研究方向
  • 大规模人脸精准检索(1:BigN)技术

用户规模的不断扩大(如一个省级(亿级)或国家级(十亿级)人脸库),对算法识别性能的要求会成指数级增加;现有的人脸检索技术主要用于安防场景,偏重于召回率并且依赖于人工确认。该技术旨在满足金融场景对准确率,召回率以及检索速度的要求,解决大规模人脸精准检索难题。

  • 多模态无感知生物特征识别技术

不同模态的生物特征具备不同的特性和分辨能力,每融合一个新模态的生物特征都能使得系统的识别能力和安全能力上一个等级。如何以用户无感知的方式实现多模态生物特征的采集和融合,需要在算法,硬件,系统等多方面展开研究。

  • 生物特征ID相关技术

生物特征具备“唯一性”和“终身不变性”等优点,但同时也存在“不可撤销性”的特性。研发生物秘钥生成技术和加密空间共享学习技术,在满足生物特征识别能力的同时,满足生物特征模板单向变换和可撤销等要求,实现对用户的隐私保护和分布式数据的安全使用。

  • 基于物联网的用户感知与行为分析技术

利用不同空间和时间以及不同传感器的数据,为用户提供更加安全,便捷,个性化的金融服务,探索基于生物特征强因子与行为数据弱因子的多变量建模技术及用户感知和行为分析技术。

  • 边缘计算XNN

移动端深度学习由于其在体验实时性,隐私性和计算成本等方面有着广阔的应用前景,边缘计算XNN技术对支付宝APP在性能功耗,SDK增量,模型尺寸等方面提供支持。

  • 新型传感器与专业的相机和图像处理器技术

结合IoT线下扫脸支付等创新业务的发展,高清眼纹识别,多模态生物特征识别等独特新技术对相机,相机阵列,对应图像处理器ISP等成像相关的技术有更高的要求,该研发工作有助于形成蚂蚁金服独有的技术断裂点,支撑无感知生物识别技术的落地和线下无感知支付业务的发展。


产品及应用
  • 刷脸金融

    蚂蚁金服在为印度、印尼等国家的移动支付金融服务提供便捷远程开户及刷脸登录、在线身份验证等解决方案,降低金融服务的使用门槛。

  • 刷脸政务

    目前已经跟40个国内城市合作开通“刷脸政务”,人们只需打开支付宝刷脸,就可以认证养老金领取资格、领取电子社保卡和电子驾照等。

  • 刷脸付

    2017年9月,支付宝联合全球快餐连锁巨头肯德基在杭州推出了基于生物识别技术的线下点餐支付产品“刷脸付”,成为全球首个将生物识别技术应用于商业支付领域的成功案例。


研究团队
蒋国飞达摩院金融科技研究领域负责人 / 生物识别实验室负责人

蚂蚁金服副总裁。拥有160多篇顶级论文,曾获SIGKDD等会议最佳论文奖。研究领域有物联网、大数据、人工智能、云计算、计算机安全和软件定义网络等。曾任NEC集团副总裁,领导NEC全球研发。

李亮达摩院生物识别实验室资深算法专家

中国科学院自动化所博士,中国科学院大学博士后。曾就职于索尼中国研究院。目前负责蚂蚁金服生物识别算法与模型的研发以及基于生物识别的身份认证体系建设,在国际期刊和会议发表论文十余篇。

宋杨达摩院生物识别实验室资深算法专家

早稻田大学工学博士,2016年加入蚂蚁金服,目前从事多媒体和机器视觉系统的研发工作。曾在华为和富士通研究所(东京)工作,发表40篇论文。

陈继东达摩院生物识别实验室资深数据技术专家

中国人民大学计算机应用博士,复旦大学计算机学院博士后。现任蚂蚁金服全球可信身份平台ZOLOZ亚洲区总经理,负责生物识别技术研发与全球化商业应用。带领团队将人脸识别技术在网商银行和支付宝等场景成功应用,实现刷脸支付全球首次在肯德基的商业落地。曾任EMC中国研究院大数据实验室主任,现为中国计算机学会大数据专家委员会常委委员。


学术成果
竞赛
  • “刷脸支付”技术在2017年入选美国权威科学杂志《麻省理工科技评论》(MIT Technology Review) 全球十大突破性技术榜单。
  • “基于人脸识别的在线身份核实服务”获得2016年度上海金融创新奖。

扫描二维码
关注阿里技术微信公众号