令，上面还有幅画像，吴阜左瞅瞅案情描述，右看看画像，眼冒金星之际，他终于确定：这、画的不就是我吗？
原来，就在几天前，下级军官出身的吴阜，抢了隔壁城一位王姓富豪的 20 万串铜钱，得手后，吴阜迅速逃离了现场。让吴阜没想到的是，这位隔壁老王如此有钱，报案也如此果断，引得州县按照老王的描述，找画工画出了自己的样貌，展示在通缉令上，全城张贴。
吴阜气不过，一把撕下通缉令，火速进城。
几番打听，吴阜终于找到画工赵四，一见面，吴阜就把通缉令甩在赵四脸上：大哥，你是不是缺钙导致手抽筋鸭？劳烦把你的眯眯眼睁大，仔细瞅瞅，这画像和我有哪一点相似？重新画！
赵四：...
通常，颁发画像通缉令的流程是：受害者到官府报案，官府命画工按照描述作画，随后张贴在大街小巷，发动人民群众的力量围堵嫌疑人。
那么问题来了，画像明明是出于当事人的描述，为什么和真人判若两人呢？原因主要有两点。
1、记忆属于情景重构，并非重现。意外发生时，人处于高度紧张的状态，除非眼前的罪犯有非常明显的特征，比如三只眼睛，或者身后有条尾巴，否则短时间内，很难抓住罪犯的面部特征。
刚刚谁 Q 我？
生而为人，脸上都是相同的数量配置，别说在短时间内描述一个陌生人的面部特征，就是让你描述一下自己的男/女朋友，很多人都不一定能做到。不信你找几个同性朋友围坐在一起，各自说说看，到最后，每个人可能都会缓缓打出一个问号：听起来，我们说的怎么像是同一个人？
哦，对不起，我忘了你可能没有男/女朋友，那还是说回吴阜抢劫案里的隔壁老王吧。
在被抢劫的过程中，老王一边要死拽着铜钱，一边要躲避随时会袭来的棍棒攻击，双重紧张下，他还要记下对方脸上有什么特征，事后准确回忆出来，确实是强人所难。
2、绘画是一种艺术，属于主观创作。古代绘画，大多追求神似，而肖像画需要神形兼备，难度可见一斑，所以直到宋朝，肖像画技艺才算上道，成为独立的绘画领域，而通缉令又是肖像画里比较特殊的一种，不但考验绘画水平，还考验想象能力。模糊描述 想象创作，效果自然随缘。
《名侦探狄仁杰》：画师可能和狄仁杰有仇
当然了，现实中，像吴阜这么彪的人并不多见，对绝大多数被通缉人员来说，他们只会担心画师超常发挥，于是想尽各种办法，防止自己被认出来。
道听途说式的作画，再加上千人千面的解读，被通缉者很快摸出了门道：只要我够大胆，通缉令上的画像，就永远不可能像我。比如在眉尾、嘴角粘个大痦子，或者男扮女装穿个裙子，甚至搞个人皮面具，城门口那些官府小喽啰，拜拜了您呐。
《西游记》中，白骨精先后三次乔装打扮
除画像通缉令之外，拜访也是个需要靠脸来识别身份的场景。
张管家您近来可好？我是王富贵，今儿专程来拜会丞相大人，还劳烦您给通报一声。您不记得我了？前几天我们还见过呐，同福酒楼，我穿一身儿绿，帽子也是同色系，您再想想。还是想不起来？害，您是贵人多忘事啊！(拉到一旁：我这儿有五千两银票，您拿去喝点茶，全当我孝敬您了~想起来了？太好了，那我先进去，得空儿再请您喝茶。
级别高的拜访者，纯刷脸；中等级别的拜访者，刷脸不够，需要银票来凑；级别再低的，就得看命运了。
从“你是谁”到“这是不是你”，在这场全社会参与的刷脸身份识别游戏中，为了达到各自目的，每个人都费尽心思，但事实证明，“刷脸”真的很难，费力、费时、费钱不说，误伤倒是很容易。
南宋末期，秀才林附祖好好的走在路上，几个蒙古兵突然冲上来，大喝一声：“文天祥，看你往哪儿跑！”
林秀才赶紧解释，说你们认错了，但蒙古兵从怀里摸出一张皱巴巴的画像，底气十足：“画像在此，你还狡辩，自己看，这明明就是你！”于是，林秀才就被抓到了京口，直到有人出来作证，蒙古兵才相信是误伤，无奈把人放了。
时光如梭，摄影技术和人工智能的出现，让刷脸对抗从粗制滥造转向精雕细琢。
刷脸智能化科技进步，胜过天翻地覆。
机场、火车站、写字楼的刷脸闸机，让丞相府门口的张管家乖乖回家；张学友万人演唱会上的刷脸安保，让城门口拿着通缉令挨个比对的官府小兵惊掉下巴。
“逃犯克星”张学友
智能时代，刷脸从线下迁移到线上，画工、张管家以及官府小兵，都被整合进了人脸识别系统：摄像头眨眨眼，就能精准获取人脸图像，再经过后台对比，张三还是李四，一看便知。
在人脸识别系统面前，粘胡子、穿裙子这样的伪装手法，简直弱爆了，身份识别一秒完成，不再费力、费时、费钱。
简单来说，人脸识别系统由硬件和软件组成，硬件 (传感器) 获取人脸图像，软件 (算法) 进行分析比对，整个识别流程可以分为以下四步：
1、人脸检测：别问，问就是先找脸 (把人脸从图像中裁剪出来)。
2014 年，世界上人数最多的自拍合照 (检测方法：百度 PyramidBox)
2、人脸对齐：把裁剪出来角度各异的人脸，转换成统一的标准。
借人见人爱的猫咪来举个栗子。平时给猫咪拍照时，有的猫咪会直视摄像头，优雅的摆好姿势，此时拍出的照片就是正面照。
图片来源于网络
但在实际操作中，猫咪不一定会配合，反而会用怪异的姿势表示抗议，搞得自己猫不像猫，让刚刚知道猫有两个耳朵的宝宝一头问号。
图片来源于网络
同样，非正面拍出的人脸图像，也会给后续的识别带来干扰，这就需要强行摆正照片里的脸，也就是找到面部的若干关键点，用一些手段 (平移、缩放、旋转等) ，把不标准角度的人脸转化到标准人脸。(很多拍照扫描软件都有边框自动对齐功能，也是这个原理）
典型的人脸对齐过程
3、特征提取。
在标准人脸图像的基础上，进一步提取出眼睛、鼻子、耳朵、嘴等部位的几何形状特征，用数据记录下来。
P.S. 智能时代，魔鬼就喜欢藏在这些细节特征里。
图片来源于网络
4、特征比对：把上一步得到的面部特征结果，与预置的人脸数据进行比对。
在人脸识别系统中，一般会设定一个相似度阈值，假设为 97%，如果两份人脸数据对比下来，相似度为 98%，系统就判定为同一人，一秒放行；反之，如果是 96%，得嘞，您哪儿来快回哪儿去吧。
图片来源于网络
经过以上四个流程，你就能感受到人脸识别的妙处了，比如上班摸鱼时监测老板动向。 (天呐，我什么也没说~
图片来源于网络
虽然人脸识别已经智能化，但依然有漏洞可钻。
漏洞有多大呢？假设某人脸识别系统的相似度阈值是 97%，那么剩余的 3%，就是魔鬼的发挥空间。
对于普通人来说，刷脸频率最高的两个场景，就是解锁和支付，这也是最容易遇到魔鬼的地方。
刷脸解锁现如今，凡是需要验明正身的地方，大多都接入了人脸识别系统，比如机场、银行及各大牛逼拉轰的 APP，但能让你笑着把脸伸过去的刷脸，大概也只有手机解锁了。
手机里愈加臃肿的秘密，就曾掀起了一场解锁方式的变革。在先后尝试了数字、图形、指纹、虹膜等方式后，人们发现，用“脸”解锁是最方便的，不需要用手指戳屏幕、连圆点、找位置，看一眼手机，叮，解锁成功，极具科技感。
一时间，众多厂商都给手机增加了面容解锁功能，一看即开，但便捷不一定安全。
2017 年，三星在 Galaxy S8 的宣传广告中，就清楚的写着：脸部识别，相比图形、PIN 码及密码的安全系数较低。2018 年，三星 S9 用户在注册时，也会收到类似提醒：您的手机可能会被与您长相类似的人或物解锁。
图片来源于网络
意思很明显：各位上帝大大，你们喜欢面容解锁，我就替你们安排，但丑话说在前面，万一有一天，你的手机被别人解锁了，别怪我事先没提醒过你。
事实也确实没让人失望，照片攻击出现了：只需一张普通的人脸照片，就能轻松破解安卓手机上流行的 2D 面容解锁。
没过多久，照片攻击就被玩出了新花样：没现成的照片？屏幕翻拍一张；用屏幕不方便？那就找张纸打印出来。反正结果都是一样的。
2D 面容解锁为什么容易被破解？原因出在照片上。
上学时，老师一定讲过三原色，分别是红(Red)、绿(Green)、蓝(Blue)，把这三种颜色按照不同强度组合，就可以调配出自然界的一切颜色。彩色照片一般都是 RGB 图像，也就是说，图像中的每一个像素值，都是由红、绿、蓝三种颜色组合而来。
这就暗藏一个问题：在机器的眼里，RGB 图片不过是一堆数字，管你是真脸，还是屏幕翻拍的照片，在机器眼里没有什么不同，只要和预置照片有符合设定的相似度，就可以解锁放行。
这样的结果，显然激怒了上帝大大们：我要方便，也要安全，你们谁能抵挡照片攻击，往前一步！
2017 年，一位酷似二郎神的勇士站了出来，它就是搭载了面容识别功能 Face ID 的 iPhoneX。
谁又 Q 我？
在 iPhone X 风骚的刘海里，藏着一枚 True Depth 摄像头，以及红外相机、点阵投影器等其他元件，Face ID 使用了「3D 结构光」技术，能够把机器眼里的你从平面变为立体，有效抵挡照片攻击。
图片来源于网络
Face ID 工作时，红外相机会工作两次。当镜头前有物体出现，红外相机赶紧叫醒泛光感应原件，如果发现只是不明物体乱入，那就各自回家，继续等待召唤；如果发现是人脸，红外相机会马上叫醒点阵投影器，点阵投影器会立刻向人脸发射出 3 万个结构光点，这些光点遇到障碍物 (人脸) 反射回来，被红外相机接收，就会形成一张毫米级别的人脸深度图像，这张深度图会被发送到芯片中的专门区域，把它和你预设好的面容信息进行比对，成功即可放行。
点阵投影器的效果，有点类似于游戏「人体打印机」
某天深夜，和失眠偶遇的你，想听两首催眠曲，一伸手，你摸到了枕边的 iPhone X，当然，也可能是唱着 Are You Ok 的雷军。总之，你拿起手机，对准自己的面部，叮，解锁。
黑漆漆的夜里，人脸识别是怎么为你解锁的呢？答案是 NIR 近红外摄像头。
NIR 是个夜视小能手，专治设备夜间看不见，它不受环境光的影响，能够在低光、甚至无光环境中正常工作，妈妈再也不用担心你在夜里解不开手机。
不同光照角度下的成像效果：第一行是可见光，第二行是近红外 NIR
RGB 色彩、Depth 深度和 NIR 近红外，是人脸识别系统中最常见的三种传感器，除手机外，考勤机、写字楼闸机、摄像头等设备都在使用，按照需求和使用场景的不同，三者既能单独使用，也可随心搭配，有钱可以都上，没毛病。
从时间轴上来看，Face ID 带火了 3D 结构光人脸识别，削弱了照片攻击的势头，但新型攻击手法也并未缺席：3D 面具和高仿头模。
越南有一家安全公司，对库克反复夸赞的 Face ID 充满好奇，费尽心思想要搞个大新闻：攻破 Face ID。当时，市面上很多机构都跃跃欲试，想挫一挫库克的小傲娇，但各种尝试都失败了，没想到，越南这家安全公司还真成功了。
他们用 3D 打印技术仿制了一个人脸框架，用硅胶制作了五官，眼睛部位放了特殊的图片，最后一整合，成功造出一个夜里看了会尿床的 3D 人脸面具。当然，以貌取人是不对的，虽然丑，但这张脸确实破解了 Face ID。
不管黑猫白猫，能抓住老鼠就是好猫
后来，有更多公司宣称做出了能攻破人脸识别的面具，以及头模。比如一家位于圣地亚哥的公司 Kneron 就曾公开表示：别说手机解锁，就连支付宝、微信的验证也没问题，对了，还有国内某火车站的闸机呦。
但 Kneron 也承认，面具是特制的，成本高昂，这种攻击不会成为常态。
Kneron 的 3D 面具
Kneron 的 3D 面具，究竟是确有奇效，还是单纯的噱头？不好说，但我听懂了后半句：这么贵的东西，即使有，也轮不到余额还没密码长的普通人，所以别担心，洗洗睡吧。
嗯，睡吧。
刷脸支付除了解锁，另一个高频的刷脸场景，就是支付。
网上广为流传的恶搞漫画：人脸识别支付
手机面容解锁的流行，养懒了一大批人，当你习惯不再手动输入密码后，那些需要输密码才能使用的软件，瞬间就变得面目可憎了。
于是，一大波支持面容解锁的 APP 正在赶来，但这些 APP 没想到的是，面容解锁被攻破的新闻，来的如此之快，不少 APP 开发者一看，这还行？赶紧想办法，不然就留不住用户了。
这其中，数支付类 APP 最为慌张，他们急需找到一种识别方法，保证镜头前的你，不仅是对的，还得是活的。基于这种需求，一系列人脸活体检测手段就出现了，比如动作配合式，面对面视频等。
移动端常见的是动作配合式，比如点头、张嘴、眨眼等，如果你在街上看到一个龇牙咧嘴的人，别急着打 120，他很可能只是在配合活体识别；面对面视频活体检测，在银行等金融机构用的比较多，早期办理信用卡，需要手动填写申请表，还要逐字抄写一段内容，现在你再去办卡，基本都是自助机器办理，过程中，还会有漂亮小姐姐跟你视频通话，问你是不是自愿，确认你是本人自愿办卡后，回家等待发卡即可。
图片来源于网络
人脸活体检测的出发点是好的，但又是眨眼、张嘴，又是视频通话，好像有些违背初心了：人脸识别应该既快捷又安全，搞这些花样反而显得累赘，难道没有不需要配合，就能检测出“是不是活的我”的方法吗？
当然有，就是静默活体检测 (用户负责安静沉默就好)，这种检测方式，虽然需要软、硬件的默契配合，以及在、离线的恰当组合，却能够让人脸识别回归初心。
这么有市场前景的活体检测方式，攻击者当然不会放过，新的攻击手段应运而生，比如合成图攻击。
两张脸，一合，就是人脸合成图
2017 年互联网安全创新大会上，来自平安科技的安全研究员高小厨，分享过一个“黑 Uber”的故事。
有一次，高小厨打车回家，车到眼前，司机主动打招呼，但高小厨一看，不论是司机长相，还是车辆信息，都和软件上显示的不一样，但回家心切的高小厨没多想，拉开车门就钻了进去。
车开了还不到一分钟，司机开口了：“我现在要取消这个订单，费用你直接转我就行。”高小厨一听，果断拒绝，司机再三劝说无果后，表示可以把高小厨送回原处，让他重新打车，高小厨接受了。
结果，出人意料的事情发生了。
高小厨再次使用优步打车，出现的居然还是刚才的司机。司机得意的笑到：“别白费力气了，要么你就打出租车，但如果你继续用优步叫车，来接你的只会是我。”
高小厨：...
事后，高小厨才搞明白，附近有个车队，由 30 多个黑车司机组成，每个司机都有一堆假优步账号，车队合起来有数百个账号，这些账号都由一个人统一接单，再通过电台调度，派车去接人，所以只要高小厨在原地用优步打车，不管谁接单，出车接人的大概率都是这个司机。
这些司机是怎么破解优步人脸识别功能的呢？答案就是：能够让照片“开口说话”的软件 Photospeak。
“照片活化”就是合成图攻击的一种，咸鱼上有段时间曾经疯狂售卖，一套照片活化软件加教程，35 元即可到手。
使用方法也很简单，添加一张人脸照片，软件通过识别和定位面部关键点，就能让“脸”活起来，流畅实现“眨眼、张嘴、点头”。
照片活化示意图
优步大概想不到，自己这么容易就被一群司机给黑了。
合成图攻击不同于一般的照片翻拍攻击。我们都有过这样的体验，当你举起手机对着屏幕拍摄时，照片上会出现一条一条的纹路，有时候没掌握好角度，还会把物体拍变形。常规的照片翻拍，都是对着屏幕拍摄，比如用手机拍摄电脑屏幕上的人像，咔嚓一声，手机上就有了一张翻拍图，但这样很难避开摩尔纹、成像畸形等问题，在现在的检测技术下，全是马脚。
LED 显示屏上的摩尔纹现象
合成图就不存在这样的马脚，它避开了屏幕这类图像介质，直接编辑原图，生成一张新图片，这就给检测带来了很大的难度，这不，就连优步都翻车了。国内很多技术公司都在尝试通过算法，提高甄别合成图的准确度，其中有一种算法，凭借清奇的思路，收获了一大波粉丝。
在揭秘这个“百方有佳人，绝世而独立”的算法之前，我们需要另一个知识来打底：人脸识别最大的挑战是什么？
答案是：算法的泛化能力。
泛化能力，是指算法对新鲜样本的适应能力，也可以简单理解为归纳总结能力。一个孩子见过几次猫咪，以后再遇到瘫地上的、挂墙上的，一样能认得出，因为他抓住了猫咪不同形态背后的规律，但人脸识别模型就不一样了。
小区门口的人脸识别门禁，晴天认识你，雨天认识你，碰到哪天刮沙尘，就不一定认识你了，因为算法没见过沙尘天变“黄”的你，归纳总结能力又不足，非常容易受到环境变化的干扰。
搞算法的程序猿们为什么累？就是因为要手把手教，把所有可能遇到的情况都考虑进去，操心的人最累，所以他们秃的并不秃然。
这里其实还牵扯到一个概念：鲁棒性。
很多人可能都有过切身体会，作为一名合格的社畜，除了具备过硬的工作能力外，还必须抗造。比如就算甲方爸爸半夜突然提出修改意见，你也得陪着笑说：您说的对，我这就改。耐着性子改好一版发过去，甲方爸爸终于扬起了嘴角，你一看表，已是凌晨五点，争分夺秒睡了三个小时后，再度精致地出门上班。能在逆境中保持优雅，临危不乱，用一个词来形容，叫做抗压能力。
同理，要想成为一个优秀的人脸识别系统，也必须具备抗压能力：抗再多攻击，不能死机；受再多苦，不能崩溃；天塌下来，也要微笑工作。用一个词来形容系统的抗压能力，就叫做鲁棒性 (Robust)，它和泛化能力成正比。
人脸识别已经遍布生活各个角落，与此同时，人脸识别攻击更是防不胜防，上至几十万的 3D 面具、头模，下至 35 元的照片活化软件，不算你身价几何，总有人用奇奇怪怪的方法，想要变成你。
兵来将挡，而这个将，就是算法。
有句话说得好：有多少人工，就有多少智能。传统的攻击检测算法，需要手工提取攻击特征，进行分类，再通过大量的数据集训练，教会机器如何识别异常，阻止别人冒用你的脸。
但是，这种方法需要大量的数据集做支撑，而数据集的更新又具有滞后性，新的攻击手法已经出现，相应的数据集还没有建立，这就像坏人已经提着钱箱跑出了银行大门，而你才在给枪装子弹。
有没有一种方法，能够增强算法的泛化性，让它在没有接受过对应样本训练的情况下，也能够有效发现异常呢？
有的，就是我刚刚提到靠清奇思路出奇制胜，圈了一大波粉的算法，它叫做 LGSC (Learning Generalized Spoof Cues for Face Anti-spoofing)，这个有趣的思路，出自百度的计算机视觉团队。
在传统的检测方法中，算法面对的是选择题，每道题都有 A、B、C、D 四个选项，算法不仅要选出正确答案 (找出真脸)，还要知道为什么不选其他选择 (分辨是照片、视频还是面具攻击)，这样的局面，其实算法也很累，如果有一道题，它只能排除掉两个选项，那么答对的几率就只有 50%，一旦选错，锅就是技术小哥来背。
但百度的计算机视觉团队，非常巧妙的把选择题改成了判断题。
在 LGSC 算法中，百度定义了一种「攻击线索」。在算法眼里，一张真实的人脸图像是什么样的呢？每一个特征都真实，每一个像素点都安全，不存在带有恶意攻击性质的线索。百度把这样一张天然无害、没有任何攻击线索的人脸图像，叫做全零图像，并告诉算法：小子，你记住了，只有全零图像才能相信，如果你发现人像脸上还有其他的特征，就要小心了，它很可能是来骗你的，别上当，赶紧把它推得远远的。
这样一来，算法就懂了：有这些特征的就是真脸 (下图中的红点)，可以开门，其他的都是骗子 (下图中的蓝点)，不管认不认识，都关在门外就好了。
图片来源于 LGSC
如此一来，既减轻了算法的工作量，又提升了工作效率，可谓一举两得。(悄悄说，百度小哥哥们已经开源了这个算法，感兴趣的可以去瞧瞧~
提到开源，我突然又想起一件事。
对使用 iPhone 的盆友们来说，比戴了好几个月口罩、而且很有可能一直戴下去更煎熬的事情，恐怕是一天内要输入无数次解锁密码。
为什么呢？因为戴上口罩，算法就不认识你了鸭。
一个轻薄的口罩，之所以对算法有这么大的冲击力，主要有两个原因：
1、通常情况下，算法要看完整张脸，才能确定你是不是你，结果你“啪”一下，口罩一戴，谁都不爱，只露出眉毛和眼睛，大部分特征都丢失了。
算法：在下无能，先溜为敬。
2、疫情来的太突然，短时间内很难收集到大量的戴口罩照片，没有充足的数据集，就没办法有效的训练算法。
时间不等人，难题亟待攻破，怎么办呢？
1、调整权重。虽然面部一大半都被口罩遮住了，但好在外露的眼睛区域，拥有比挡住的鼻子和嘴更多的信息，只要加大算法对眼部特征的识别权重，让算法集中观察眼部，就能把口罩所带来的特征丢失损失降到最低。
AI：集中注意力，看眼看眼看眼
2、合成数据样本。
基于人脸关键点的 3D 图像融合技术，百度视觉给各种姿态、各种 size 的人脸，“戴上”了各种款式、各种尺寸的口罩，足不出户就拥有了海量真实数据。
AI：是不是戴的挺好？快夸我！
疫情期间，百度开源了业内首个口罩人脸检测和分类模型，至于开源的原因，他们不说，我也不问，就算问了，估计也是场面话，不过当我刷着疫情新闻，突然看到这张宣传图的时候，还是有风吹进眼睛。(不服老不行了~
是啊，我仍认得你英雄的样子
搞人脸识别算法的公司千千万，宣传做的再好都没用，最后还是得疗效说了算。话说，BCTC (Bank Card Test Center) 就是这么一家疗效测评公司，它的中文名叫做银行卡检测中心，是经过中国人民银行总行批准的一家机构，专门负责与支付行业相关的检测认证，比如负责把控移动支付行业的准入门槛：想做移动支付？先过了我设置的技术关再说。
这样一来，想进入移动支付行业的公司，就必须保证产品上搭载的人脸识别算法足够安全可靠，为了通过 BCTC 的严峻考验，人脸识别领域的软硬件公司开始了强强联合，典型的例子就是镜头模组厂商和算法公司的合作。
不过，BCTC 的技术关也有含金量之分，比如普通认证和“增强级”认证，不仔细看，很难发现里面的道道，所以各位大佬搞投资理财之前，可以从这里入手，先探探软件的安全级别。别的不说，在这个浮躁的社会里，选择用“增强级”技术来保障用户安全的公司，最起码有颗走心的初心。
在人脸算法领域，虽然此消彼长的龙虎斗很精彩，但我真心希望，天下无贼。
其中，也包括高级的“偷脸”贼。
老“脸”再次一红：真的，别搞我，我只想安静的貌美如花。
嗨，这里是浅黑科技，在未来面前，我们都是孩子。
想看更多科技故事，欢迎戳→浅黑科技。
,
