【阿里巴巴集团】3万字详细版介绍阿里巴巴达摩院15个实验室研究领域和科研成果(18) |麻省理工学院|技

本文插图
闫莺
闫莺达摩院区块链实验室资深技术专家
复旦大学计算机系博士，现任中国软件协会区块链创业学院及区块链专委会专家、中国电子学会区块链专家委员。研究领域包括区块链技术、大数据分析、数据库以及云计算的研究。曾任微软亚洲研究院主管研究员、区块链负责人。
金融科技生物识别实验室致力于各种模态生物识别核心技术的研发及其在金融和民生场景的应用，目前已经具备了人脸、眼纹、虹膜、声纹、掌纹、行为特征等多模态的生物识别核心算法研发能力，并且研发了全球独有眼纹技术专利和领先的活体检测，累积服务超过3亿用户。
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