圖片來自“Pixabay”

不久之前，機器之心報道了亞馬遜正在測試「人手支付」技術的新聞。近日，海外媒體曝光了亞馬遜刷手支付技術專利，不久的將來亞馬遜將開始推廣這項技術的使用。

使用生物信息進行身份驗證是這幾年來已逐漸成熟的技術應用了。但是，其中一些技術，如我們所熟知的人臉識別，由於對個人隱私可能造成的影響而受到質疑。電商巨頭亞馬遜在這一領域進行了投入，希望能夠推廣一種對隱私「侵害更小」的技術。

而人手，似乎是不錯的選擇。

在身份驗證中，如果一個人要證明自己是自己這個人，他必須提供自己獨一無二的信息。像人類的指紋、虹膜一樣，人類的手部信息也是獨特的。這些信息包括：手掌紋(類似指紋)以及內部的血管排列情況。

亞馬遜就看重了這一點，在他們的技術中，被識別者不需要像指紋識別那樣把手按在某個面板上。在需要驗證的時候，系統會使用紅外線拍攝兩張手部照片，一張是手掌表面的照片，另一張則是更深的照片，用於捕捉血管等手掌內部的信息。然後，系統使用計算機視覺和深度(depth)幾何技術，包括神經網絡等，進行信息的處理。

而使用兩張照片的好處在於：能夠掃描到手掌內較難造假的血管信息等，避免有人偽造手掌紋騙過系統。

目前，這項技術已申請專利，亞馬遜正在測試和推廣。

專利細節

在今年早些時候的報道中，亞馬遜正在將這項技術應用在旗下全食超市的支付場景中。目前，該技術已申請了專利。從文檔來看，亞馬遜是在 2018 年 6 月份申請的。

根據描述，這是一個能夠進行手掌信息識別的系統。被識別者的手掌照片會被分割為更小的照片，並使用神經網絡進行處理，提取特征向量。在驗證時，將過去該用戶的手掌特征向量和掃描到的特征向量進行比較，從而確定被驗證者是否是同一位客戶。

在實際的應用中，消費者可以將自己的信用卡和手部信息綁定。在結賬的時候，只需要通過一個系統就可以完成從信用卡扣款的操作，甚至不需要攜帶手機。

以下為專利文件中描述這一系統的示意圖。下圖 1 展示了某位被識別者錄入手掌的狀態。當需要進行驗證時，被識別對象需要通過一個閘機(類似於地鐵站的那種)。他/她需要將手經過掃描裝置，掃描裝置會抓拍兩張照片，並傳回系統進行驗證。

圖 1：識別手掌的整體流程。

下圖 2 則展示了掃描裝置具體怎樣抓拍手掌照片的示意圖。這一掃描裝置類似於超市掃描商品條形碼的機器，通過紅外線和照相機捕捉圖像，上下兩圖分別為兩種技術實現方案。

圖 2：手掌掃描裝置的示意圖。

下圖 3 則展示了對手掌圖像進行處理的過程，當信息被傳回系統後，圖像會被分割為多個小圖像。

圖 3：分別對手掌表面和手掌深層圖像進行分割的示意圖。

據先前報道，該系統的識別錯誤率在百萬分之一以內，而亞馬遜的工程師正努力將其提高到一億分之一以內。該技術的響應速度也非常快，普通的銀行卡交易需要 3 到 4 秒，但亞馬遜的這一系統只需要 0.3 秒，大大加快了結賬速度。

在專利文件中，亞馬遜這樣描述該技術：「這項技術可以實現精確且快速的用戶認證，並使用在多個場景之中。例如，進入一些場所、辦公室、交通設施及其他需要基於用戶身份進行控制的地點。」

除了介紹了手掌支付系統外，亞馬遜也介紹了如何在門店中使用無線傳感技術檢測用戶將商品放入購物車，以及將商品帶出商店時，在不需要收銀員的情況下進行結算，最終從用戶賬戶中無縫扣款的方法。

圖 4：檢測商品從貨架移到購物車，以及將購物車移動到掃描區域進行結算，最終實現無縫扣款的流程圖。

根據亞馬遜的說法，這種驗證技術可以推廣到很多需要身份識別的場景。如果這項技術能夠大規模應用，我們見到的可能不止是門店之類的了，甚至在地鐵站、辦公室打卡等場景中都會使用。

人臉識別的潛在隱患

使用手而非人臉進行識別和支付，無疑和面部識別遇到的問題有關。

首先，很多消費者並不喜歡人臉識別。不論是隱私問題，還是觀感上，人臉識別都受到了一定的阻礙。

而隨著人臉技術的普及，關於禁用這一技術的呼聲也越來越高，部分地區甚至已采取了實際行動來禁用人臉識別。今年 5 月份，舊金山城市監督委員會通過了一項法令，禁止政府機構購買和使用人臉識別技術。這一事件也標志著，舊金山成為全球首個禁用人臉識別的城市。

2019 年 7 月，美國馬薩諸塞州薩默維爾市議會也通過投票禁止在公共場所使用人臉識別軟件。新政策生效後，當地警方和各市政部門均不得在公共場所使用人臉識別技術，從而成為繼舊金山後全美第二個禁用人臉識別的城市。

而不久之前，發表在《Nature》上的一篇文章更是直接指出：在適當的保障措施生效之前，我們需要暫停使用生物識別技術來識別個體。

作者指出，人臉識別存在種族歧視等問題，還有可能被海關用來定位和驅逐非法移民。

劍橋麻省理工學院的 Joy Buolamwini 研究員和紐約市微軟研究院的 Timnit Gebru 表示，一些最先進的人臉識別軟件有 35%的時間未能准確識別黑皮膚女性，而白人的錯誤率僅為 1%。

在人臉識別遭受種種質疑和禁止的情況下，如果使用手部信息，上述問題就有可能被避免。

更重要的是，即使是面部識別也可能被攻破。華為莫斯科研究院使用過對抗樣本貼紙擾亂 FaceID，AI 公司 Kneron(耐能)利用 3D 面具攻破刷臉支付和火車站的人臉識別閘機。還有一位浙江嘉興小學生僅用手中的照片就騙過了豐巢快遞櫃的人臉識別系統。而使用手掌表面+內部血管、骨骼等更複雜的結構信息，這無疑會極大地增加偽造者的成本。