《2019年旷视AI在金融风控领域的运用.pdf》由会员分享,可在线阅读,更多相关《2019年旷视AI在金融风控领域的运用.pdf(21页珍藏版)》请在三个皮匠报告上搜索。
1、旷视旷视AI在金融风控领域的运用在金融风控领域的运用旷视发展历程发布计算机视觉开放平台旷视Face+2012.10发布世界第一台智能摄像机2015.10蚂蚁金服的“微笑支付”功能在肯德基上线运行,由旷视提供技术支持2016.12发布智能物流解决方案2018.02发布机器人网络操作系统旷视河图2019.012011.10旷视在北京成立2013.07开始提供在线身份验证平台FaceID2015.11开始提供城市大脑解决方案2017.07面向手机品牌商提供人脸解锁解决方案云端智能Face+&FaceID人工智能开放平台旷视Face+,覆盖200+国家和地区,服务50万+全球AI开发者在线身份验证平台
2、FaceID,服务全球4亿+人覆盖85%金融行业市场和100%共享出行市场旷视旷视AI在金融在金融风控领域的运用风控领域的运用金融风控对视觉智能的需求与挑战旷视的产品服务与技术演化下一代视觉风控解决方案的思考与实践010203金融风控现状规模增速放缓成本增加孤岛效应减弱数据驱动的风控更加深入生物识别、数据进一步丰富、一体化特征更加集中互联网红利褪去数据融合5G带来新的机会视觉智能如何赋能身份识别与验证算法平台与解决方案智能风控智能场景证件识别与验证视觉智能挑战与机遇易用性VS安全性人脸识别炫彩活体活体识别唇语识别密码指纹识别安全性易用性动作活体静默活体New活体All-In-One 工具Aut
3、o-ML模型更新效率旷视FaceIDc身份证采集SDK(原件,复印件,临时身份证,屏幕翻拍,粗糙PS)多种活体技术:动作、静默、视频等攻击检测:屏幕翻拍、面具、假脸、换脸活体照片、身份证照片、公安照片交叉比对身份证信息OCR识别身份证真假判断,类别识别自动采集最佳人脸照片相似度 98%返回相似度和阈值身份证照片采集1人脸采集,活体判断2人脸比对3旷视旷视AI在金融在金融风控领域的运用风控领域的运用金融风控对视觉智能的需求与挑战旷视的产品服务与技术演化下一代视觉风控解决方案的思考与实践010203技术架构云原生SASS服务FaceID 云客户服务端客户应用端证件识别人脸比对SDK管理授权/鉴权/
4、权限/账号业务API(计算任务管理、计费)算法Worker服务控制台设备管理鉴权/加密日志安全检测活体检测SDK证件识别SDK本地算法计算图像处理照片质量检测PC/H5 SDK多种接入方式端、云一体的视觉算法计算架构算法服务CAPI任务消息队列人脸检测关键点比对特征抽取关键点比对人脸检测活体检测关键帧抽取特征比对文字切分边角识别特征抽取序列识别比对worker活体workerOCR worker模型训练模型封装打包服务加密Worker集群Worker框架定义基本语义:特征抽取、检测、属性、Landmark基于算子的图模型表达标准工具化定义模型打包和加密方式算法计算服务的高可用算法服务计算服务的
5、容错架构集群拆分异地多活异构计算拓扑数据服务配置中心容器部署容器监控网关服务C消息队列服务发现APIVIP集群算法灰度集群主集群算法worker集群Workerdocker镜像仓库WorkerdockerAPIdocker北京C消息队列服务发现APIVIP集群算法灰度集群主集群算法worker集群Workerdocker镜像仓库WorkerdockerAPIdocker杭州数据同步容器化分层镜像:算法库+模型+业务平台化:多地多区域部署算法模型的实践算法服务人脸算法的基本流程难点算力与性能的平衡算法对分:解码(opencv、ffmpeg)算法实现细节、浮点运算误差、设备库的差异和bug模型迭代
6、术语:人脸八大因素 PIOBERGAPose Illumination Occlusion Blur Expression Race Gender Age其中最关键的是POB工具化基本原则:模块化、标准化、可视化、自动化算法每日运行状态历史数据追踪数据标注工具平台自动训练与评测灰度发版与对比活体All-In-One 平台旷视旷视AI在金融在金融风控领域的运用风控领域的运用金融风控对视觉智能的需求与挑战旷视的产品服务与技术演化下一代视觉风控解决方案的思考与实践010203机器视觉助力风控模型升级指纹识别人脸识别活体检测唇语识别视觉数据眼见为实以貌取人欺诈表情分析关联背景分析新技术场景风控更精准人
7、机协作面向风控场景,分析欺诈相关情绪(如:心虚、恐慌等),AI 建模实现微表情识别从心理学角度,分析人在不同心 理 状 态 下 面 部 微 表 情 特 征机器视觉助力风控模型升级Automated Inference on Criminality using Face Images-Wu Xiaolin,Zhang Xi 2016 利用AI来学习照片中视觉特征来分辨罪犯 罪犯的内眼角间距要比普通人短5.6%,上唇曲率大23.4%,鼻唇角角度小19.6%识别准备率在86%眼见为实、男女有别基于深度学习的模型架构预处理过的人脸图视觉特征入参出参风险分数深度学习模型传统机器学习如:二维坐标、角度、大小如:整图特征工程+机器学习视觉关键点端到端基于深度学习的模型架构?+?+?+?