分卷阅读41 (第1/2页)

    激情。照例有不少人被他骂了个狗血淋头，但也有人和他对喷。沈见月很意外，但看大家表情都相当镇定，显然已经是见怪不怪了。

    和霍东瑾对喷的就是余文彬提到的碧雪丝团队的老大，男人三十多岁，微微秃顶，穿着格子衫，外表普通得要命，公司里十个程序员中能抓出八个他这样的人，只是没想到他竟是这么一个大项目的负责人。

    让沈见月跌破眼镜的是，最后竟然还是霍东瑾屈服了！他改变了自己的主意，赞同了那个小组长的观点。

    很快轮到沈见月替支付中心作报告了，灵犀支付推出了刷脸支付新功能，目前产品还没有正式完成，但主要功能已经完备，可以试用了。介绍完项目进度后，最后沈见月说：“我刚刚发了一个内部版本，如果可以，请各位试用一下。”

    霍东瑾全程听完后，突然道：“我有个问题，你说安全性达到了99%，那剩下的那个1%是什么？”

    沈见月：“人脸识别是很复杂的一个环境，剩下的那1%，可能包括别人用照片、用人脸模型进行盗刷，此外，双胞胎有基本一模一样的外观，这也对我们的识别造成了挑战。”

    也有人问：“如果我有一个双胞胎兄弟，他能刷开我的账户吗？”

    PPT上并不包含这部分，因为这部分正是项目组要攻克的难题。但沈见月是负责这个项目的安全防控部分，还算比较清楚其中的原理，他解释说：“这个问题也就是刚才霍总提到的那1%不准确的地方，不过我们已经有了明确的解决方案，双胞胎是不能盗刷的。”

    霍东瑾：“哦？你们用的什么方法？”

    沈见月：“虽然在我们肉眼看来，双胞胎几乎是长得一模一样的，但机器能够做到比我们更准确。在解决这个问题时，我们尝试导入全球500万对双胞胎的图像，对比发现，这500万对双胞胎的平均面部相似度达到了93%，我们抽取了这些人不一样的7%进入系统做出精细处理，确保达到最高的准确性。”

    又有人问：“是只有双胞胎会做出精细处理吗？”

    “确实是这样，”沈见月点头，“实际上，我们平时的人脸识别是抓取眼睛，鼻子，嘴唇、面部轮廓进行对比，但因为存在环境光线、整容、妆容的影响，也不会做到100%的精确度，在找不出第二张和你相似的脸的前提上，我们是允许存在一定容错率的。但在双胞胎身上，我们会降低他们刷脸时的容错率，而且会着重对比他们不一样的地方。”

    众人恍然大悟，对这个功能评价颇高。

    沈见月松了口气，又问：“各位还有什么问题吗？”

    “还有另一种情况，”霍东瑾突然道，“我十年前遇到过一个事件，一个陌生人用了特殊的手段捏脸冒充另一个人参加比赛，他的伪装手段躲过了监视器，他成为了我的伙伴，在我们两个月的朝夕相处里，我一点也没发现他的异常。如果有人再制造一个面具伪装他人，你们如何杜绝这种情况？”

    沈见月低下头：“目前还不行。”

    现场一阵沉默，他们觉得老板估计又要生气了。实际上大家都清楚，没有绝对安全的系统。就像是指纹识别，如果人家砍下你的手放到识别处怎么办？更安全的是虹膜识别，但如果人家挖出你的眼睛对着机器扫描，你又能做什么呢？

    认真追究，世