人工智能在電信實(shí)名認(rèn)證中的關(guān)鍵技術(shù)及應(yīng)用

人工智能在電信實(shí)名認(rèn)證中的關(guān)鍵技術(shù)及應(yīng)用姚慧;馬思研【摘要】應(yīng)國(guó)務(wù)院及工業(yè)和信息化部的實(shí)名制要求,結(jié)合運(yùn)營(yíng)商業(yè)務(wù)轉(zhuǎn)型的需要,提出了一種基于人工智能技術(shù)的在線身份認(rèn)證解決方案.首先介紹了基于深度學(xué)習(xí)技術(shù)的實(shí)名認(rèn)證系統(tǒng)架構(gòu),分別對(duì)系統(tǒng)的4個(gè)模塊和系統(tǒng)整體特點(diǎn)進(jìn)行詳細(xì)闡述.其次論述了應(yīng)用在實(shí)名認(rèn)證系統(tǒng)中的人證比對(duì)與識(shí)別、證件OCR、靜默活體和視頻認(rèn)證等關(guān)鍵技術(shù),介紹了身份認(rèn)證解決方案的應(yīng)用現(xiàn)狀,此外分別從安全性的角度介紹了實(shí)名認(rèn)證業(yè)務(wù)場(chǎng)景中抵御攻擊的手段,從性能的角度分析了本方案在實(shí)際應(yīng)用中取得的良好效果.最后,分析了人工智能技術(shù)在運(yùn)營(yíng)商業(yè)務(wù)領(lǐng)域中應(yīng)用問(wèn)題,并探討了未來(lái)基于實(shí)名認(rèn)證的產(chǎn)品研發(fā)方向.期刊名稱】《電信科學(xué)》年(卷),期】2019(035)005【總頁(yè)數(shù)】8頁(yè)(P51-58)【關(guān)鍵詞】實(shí)名認(rèn)證;深度學(xué)習(xí);身份認(rèn)證【作者】姚慧;馬思研【作者單位】中移在線服務(wù)有限公司,河南鄭州450001;中移在線服務(wù)有限公司,河南鄭州450001【正文語(yǔ)種】中文【中圖分類(lèi)】TP393移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展促進(jìn)了現(xiàn)代服務(wù)業(yè)的蓬勃發(fā)展，利用網(wǎng)絡(luò)提供遠(yuǎn)程服務(wù)成為電信、銀行、證券、基金、保險(xiǎn)等金融行業(yè)的發(fā)展趨勢(shì)。作為業(yè)務(wù)辦理和風(fēng)險(xiǎn)控制的關(guān)鍵環(huán)節(jié)，驗(yàn)證客戶身份是業(yè)務(wù)提供方發(fā)展線上業(yè)務(wù)需要解決的首要問(wèn)題。傳統(tǒng)業(yè)態(tài)的客戶認(rèn)證多通過(guò)網(wǎng)點(diǎn)面簽的方式實(shí)現(xiàn)，存在運(yùn)營(yíng)成本高、覆蓋面不足、體驗(yàn)不佳、耗費(fèi)成本巨大等問(wèn)題。在互聯(lián)網(wǎng)新業(yè)態(tài)下，很多公司對(duì)高效、準(zhǔn)確地實(shí)現(xiàn)遠(yuǎn)程客戶身份認(rèn)證具有迫切需求。目前對(duì)客戶認(rèn)證的需求主要分布在金融、電信政府等行業(yè)，這些行業(yè)各自獨(dú)立，重復(fù)投入，集約化程度不高，信息沒(méi)有共享，設(shè)計(jì)系統(tǒng)、全面、方便信息共享的遠(yuǎn)程客戶認(rèn)證系統(tǒng)存在巨大市場(chǎng)需求。2012年全國(guó)人民代表大會(huì)常務(wù)委員會(huì)出臺(tái)了《關(guān)于加強(qiáng)網(wǎng)絡(luò)信息保護(hù)的決定》，規(guī)定了一些重要的制度安排，要采取措施保護(hù)網(wǎng)絡(luò)信息。工業(yè)和信息化部（簡(jiǎn)稱工信部）也隨即出臺(tái)了《電信和互聯(lián)網(wǎng)用戶個(gè)人信息保護(hù)規(guī)定》，就進(jìn)一步強(qiáng)化安全防護(hù)措施、健全管理制度、落實(shí)安全責(zé)任，做了一些具體的規(guī)定，即《電話用戶真實(shí)身份信息登記規(guī)定》，拉開(kāi)了電信運(yùn)營(yíng)商實(shí)名制工作序幕。規(guī)定要求用戶在辦理電話入網(wǎng)手續(xù)的時(shí)候，需要向電信企業(yè)出示有效證件、提供真實(shí)的身份信息，配合做好相關(guān)信息登記工作。人工智能、大數(shù)據(jù)與云計(jì)算、芯片等面向未來(lái)的核心技術(shù)，正在加速各行業(yè)發(fā)展與技術(shù)變革，高效的人工智能正在逐步取代傳統(tǒng)的服務(wù)方式［1］，本文介紹了一種基于深度學(xué)習(xí)的圖像視覺(jué)技術(shù)的整套實(shí)名制身份認(rèn)證解決方案，闡述了實(shí)名認(rèn)證系統(tǒng)架構(gòu)和關(guān)鍵的深度學(xué)習(xí)技術(shù)，重點(diǎn)介紹了人工智能技術(shù)在電信多產(chǎn)品形態(tài)中實(shí)名認(rèn)證環(huán)節(jié)的應(yīng)用情況?；谏疃葘W(xué)習(xí)技術(shù)的實(shí)名認(rèn)證系統(tǒng)，是在原有的實(shí)名認(rèn)證系統(tǒng)中增加核心域的功能模塊，系統(tǒng)架構(gòu)示意圖如圖1所示。系統(tǒng)主要分為4個(gè)模塊：客戶端、接入域、能力域和存儲(chǔ)域。整體采用前后臺(tái)分離模式，后臺(tái)采用云化部署方案，保證客戶端快速通過(guò)網(wǎng)絡(luò)接入系統(tǒng)，后端管理系統(tǒng)可通過(guò)網(wǎng)絡(luò)隨時(shí)隨地登錄管理。同時(shí)，所有內(nèi)部接口及外部接口均統(tǒng)一設(shè)計(jì)風(fēng)格，便于第三方對(duì)接開(kāi)發(fā)。此外，整個(gè)系統(tǒng)系統(tǒng)采用模塊化設(shè)計(jì)，可以根據(jù)需求選擇不同模塊進(jìn)行自由組合，數(shù)據(jù)在平臺(tái)中打通統(tǒng)一管理?？蛻舳耍褐饕嫦蛴脩簦纤惴ㄒ孑敵鼋Y(jié)果和業(yè)務(wù)校驗(yàn)結(jié)果，向用戶反饋業(yè)務(wù)審核消息；提供對(duì)外接口，支持與第三方系統(tǒng)進(jìn)行基礎(chǔ)數(shù)據(jù)的互通。存儲(chǔ)域：用于存儲(chǔ)各類(lèi)解析后的解碼視頻文件、音頻文件、人像、業(yè)務(wù)流水信息及日志信息。數(shù)據(jù)存儲(chǔ)部分：針對(duì)業(yè)務(wù)中沉淀的海量圖片，采取分布式存儲(chǔ)方案，分別存放于多臺(tái)物理主機(jī)硬盤(pán)中，在存入圖片的同時(shí)將圖片的相關(guān)基本信息存放于MySQL、Oracle等關(guān)系型數(shù)據(jù)庫(kù)中，以便實(shí)名認(rèn)證業(yè)務(wù)進(jìn)行調(diào)用，同時(shí)為確保相關(guān)數(shù)據(jù)信息安全，圖片數(shù)據(jù)和圖片信息在存儲(chǔ)時(shí)都進(jìn)行了脫敏加密，存儲(chǔ)模塊示意圖如圖2所示。接入域：用于實(shí)現(xiàn)請(qǐng)求源調(diào)度和搭建外網(wǎng)通信協(xié)議。能力域：用于提供數(shù)據(jù)處理、解析服務(wù)和日志管理能力。服務(wù)解析能力包括人臉識(shí)別、OCR、靜默活體、視頻解析和語(yǔ)音識(shí)別；數(shù)據(jù)處理能力包括各種數(shù)據(jù)的存儲(chǔ)管理、資源調(diào)度、對(duì)外數(shù)據(jù)訪問(wèn)服務(wù)、數(shù)據(jù)檢索服務(wù)及大數(shù)據(jù)分析服務(wù)。實(shí)名認(rèn)證系統(tǒng)及能力建設(shè)，采取前后臺(tái)分離模式，統(tǒng)一承擔(dān)全網(wǎng)實(shí)名制人工智能技術(shù)的實(shí)施和部署，并擴(kuò)展前后臺(tái)分離模式應(yīng)用領(lǐng)域，致力于建立“前端屬地化、后端集中化”的低成本高效運(yùn)營(yíng)體系，將實(shí)現(xiàn)姓名、身份證號(hào)聯(lián)網(wǎng)校驗(yàn)?zāi)芰?，并逐步發(fā)展迭代增加人像聯(lián)網(wǎng)校驗(yàn)功能，形成全套的信息采集及聯(lián)網(wǎng)查驗(yàn)解決方案，提高了實(shí)名認(rèn)證的精確度。實(shí)名認(rèn)證系統(tǒng)具備以下特點(diǎn)。（1）前后臺(tái)分離模式基于前后分離模式的認(rèn)證技術(shù)，采用“互聯(lián)網(wǎng)+”模式，前端僅對(duì)客戶信息進(jìn)行采集，并將所有采集到的密文信息傳到后臺(tái)服務(wù)器進(jìn)行全網(wǎng)集中解密識(shí)別和認(rèn)證，其中，客戶信息獲取方式包括NFC方式讀取有效證件信息、身份證件拍照上傳、手動(dòng)錄入、客戶現(xiàn)場(chǎng)抓拍照，通過(guò)上述渠道采集后的信息進(jìn)行加密傳輸，回傳至實(shí)名認(rèn)證后臺(tái)進(jìn)行信息解密和人證一致性校驗(yàn)。前后臺(tái)分離模式示意圖如圖3所示。（2）多元校驗(yàn)方式，嚴(yán)控信息安全信息安全主要包括：信息的安全傳遞和信息的安全存儲(chǔ)。本文介紹的系統(tǒng)通過(guò)運(yùn)用IMEI、IMSI、隨機(jī)碼校驗(yàn)、錯(cuò)誤操作次數(shù)控制、清除緩存及離線數(shù)據(jù)、信息傳輸加密等多種手段保障信息安全。信息的安全存儲(chǔ)：該系統(tǒng)涉及用戶信息等高敏感數(shù)據(jù)，因此采用了高可靠性的數(shù)據(jù)庫(kù)管理系統(tǒng)與物理存儲(chǔ)功能，對(duì)客戶資料等敏感信息采用“軟+硬”雙重方式的加密存儲(chǔ)，數(shù)據(jù)庫(kù)采用嚴(yán)格的權(quán)限管理，具備備份與恢復(fù)功能；此外增加數(shù)字簽名措施，采取控制臺(tái)安全、機(jī)器物理隔離、保護(hù)安裝介質(zhì)等多重手段，保證數(shù)據(jù)存放的可靠性、完整性、保密性。信息的安全傳遞：在系統(tǒng)內(nèi)部進(jìn)行處理時(shí)，數(shù)據(jù)嚴(yán)格執(zhí)行不允許出系統(tǒng)的系統(tǒng)安全限制要求，涉及外部系統(tǒng)的訪問(wèn)，必須采取安全性更高的HTTPS加密方式，信息傳輸采用“軟+硬”的雙重加密方式，雙方根據(jù)唯一密鑰進(jìn)行傳輸數(shù)據(jù)的加解密，密鑰獲取采用系統(tǒng)接口級(jí)方式，確保雙方數(shù)據(jù)傳輸?shù)陌踩?、不可獲取性。實(shí)名認(rèn)證系統(tǒng)中廣泛使用了深度學(xué)習(xí)技術(shù)：利用先驗(yàn)知識(shí)搭建神經(jīng)網(wǎng)絡(luò)模型，不斷地從線上獲取各業(yè)務(wù)場(chǎng)景中的數(shù)據(jù)，自動(dòng)學(xué)習(xí)并獲取數(shù)據(jù)的特征表達(dá)。經(jīng)過(guò)有限次的迭代后，模型可以根據(jù)提供的數(shù)據(jù)進(jìn)行決策（分類(lèi)或回歸），算法模型訓(xùn)練流程如圖4所示。首先通過(guò)對(duì)學(xué)習(xí)任務(wù)和具體業(yè)務(wù)場(chǎng)景的分析選取適合的網(wǎng)絡(luò)結(jié)構(gòu)搭建深度網(wǎng)絡(luò)模型或直接選取開(kāi)源的預(yù)訓(xùn)練模型，即初始模型架構(gòu)。對(duì)歷史數(shù)據(jù)（包括圖片、視頻和音頻）進(jìn)行數(shù)據(jù)清洗以及必要的預(yù)處理，獲取可以用于訓(xùn)練和測(cè)試的樣本數(shù)據(jù)。隨后經(jīng)過(guò)有限次的模型迭代（即模型的訓(xùn)練）和遷移學(xué)習(xí)后，獲取具有較好效果的第一代模型。將第一代模型存儲(chǔ)在AI算法模型倉(cāng)庫(kù)中，進(jìn)入線上環(huán)節(jié)。服務(wù)上線后，系統(tǒng)將自動(dòng)獲取、存儲(chǔ)線上采集到的實(shí)際場(chǎng)景數(shù)據(jù)并將其發(fā)布為標(biāo)注平臺(tái)的任務(wù)，采用人工或半自動(dòng)的標(biāo)注方式進(jìn)行數(shù)據(jù)標(biāo)注，因此系統(tǒng)將不斷地獲取新的訓(xùn)練數(shù)據(jù)，從而不斷優(yōu)化本文的模型倉(cāng)庫(kù)中存儲(chǔ)的模型。通過(guò)版本管理功能對(duì)模型版本進(jìn)行管理，評(píng)估并選取更優(yōu)的模型替換線上模型。通過(guò)這一閉環(huán)訓(xùn)練平臺(tái)，可以自動(dòng)地進(jìn)行模型的迭代和優(yōu)化，不斷地提高系統(tǒng)的識(shí)別準(zhǔn)確率。本文的實(shí)名認(rèn)證系統(tǒng)中涉及的深度學(xué)習(xí)技術(shù)主要為人證比對(duì)與識(shí)別、身份證OCR、身份證件信息讀取與認(rèn)證、視頻活體檢測(cè)和語(yǔ)音識(shí)別等。人臉識(shí)別是基于人的臉部特征信息進(jìn)行用戶身份認(rèn)證的一種生物識(shí)別技術(shù)［2］。人證比對(duì)與識(shí)別是特定于身份證人臉圖像與現(xiàn)場(chǎng)照進(jìn)行比對(duì)識(shí)別的人臉識(shí)別任務(wù)。整個(gè)流程一般包含圖像采集、人臉檢測(cè)、人臉圖像預(yù)處理、人臉特征提取和人臉識(shí)別5部分。（1）圖像采集通過(guò)攝像機(jī)或手機(jī)攝像頭等前端設(shè)備獲取包含人臉的視頻或圖像。（2） 人臉檢測(cè)人臉檢測(cè)即從圖像中檢測(cè)得到人臉位置的技術(shù)。傳統(tǒng)的人臉檢測(cè)方法使用人工設(shè)計(jì)的特征如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等，訓(xùn)練得到一個(gè)多尺度分類(lèi)器，對(duì)人臉區(qū)域和背景區(qū)域進(jìn)行分類(lèi)，進(jìn)而定位出人臉區(qū)域；深度學(xué)習(xí)方法則使用深度神經(jīng)網(wǎng)絡(luò)從數(shù)據(jù)中學(xué)習(xí)適合人臉檢測(cè)使用的深度特征。通過(guò)學(xué)習(xí)得到的特征往往比傳統(tǒng)人工設(shè)計(jì)的特征要更優(yōu)，基于深度學(xué)習(xí)的人臉檢測(cè)方法在精度方面要優(yōu)于傳統(tǒng)方法。（3） 人臉圖像預(yù)處理在得到人臉檢測(cè)框位置之后，人臉圖像需要經(jīng)過(guò)對(duì)齊操作，將人臉大小歸一化到統(tǒng)一尺度，并消除人臉姿態(tài)對(duì)于后續(xù)人臉識(shí)別的影響。通常的做法是定位出人臉面部若干個(gè)關(guān)鍵點(diǎn)，并根據(jù)這些關(guān)鍵點(diǎn)進(jìn)行尺度歸一和人臉姿態(tài)矯正，最終得到一張便于做人臉識(shí)別的人臉圖像。（4）人臉特征提取目前主流的人臉特征提取方法是采用深度學(xué)習(xí)算法搭建深度網(wǎng)絡(luò)模型，使用海量數(shù)據(jù)訓(xùn)練，獲取最能表征人臉身份信息的特征的提取方式。根據(jù)損失函數(shù)，可以分為基于度量學(xué)習(xí)的方法和基于分類(lèi)的方法。基于度量學(xué)習(xí)的方法核心出發(fā)點(diǎn)是讓同一個(gè)人的人臉圖像經(jīng)過(guò)特征變換以后盡量靠近，不同人的人臉圖像盡量拉遠(yuǎn)，典型的方法包括ContrastiveLoss[3]和TripletLoss[4]?；诜诸?lèi)的方法即使用SoftmaxLoss對(duì)訓(xùn)練集中所有人進(jìn)行分類(lèi)學(xué)習(xí)。為了使類(lèi)內(nèi)收縮更緊，類(lèi)間拉到更開(kāi)，在傳統(tǒng)SoftmaxLoss基礎(chǔ)上引入Margin變量，通過(guò)引入該變量提升人臉識(shí)別特征的判別能力，典型的方法包括Large-MarginSoftmaxLoss[5]、SphereFace[6]、CosFace[7]和ArcFace[8]。此外，隨著人臉數(shù)據(jù)的不斷增加，如何基于上千萬(wàn)人的人臉圖像進(jìn)行高效大規(guī)模訓(xùn)練成為學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)問(wèn)題。（5）人臉識(shí)別人臉識(shí)別是指通過(guò)計(jì)算前端設(shè)備獲取的人臉圖像的特征與數(shù)據(jù)庫(kù)中存儲(chǔ)的人臉特征的相似度來(lái)判斷是否為同一人的過(guò)程。在實(shí)名認(rèn)證系統(tǒng)中，主要為兩個(gè)應(yīng)用方向：一是確認(rèn)，即前端設(shè)備采集到的人臉圖像特征與數(shù)據(jù)庫(kù)中存儲(chǔ)的人臉特征進(jìn)行一對(duì)一的比對(duì)，通過(guò)設(shè)定的閾值來(lái)判斷是否為同一人；另一類(lèi)是辨認(rèn)，是前端獲取的人臉圖像的特征與數(shù)據(jù)庫(kù)中多個(gè)人臉特征的一對(duì)多的比對(duì)過(guò)程。1：1的人臉識(shí)別技術(shù)可以用于登錄驗(yàn)證、身份識(shí)別等應(yīng)用場(chǎng)景。通過(guò)人臉識(shí)別技術(shù)可以幫助用戶快速判定兩張照片是否為同一個(gè)人、判定視頻中的人臉是否為目標(biāo)人臉并支持實(shí)時(shí)識(shí)別認(rèn)證，還可以實(shí)現(xiàn)身份和人臉綁定等功能°1：N人臉識(shí)別技術(shù)可以將目標(biāo)人臉圖片與人臉庫(kù)自動(dòng)識(shí)別，返回識(shí)別信息來(lái)判斷目標(biāo)人臉身份。OCR（opticalcharacterrecognition，光學(xué)字符識(shí)別）是指將圖片中的文字內(nèi)容轉(zhuǎn)換為可編輯文本的過(guò)程［9］。一般來(lái)說(shuō)，實(shí)名認(rèn)證系統(tǒng)中證件OCR技術(shù)主要包括3個(gè)步驟：證件檢測(cè)、文本檢測(cè)和文字識(shí)別。（1） 證件檢測(cè)：在圖片中定位證件的角點(diǎn)信息或邊緣信息。通過(guò)證件檢測(cè)可以去除證件區(qū)域外的干擾信息，提高特定場(chǎng)景下OCR準(zhǔn)確率。（2） 文字檢測(cè)：首先使用透視變換等圖像處理手段將上一步中得到的證件區(qū)域矯正為矩形區(qū)域，然后在該區(qū)域內(nèi)定位出需要識(shí)別的文本所在區(qū)域。傳統(tǒng)的文字檢測(cè)算法包括MSER［10］、SWT［11］、Multi-Oriented［12］等，隨著深度學(xué)習(xí)算法的不斷發(fā)展，各種基于深度學(xué)習(xí)的文字檢測(cè)算法也層出不窮，如PhotoOCR［13］、YOLO［14］、EAST［15］等。在實(shí)名認(rèn)證系統(tǒng)中，采用EAST算法準(zhǔn)確定位需要識(shí)別的關(guān)鍵字段，同時(shí)屏蔽無(wú)關(guān)信息字段，提高了整套OCR算法的識(shí)別準(zhǔn)確率。（3） 文字識(shí)別：將檢測(cè)到的文本區(qū)域切片識(shí)別成文本。早期的文字識(shí)別算法需要對(duì)文本行進(jìn)行字符切割，然后對(duì)單個(gè)的字符進(jìn)行分類(lèi)，從而達(dá)到文本行識(shí)別的目的本文采用CNN［16］、RNN［16］以及CTCLOSS［16］結(jié)合的方法，根據(jù)文字上下文直接識(shí)別整行文字，識(shí)別流程更加簡(jiǎn)化，效率更高，并具有更高的識(shí)別準(zhǔn)確率。靜默活體檢測(cè)技術(shù)是針對(duì)配合式的活體檢測(cè)技術(shù)提出的一種活體檢測(cè)技術(shù)。配合式的活體檢測(cè)技術(shù)通常需要用戶根據(jù)設(shè)備的提示做出指定動(dòng)作來(lái)幫助算法確認(rèn)用戶是否為真人，但是這種檢測(cè)技術(shù)存在用戶體驗(yàn)較差和有攻破風(fēng)險(xiǎn)等弊端［17-18］。通過(guò)大量的數(shù)據(jù)分析，可以知道真人拍攝樣本和非真人直接拍攝的樣本（播放設(shè)備翻拍、照片或面具等）存在著特征區(qū)別，如邊框、反光、摩爾紋、分辨率和對(duì)比度等。基于這樣的原理，本文采用深度學(xué)習(xí)算法，設(shè)計(jì)了一個(gè)深度卷積網(wǎng)絡(luò)來(lái)學(xué)習(xí)區(qū)分這些正負(fù)樣本，實(shí)現(xiàn)了僅需一張靜態(tài)照片即可判別是否為真人的靜默活體檢測(cè)技術(shù)。用戶僅需在前端圖像采集設(shè)備前停留較短的時(shí)間，算法通過(guò)分析視頻流中的一幀或多幀圖像即可判斷是否為真人用戶辦理業(yè)務(wù)，通過(guò)融合多幀檢測(cè)的結(jié)果，可以進(jìn)一步提升靜默活體檢測(cè)的精度，配合人臉識(shí)別技術(shù)，保證業(yè)務(wù)辦理的高度安全。公安部認(rèn)證身份信息能力，主要指通過(guò)對(duì)公民身份證號(hào)碼及姓名的真實(shí)性、一致性進(jìn)行驗(yàn)證，返回驗(yàn)證通過(guò)與否的結(jié)果。其中獲取公民身份信息的方式有如下兩種。(1)通過(guò)OCR識(shí)別獲取用戶身份信息，實(shí)時(shí)公安部數(shù)據(jù)庫(kù)聯(lián)網(wǎng)比對(duì)，驗(yàn)證身份信息真?zhèn)巍?2)通過(guò)在NFC手機(jī)上安裝App，實(shí)現(xiàn)NFC讀取身份證芯片信息，并與后端認(rèn)證系統(tǒng)連接進(jìn)行后端解碼，同公安部數(shù)據(jù)庫(kù)進(jìn)行聯(lián)網(wǎng)比對(duì)，查驗(yàn)證件信息真實(shí)性，核驗(yàn)證件真實(shí)性。自動(dòng)語(yǔ)音識(shí)別(automaticspeechrecognition，ASR)技術(shù)是將用戶錄制朗讀隨機(jī)碼視頻中的語(yǔ)音轉(zhuǎn)為文字，并進(jìn)行隨機(jī)碼一致性比對(duì)。此技術(shù)基于電信行業(yè)數(shù)千萬(wàn)小時(shí)的標(biāo)注語(yǔ)音數(shù)據(jù)，應(yīng)用業(yè)界先進(jìn)的端到端的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到更加貼近實(shí)際業(yè)務(wù)場(chǎng)景的核心引擎，全面滿足電話錄音質(zhì)檢、視頻認(rèn)證等多種場(chǎng)景下的語(yǔ)音轉(zhuǎn)文字需求。目前基于深度學(xué)習(xí)的語(yǔ)音識(shí)別模型主要包括兩種：一種是將深度學(xué)習(xí)模型替換GMM部分，得到DNN-HMM模型；另外一種是端到端的深度學(xué)習(xí)模型。其中基于端到端的模型主要包括基于CTC解碼模型、基于Attention解碼模型以及混合CTC與Attention共同解碼模型［19］，可以支持多語(yǔ)言體系和多方言的訓(xùn)練，例如26個(gè)英文字符，數(shù)字、中文等語(yǔ)言，此外在實(shí)時(shí)預(yù)測(cè)部分耗時(shí)更短，更有利于業(yè)務(wù)應(yīng)用。云存儲(chǔ)［20］是在云計(jì)算的概念上延伸和發(fā)展出來(lái)的一個(gè)新概念，是指通過(guò)集群應(yīng)用、網(wǎng)格技術(shù)或分布式文件系統(tǒng)等功能，應(yīng)用存儲(chǔ)虛擬化技術(shù)將網(wǎng)絡(luò)中大量各種不同類(lèi)型的存儲(chǔ)設(shè)備通過(guò)應(yīng)用軟件集合起來(lái)協(xié)同工作，共同對(duì)外提供數(shù)據(jù)存儲(chǔ)和業(yè)務(wù)訪問(wèn)功能的一個(gè)系統(tǒng)，也可將云存儲(chǔ)理解為配置了大容量存儲(chǔ)設(shè)備的一個(gè)云計(jì)算系統(tǒng)。在全網(wǎng)推廣的過(guò)程中，基于人工智能技術(shù)的實(shí)名認(rèn)證系統(tǒng)不僅要關(guān)注技術(shù)在復(fù)雜場(chǎng)景下的準(zhǔn)確率，更要關(guān)注人工智能技術(shù)與運(yùn)營(yíng)商業(yè)務(wù)的緊耦合性。鑒于目前人工智能技術(shù)還有待進(jìn)一步優(yōu)化，在應(yīng)用場(chǎng)景中仍有誤識(shí)別情況存在，造成用戶體驗(yàn)較差針對(duì)該問(wèn)題，本文介紹了兩種解決方法，提升認(rèn)證的安全性和準(zhǔn)確性。（1）核心能力的保障與提升后臺(tái)人工審核環(huán)節(jié)作為實(shí)名認(rèn)證重要組成部分，在審核高風(fēng)險(xiǎn)業(yè)務(wù)、及時(shí)發(fā)現(xiàn)作假手段上作用顯著。面向后臺(tái)審核人員打造界面優(yōu)化、操作便捷的專(zhuān)業(yè)化審核系統(tǒng)至關(guān)重要。通過(guò)引入搶單模式，將工單數(shù)據(jù)導(dǎo)入內(nèi)存，快速推向?qū)徍巳藛T，極大縮短前端信息采集到后臺(tái)審核時(shí)間，后臺(tái)工單審核效率明顯提升。審核界面引入快捷鍵操作，工單審核完成后進(jìn)行快速頁(yè)面切換，審核照片支持縮放和旋轉(zhuǎn)，便捷支持后臺(tái)工單審核。人工審核服務(wù)功能的加入，可以在系統(tǒng)識(shí)別校驗(yàn)基礎(chǔ)上，增加后臺(tái)渠道集中化稽核，由人工進(jìn)行二次確認(rèn)，提升審核結(jié)果的準(zhǔn)確率。（2）適應(yīng)多場(chǎng)景的全流程實(shí)名認(rèn)證解決方案身份信息認(rèn)證環(huán)節(jié)，線下創(chuàng)新性開(kāi)發(fā)NFC+App實(shí)名認(rèn)證方式，通過(guò)二代證讀卡器解耦，將SAM核心解碼模塊部署在云端統(tǒng)一解碼；同時(shí)開(kāi)發(fā)App，引入NFC的技術(shù)，通過(guò)手機(jī)或者讀頭的NFC功能讀取身份證芯片信息（密文），將密文發(fā)向云端進(jìn)行解碼，解碼信息通過(guò)App在前端手機(jī)顯示，實(shí)現(xiàn)低成本、便捷支撐實(shí)體渠道實(shí)名認(rèn)證。線上通過(guò)接入公安部身份信息查驗(yàn)中心，打造支持高并發(fā)、低時(shí)延實(shí)時(shí)驗(yàn)證能力。人證一致性驗(yàn)證環(huán)節(jié)，通過(guò)自主研發(fā)國(guó)內(nèi)領(lǐng)先人臉比對(duì)與識(shí)別技術(shù)和活體檢測(cè)技術(shù)，在保證身份信息真實(shí)基礎(chǔ)上，通過(guò)活體檢測(cè)保證驗(yàn)證人為現(xiàn)場(chǎng)操作，通過(guò)實(shí)時(shí)抓取人臉照片與公安部照片進(jìn)行人臉比對(duì)，保證認(rèn)證一致性。線上利用人像比對(duì)技術(shù)，提供電渠售卡的認(rèn)證服務(wù)；利用網(wǎng)頁(yè)和H5的形式在不改變省端流程的情況下靈活嵌入，通過(guò)OCR、公安聯(lián)網(wǎng)查驗(yàn)及人像比對(duì)+人工審核的方式，實(shí)現(xiàn)線上售卡的自助激活工作，為客戶提供了便捷的認(rèn)證方式。以上實(shí)名認(rèn)證能力支持通過(guò)App、H5、Web等多模式進(jìn)行接入，同時(shí)支持線上線下身份信息認(rèn)證、人臉比對(duì)與識(shí)別、身份信息證件OCR、活體檢測(cè)等多模塊靈活配置適應(yīng)實(shí)際業(yè)務(wù)場(chǎng)景。本文介紹了基于人工智能技術(shù)的在線身份認(rèn)證場(chǎng)景下的解決方案，首先描述了實(shí)名認(rèn)證系統(tǒng)架構(gòu)以及系統(tǒng)子模塊功能，重點(diǎn)講解了應(yīng)用到該系統(tǒng)中的人臉比對(duì)與識(shí)別證件OCR、靜默活體檢測(cè)以及語(yǔ)音識(shí)別技術(shù)的主流實(shí)現(xiàn)方法。其次，從業(yè)務(wù)的安全性和性能角度考慮，本文介紹了系統(tǒng)在實(shí)際業(yè)務(wù)場(chǎng)景中的應(yīng)用現(xiàn)狀和產(chǎn)品形態(tài)。從實(shí)踐情況來(lái)看，該系統(tǒng)不僅節(jié)約了時(shí)間和人力成本，簡(jiǎn)化了認(rèn)證流程，提高了身份認(rèn)證的精確度，也有利于未來(lái)提高移動(dòng)支付等功能的安全性，增強(qiáng)接入其他互聯(lián)網(wǎng)應(yīng)用的便利性，并能夠有效打擊通信詐騙犯罪，為移動(dòng)用戶提供一個(gè)安全的移動(dòng)互聯(lián)網(wǎng)使用環(huán)境。姚慧(1991-)，女，中移在線服務(wù)有限公司工程師，主要從事圖像處理相關(guān)算法引擎的研究與開(kāi)發(fā)工作，主要研究方向包括人臉識(shí)別、物體檢測(cè)與識(shí)別、圖像檢索和通用OCR等。馬思研(1989-)，女，中移在線服務(wù)有限公司工程師，主要從事圖像領(lǐng)域內(nèi)深度學(xué)習(xí)算法的研究與開(kāi)發(fā)工作，主要研究方向包括人臉識(shí)別、OCR等?！鞠嚓P(guān)文獻(xiàn)】王志宏，楊震?人工智能技術(shù)的哲學(xué)集系統(tǒng)性思考[J].電信科學(xué),2018,34(4):12-21.WANGZH,YANGZ.Philosophyandsystematicthinkingofartificialintelligencetechnology[J].TelecommunicationsScience,2018,34(4):12-21.山世光?人臉識(shí)別中若干關(guān)鍵問(wèn)題的研究[D].北京:中國(guó)科學(xué)院計(jì)算技術(shù)研究所,2004.SHANSG.Studyonsomekeyissuesinfacerecognition[D].Beijing:InstituteofComputingTechnology,ChineseAcademyofSciences,2004.MANGZB,LIUP,CAIJ,etal.Identity-awareconvolutionalneuralnetworksforfacialexpressionrecognition[J].JournalofSystemsEngineeringandElectronics,2017,28(4):784-792.HERMANSA,BEYERL,LEIBEB.Indefenseofthetripletlossforpersonre-identification[J].arXiv:1703.07737,2017.LIUWY,WENYD,YUZD,etal.Large-marginsoftmaxlossforconvolutionneuralnetwork[J].arXiv:1612.02295,2016.LIUWY,WENYD,YUZD,etal.SphereFace:deephypersphereembeddingforfacerecognition[J].arXiv:1704.08063,2017.WANGH,WANGYT,ZHOUZ,etal.CosFace:largemargincosinelossfordeepfacerecognition[J].arXiv:1801.09414,2018.DENGJK,GUOJ,XUENN,etal.ArcFace:additiveangularmarginlossfordeepfacerecognition[J].arXiv:1801.07698,2018.汪一文.深度卷積神經(jīng)網(wǎng)絡(luò)在OCR問(wèn)題中的應(yīng)用研究[D].成都:電子科技大學(xué),2018.WANGYW.TheresearchandapplicationofdeepconvolutionneuralnetworkinOCRproblem[D].Chengdu:UniversityofElectronicScienceandTechnologyofChina,2018.NEUMANNL,MATASJ.Amethodfortextlocalizationandrecognitioninreal-worldimages[C]//AsianConferenceonComputerVision(ACCV2010),Nov8-12,2010,Queenstown,NewZealand.Heidelberg:Springer,2010:70-783.EPSHTEINB,OFEKE,WEXLERY.Detectingtextinnaturalsceneswithstrokewidthtransform[C]//IEEEConferenceonComputerVisionandPatternRecognition(CVPR2010),June13-18,2010,SanFrancisco,USA.Piscataway:IEEEPress,2010:2963-2970.YAOC,BAIX,LIUWY.Detectiontextsofarbitraryorientationsinnaturalimages[C]//IEEEConferenceonComputerVisionandPatternRecognition(CVPR2012),June16-21,2012,Providence,USA.Piscataway:IEEEPress,2012:1083-1090.BISSACCOA,CUMMINSM,NETZERY,etal.PhotoOCR:readingtextinuncontrolledconditions[C]//IEEEInternationalConferenceonComputerVision,Dec1-8,2013,Sydney,Australia.Piscataway:IEEEPress,2013:785-792.REDMONJ