【台湾人脸辨识实例：中国信托】4个月从无到有研发AI辨识技术，不只认脸未来还要辨物创新服务

今年4月中，国际脸部辨识数据库LFW（Labeled Faces in the Wild）收到了一份来自台湾企业自行研发的AI模型测试申请。在百万分之一的误判率（False Accept Rate，FAR）之下，准确率（True Accept Rate，TAR）达到99.81%，以第十名的成绩赢过了腾讯、平安科技、百度等大厂。这家送测的企业就是中国信托。

打造出这项技术的是，中国信托去年1月成立的数研发中心（简称数研发），负责用AI来加值业务场景的服务与产品。先花7个月时间组成团队后，中国信托开始投入脸部辨识研发，只用了半年多的时间，就从无到有研发出了一套不输国外的人脸辨识技术。

“我们想从人脸看到客户更深层的经营价值。”中国信托全球个金风险管理处兼数据研发中心处长王俊权强调。金融业拥有的大数据资料与客户密切相关，若将KYC资料结合人脸辨识、衣着风格的辨识，是否能进一步预测客户的财富、偏好、投资意愿或信用评等？这是中国信托想做到的事。

要实现目标，得先有人才，除了招募数据分析师，运用机器学习来加值风险管理、行销、反洗钱等业务，也要找资料科学家，开发人脸辨识与自然语言理解技术。为了借镜其他产业的经验与作法，王俊权更大举从零售、电商、科技业与学界中招揽团队成员。从1月数研发中心成立到团队到位，一晃眼半年过去，才正式展开研发。

以迁移式学习，用数百万张人脸优化模型

一开始，中国信托的目标就是通过国际认证，所以，也直接使用了国际上公开释出的开源资料集，用了数百万张人脸影像来训练模型，希望在相同的标准下对决，来证明自家技术也有媲美国际大厂的实力。

搜集大量训练资料后，还要进行数据前处理，无论是人脸侦测（Face Detection）、矫正（Face Alignment）、或是特征撷取（Feature Extraction），数研发以开源AI技术为基础，加上自己的算法来优化。

中国信托数研发智能视觉实验室协理李艺锋举例说明，他们用了3D Face Landmark技术定位人脸，来校正因拍摄角度而变形的脸，处理流程中也使用了半自动作业，来减轻人工标记的负担，进而撷取出更精准的特征值来训练模型。

用大量国外影像训练出第一版的模型后，数研发再利用迁移式学习（Transfer Learning）的方法，用亚洲、台湾公开的人脸资料集来优化这个模型的效果。除了网络上可以搜集到的亚洲人脸，未来，中国信托也希望在个资法允许范围内，使用内部开户证件来训练，每个人至少有一张以上的清晰正脸影像。

日后，中国信托要使用行内人脸影像时，将会有特别的管制作法，李艺锋解释，中国信托有一套非常严谨的个资使用规范，由于人脸无法去识别化，要取得资料必须先经由法遵单位审核和确认，甚至，在训练模型时，也只限于在一间独立且有人员控管的管制室内使用这些资料。获得授权进入的操作人员，不仅不能携带任何通讯设备入内，管制室还全程摄影机监控，来避免个资外泄。

环境变因影响辨识率，ATM人脸辨识商用的挑战

不过，研发出了自己的核心技术，要真正落地商用又是另一个挑战。尽管数研发团队打造的人脸辨识模型，在百万分之一的误判率下，准确率达到99.81%，但是，中国信托全台拥有的ATM数量将近6,000台，每月交易量更达3,000万笔，如果每一笔都使用人脸辨识，王俊权表示，两者相乘，还是可能出现几十次人脸辨识出错，若因如此而造成了客诉，仍旧是我们无法接受的程度。

“要给客户方便，就需要有一定的容错性，这是另一个层次的考量。”王俊权表示，商用时必须在安全性与便利性之间做取舍。考量到安全性，必须在误判率极低的状况下来提升模型准确度，但同时，也可能造成分明是同一个人，却无法被辨识出来的情形，

此外，用来训练人脸辨识模型的资料，大多为光线充足、人脸清晰的正脸、侧脸资料，但ATM设置的环境中，光线相对较暗，更不是为了照亮用户的脸而设置，无论是使用者人脸的角度、光线是否充足、有没有背光甚至镜头分辨率都会影响到辨识。为此，数研发也做了许多压力情境的测试，例如用强光照射等，来观察是否有资料偏误（bias）情况，并逐步调整算法使模型更能适应多样的情境。

因此，综合安全性、便利性、部署环境、硬件成本、资安政策等因素，在无法达到最佳解的情况下，中国信托最后还是先采用三因子验证的方式，除了人脸辨识，还要输入提款卡密码与OTP验证码，就是要防止漏网之鱼，阻绝如双胞胎相似脸、或用照片影片等伪脸想蒙混过关的情形。

人脸辨识自己做，结合行内资料推出创新金融服务

然而，虽然中国信托已经取得LFW认证，也为技术商转做许多准备，但由于行内的自订目标，是必须取得美国国家标准暨技术研究院（National Institute of Standards and Technology，NIST）的测试结果，因此，中国信托目前还持续送测NIST与同为国际资料集的MegaFace，要等最终的结果出炉，才能进一步应用在其他金融场景，这也是智能ATM人脸辨识技术将先采用NEC方案的原因。

王俊权也对此说明，中国信托必须要开发自己的人脸辨识算法，是为了更弹性的符合研究方向、与行内资料结合应用，“厂商的人脸辨识算法是属于对方的知识产权，他未必能开放核心技术让我们修改。”

再加上，市面上少有厂商能针对不同金融场景推出客制化服务，例如人脸辨识不仅可以应用在ATM提款时的身份比对，还能衍伸出防车手、是否受人指示、是否有人偷窥、以及意图分析等加值应用，但厂商可能觉得市场不大就不开发，在面对竞争市场情况下，很容易就失去先机与优势。

然而，这也不代表中国信托不需要合作伙伴。王俊权表示，找到能加值业务场景的新方法后，中国信托也愿意跟其他业者合作，“毕竟我们不是科技业，AI的技术不可能一个人做完。”

图为数研发团队用迁移式学习训练出能分辨手持电话的模型，来侦测是否有民众受人指示汇款、被诈骗。除了受人指示，团队也研发防车手、是否有人偷窥、以及意图分析等功能。

除了ATM防诈，还要结合人脸与KYC资料认人心

目前，数研发中心即将上线的服务，是在去年台北金融科技展展出概念机的智能ATM。虽然智能ATM为了提前推出，先采用了业界NEC的脸部辨识技术，但仍有许多结合人脸辨识的客制化的功能是由数研发团队开发，包括防车手、是否受人指示、是否有人偷窥、以及意图分析等功能。

为了辨识出潜在车手或诈骗受害人，中国信托先向警政署取得异常交易行为的资讯，例如诈骗被害人通常会一边通话一边操作ATM，而车手，通常会戴口罩、安全帽遮蔽五官。接着，研究团队再以这些行为样态去寻找相关影像资料来训练模型。

以手持电话转账的侦测为例，研究团队利用预训练的模型，透过迁移式学习，从190万张图像的开放资料集中，挑选出“讲电话行为”的影像作为训练资料，来强化这类行为得辨识力；此外，研究团队也采用工业电脑等级的GPU边缘运算装置，部署到ATM上，直接在边缘端分析影像特征值是否有符合诈骗的物件。

一旦侦测到符合的物件，ATM屏幕就会即时显示资讯，例如，若侦测到有人站立在提款者后方半径一米内，会显示“请注意后方是否有人窥视”；侦测到安全帽或口罩会直接阻断交易，要求用户脱下来再试一次；侦测到手持电话的行为会显示“您是否接受他人指示在操作ATM？”，但王俊权也补充说明，虽然可以提醒用户是否受人指示，但如果用户执意要交易，仍无法阻断，“但这个情况在分行的ATM可能可以被解决，会联系分行的经理来关怀。”

除此之外，研究团队也开发出意图分析的功能，智能ATM可以透过用户的年龄、性别、衣着打扮，来推测客户的特征，接着针对个人去播送客制化广告、推荐合适的金融服务。例如，透过年龄与孕妇装，可以推测对方为准妈妈，再去更新她的身份来投放广告。

未来，除了要辨识外显的特征，中国信托也要结合人脸辨识、物件辨识与客户KYC资料来推测客户内隐的意图，王俊权称为“认人心”，也就是要进一步分析个人投资喜好、信用评等，进而去推测客户未来的金融需求。但，王俊权也强调，应用的前提是不能侵犯到客户隐私，也不会以此作为评断一个人是否可以借贷、投资的标准。