“刷臉”業務之後，LinkFace替金融機構更有效建立個人信用數據肖像

金融徵信技術非常依賴大數據和數據處理技術
日益普遍的人臉識別因其便捷、高效、低成本等諸多好處也在逐漸進入標準嚴苛的金融行業，
幫助解決其線上交易中風險管理最核心的安全問題，未來將成為互聯網金融領域的基礎設施，
同時中國眾多的金融機構都開始加大對人臉識別技術的重視和投入。
然而對於金融領域的應用來說，人臉識別技術背後是金融帳戶安全性問題，
因此對技術提出了更高的要求。
計算機視覺初創企業LinkFace就看準了這一大市場，LinkFace CEO黃碩告訴36氪，
LinkFace和其他人臉識別企業相比，其核心優勢在於三方面，超大規模的數據庫、
自行研發的先進算法以及超級計算平台。
這三項核心優勢讓LinkFace相比於其他做人臉識別的公司
在實際應用場景中的識別效果要高出一到兩個數量級。
黃碩還表示，雖然很多計算機視覺企業都看好人臉識別領域，但是大家專注的應用行業並不相同。
LinkFace專注金融垂直行業，利用團隊成員以及股東在金融行業積累的經驗，
把這一個行業做深做透。同時，在談到行業競爭這個話題時，黃碩也表示，
人工智能可以應用的行業很多，市場空間很大，
希望大家更多是選擇把市場做大而不是爭搶同一塊蛋糕。
LinkFace現階段針對金融領域的產品主要是已經上線的線上人臉身份認證服務，
累計服務次數已經超過了3億次，大大降低了金融機構的運營成本，
主要應用有人證對比、刷臉支付、遠程開戶、實名認證和黑名單查詢等。
LinkFace的人臉識別模型已經進行了超過1億張人臉圖像數據的訓練，
配合自主研發的人臉106關鍵點定位算法不斷進行深度學習，形成了新一代的人臉識別引擎。
LinkFace的人臉識別技術在金融應用中的錯誤率已經達到千萬分之一的水準，
超過同類競品大概2個數量級。黃碩告訴36氪，對於金融領域的應用來說，
人臉識別技術背後是金融帳戶安全性問題，識別的精度高是核心但不是全部，
LinkFace基於深度學習的活體檢測技術還可以精準區分真人和照片或影片，
對於試圖使用照片或視頻模仿人臉進行驗證的駭客行為，已經能做到有效檢測，
進一步保障了安全性。黃碩表示在此前3億次人臉認證系統調用中，
已經做到幫助客戶基本杜絕了盜刷問題，並且攔截了1700萬次非本人人臉盜刷的攻擊。
現階段已有京東金融、招商銀行、中國銀聯等公司使用了LinkFace的人臉識別服務。
除了線上人臉身份認證服務外，LinkFace正在研發金融徵信技術平台。
黃碩表示個人金融快速生長產生了對信用信息的強烈需求，
傳統金融徵信時基於單人信息的徵信方式，更多依賴於單人的過往數據，容易產生偏差。
如果可以挖掘單體深度人際關係，使用他人的信用信息來輔助分析本人的信用，
則將提升信用評價的精準度。LinkFace通過2年的數據積累和數據合作，
基於原創算法不斷訓練得到了大數據深度分析模型，從而幫助金融機構提供更精準的信用評估服務。
這項技術將降低線下盡調成本、提高放貸效率、降低風險率，
未來將應用於銀行信貸、互聯網金融信貸、互聯網融資、催收、反欺詐等領域。

黃碩稱現階段LinkFace已經擁有50家左右的金融客戶，
主要通過用戶調用身份驗證服務收費來盈利，可以保證良好的現金流。
之後會不斷擴展風控和徵信業務，收費方式也會依據不同的服務或合作方式進行相應調整。
LinkFace擁有龐大的深度學習技術團隊，300多位來自香港中文大學、香港科技大學、
史丹佛大學、清華大學的全職研究員和80多位來自谷歌、微軟、百度、聯想的核心工程人員。
LinkFace目前的CTO擁有14年的微軟亞洲研究院背景，還有2年在創業公司搭建技術團隊的經驗。
 
文章出處/36氪