什么是生物特征验证#
生物特征验证是通过将某人的实时生物特征样本与参照物（通常是身份证件上的照片）进行比对，从而确认其身份的流程。在远程身份核验的语境中，这意味着将实时自拍与护照、身份证或驾驶证上印制的肖像进行比对。其目标是回答一个简单的问题：手持证件的人是否与证件上所示的人为同一人？
虽然概念简单，但技术实现却十分复杂。现代生物特征验证系统必须应对光照、相机质量、面部老化和美容变化的差异，以及不同年龄、族裔和性别的人脸的全部多样性，同时还要抵御日益富有创意的一系列提交攻击。
活体检测#
活体检测判定生物特征样本是否来自一个活着且亲临现场的人，而非照片、视频回放、面具或数字生成的图像。如果没有活体检测，仅凭人脸比对很容易被破解：攻击者只需在相机前举起证件持有人的打印照片即可。
被动活体检测
被动活体检测分析单张图像或一段简短的视频流，以寻找将真实人脸与攻击区分开来的伪影。所用技术包括分析纹理图案（皮肤毛孔与印刷半色调网点）、来自散焦模糊的深度线索、镜面反射图案，以及诸如细微眼部颤动或由脉搏引起的肤色变化等微动作。被动活体检测对用户不可见，从而带来无摩擦的体验。
主动质询
主动活体检测要求用户执行特定动作，例如眨眼、转头或用眼睛跟随屏幕上移动的点。这些质询更难以用静态攻击复制，但会给用户体验增加摩擦。更先进的主动质询包括基于照明的技术，即设备屏幕向用户面部投射彩色光图案，并分析反射光是否与三维人脸一致。
ISO 30107-3定义了评估提交攻击检测（PAD）系统的标准框架。在选择生物特征供应商时，务必索取其ISO 30107-3测试结果，并同时关注假冒攻击提交匹配率（IAPMAR）和真实提交分类错误率（BPCER）。
人脸比对技术#
人脸比对将两张人脸图像进行比较并生成相似度分数。现代系统使用在数百万人脸对上训练的深度卷积神经网络，生成紧凑的人脸嵌入，即编码人脸几何与纹理特征的数值向量。两个嵌入之间的相似度通过余弦距离或类似度量来计算。
过去十年间，人脸比对的准确性已大幅提升。在NIST人脸识别供应商测试（FRVT）中评估的顶尖算法，在百万分之一的误匹配率下实现了低于0.1%的误拒率。然而，准确性会随图像质量、姿态角度和人口统计学因素而变化。确保在所有人口统计学群体中实现公平的性能，既是一项伦理要求，也是欧盟及其他地区正在形成的算法公平性框架下的监管要求。
Flashmark照明#
Flashmark是一种基于照明的活体检测技术，自拍相机捕捉用户面部时，设备屏幕会显示一段独特的彩色光图案序列。反射光在用户皮肤上形成一种该会话独有、可通过密码学验证的色彩签名。由于光图案在每次会话中都会改变，使预先录制的视频失效，因此这种方法可抵御回放攻击。
Flashmark信号还提供深度信息：打印照片这类平面会均匀地反射光线，而三维人脸则会形成随面部几何变化的特征性阴影渐变和镜面高光。结合将每一捕获帧与其前一帧相连接的帧级哈希链，Flashmark构建出一条防篡改的生物特征采集流水线。
深度伪造防御#
生成式AI的快速进步使得合成人脸生成和换脸变得触手可及且日益逼真。深度伪造对生物特征验证构成严重威胁：攻击者可以生成证件持有人的合成视频，并通过虚拟摄像头将其提交，从而绕过人脸比对甚至基本的活体检测。
- 虚拟摄像头检测：通过检查设备API、驱动签名和采集元数据，识别视频流是来自软件（OBS、ManyCam）而非物理相机。
- 注入攻击检测：在摄像头流水线中监控操作系统或驱动级别的帧注入，即攻击者拦截摄像头视频流并将其替换为合成内容。
- 时间一致性分析：分析眨眼频率、头部微动作和血流信号等微观时间模式，当前的生成模型难以准确再现这些模式。
- 伪影检测：寻找生成模型的伪影，包括人脸边界处的时间性闪烁、不一致的耳部几何形状以及不自然的眼部反光。
- 屏幕翻拍检测：识别莫尔条纹、像素网格伪影和色温偏移，这些迹象表明相机正对着另一块屏幕。
深度伪造技术发展迅速。任何单一防御措施都可能被各个击破。有效的生物特征安全需要采用多层方法，结合多种相互独立的检测手段，并针对新出现的攻击技术持续重新训练检测模型。
隐私考量#
生物特征数据属于最敏感的个人信息类别之一。与密码不同，生物特征标识一旦泄露便无法更改。全球各地的法规对生物特征数据的收集、处理和存储施加了严格要求。
在GDPR之下，为唯一识别某人而处理的生物特征数据被归类为特殊类别数据，需要明确同意或重大公共利益依据。美国《伊利诺伊州生物特征信息隐私法》（BIPA）要求在收集前取得知情的书面同意，禁止出售生物特征数据，并强制规定带有明确销毁期限的保留计划。违反BIPA将面临每次违规1,000至5,000美元的法定赔偿，相关集体诉讼已促成超过6亿美元的和解。
生物特征实施的最佳实践#
- 在可能的情况下于服务器端处理生物特征比对，从而缩小客户端设备上的攻击面。
- 在可行时存储人脸嵌入而非原始图像，并使用由硬件支持的密钥管理对静态嵌入进行加密。
- 实施可配置的保留策略，在法律所要求的期限之后自动清除生物特征数据。
- 提供清晰、通俗易懂的同意流程，说明收集哪些生物特征数据、如何使用以及保留多长时间。
- 定期审计人脸比对算法的人口统计学表现，并重新训练模型以消除任何差异。
- 维护一个PAD评估计划，至少每季度针对新的攻击向量测试您的活体检测系统。