指纹识别对比虹膜识别谁更好？

　　付款的时候，无论是密码，还是最近非常普及的指纹，都有一个共同的目的，那就是证明你是你。专业一点来说，叫做身份识别。

　　所以，指纹识别所做的事情，和机场工作人员用身份证比对你的长相没什么区别。实际上，指纹识别的准确率比拿出身份证面对面审核的准确率要低。说得更直白一些，指纹识别是以牺牲一定的准确性，极大地换取了易用性的身份认证方法。

　　虽然我们现在对于指纹识别的准确率和易用性还算满意，但指纹识别真的是未来最好的方案吗？在蚂蚁金服身份认证论坛上，各路大牛给出了不少“黑科技”。

　　目前最为通用的两种指纹识别方式的基础原理是超声波和电容。然而，这两种传感器各有一怕：

　　超声波怕“干”，对于干燥手指的识别率偏低，尤其在北方干燥的冬季，超声波基的指纹解锁让人抓狂。

　　电容怕“湿”，对于湿手的识别率低，对达到一定湿度的手指呈现无解状态。尤其是在阴雨绵绵的夏天，或者在用户刚刚沐浴之后。

　　虽然看这篇文章的大多数人都可以毫无障碍地使用指纹支付，但是根据指纹识别几位行业大佬提供的数据，接近5%的人天生就是这种身份识别方式的“克星”。例如，

　　有的人手指天生指纹非常浅，有的人会神经性地出汗，而有的人手指极为干燥。这些“奇葩”的手指不断挑战指纹识别技术的物理极限。

　　另外一些人从事农业或者重体力劳动，指纹经常带有泥土或油污，这种情况会让所有的指纹识别技术一齐哑火。

　　实际上，不适合指纹识别的用户，比一般人想象中更多。对于付款、解锁手机这种几乎人人都需要用的服务，指纹显然不是最优的方案。

　　【人眼可用于身份认证的区域：Pupil，瞳孔；Iris，虹膜；Sclera，巩膜】

　　说到身份认证，一个难以忽视的技术就是虹膜识别。

　　虹膜识别是身份认证技术中的“高富帅”，识别精准率极高，误差率只有十万分之一。但同时，它对于硬件、算法、识别条件的要求也最高。

　　简单来说，瞳孔之外、眼白之内的这部分区域，就是虹膜识别的位置。

　　中科虹霸是专门研究虹膜识别技术的公司，它的 CEO 马力说：

　　每个人自从一岁之后，虹膜的形态就已经稳定了，而虹膜的形态在不同个体中都有区别，所以可以用来识别身份。目前已经有很多专业的身份认证场景使用了虹膜识别，但在普通人的生活中，虹膜识别还有些陌生。

　　之所以虹膜识别尚未大红大紫，是因为这项技术需要一个专门的虹膜采集摄像头。而目前这种专用摄像头显然没有在大众手机中普及。而虹膜比对的计算需要复杂的算法，对设备的运算能力有一定的要求。另外，在移动设备上实现高可用性的虹膜识别，技术还需要完善。

　　用马力的话说，虽然有很多实现的路径，但“还需要一点时间”。

　　【主流身份认证技术的安全性和用户体验对比】

　　很多人都在支付宝或者其他场景中使用过人脸识别技术。

　　来自蚂蚁金服的专家李亮说：

　　实际上人脸识别技术已经超越了人对于人脸的辨识度。有天赋的人可以记住500张熟人脸，而一般人可以记忆300-400张熟人脸。在这个范围内，人的表现可能会优于算法。但是人对于不熟悉的面孔，会产生极其明显的“脸盲症”。所以在大规模人脸识别中，人绝对不是机器的对手。

　　来看一组有意思的对比数据：

　　指纹识别的误识率为两万分之一，虹膜识别的误识率为十万分之一，而人脸识别的误识率是万分之一。

　　也就是说，如果仅仅采用人脸识别锁定设备，每一万个人中，就有一个人可以骗过人脸识别，进入你的手机。

　　【用各种奇葩方式欺骗人脸识别】

　　误识率是指纹识别的两倍，讲真这个误识率给人感觉并不高，但显然人脸识别不如指纹识别“靠谱”。然而在现实应用中，人脸识别却拥有诸多开挂般的优势。

　　李亮说：

　　在现实生活中，人们用到的很多 ID，例如身份证、驾驶证、社保卡等大多数合法证件的鉴识主体都是照片。而国家有关部门拥有一个非常完整的公民人脸信息库，可以对外提供查询服务。这个基础设施能够带来一个巨大的好处，那就是所有使用人脸识别的人，不用预先录入人脸信息。这是蚂蚁金服采用人脸识别技术的一个主要考虑。

　　不用注册，直接识别， 这确实让越来越懒的人们感觉到幸福。但是，人脸识别在应用场景中，却需要面对诸多考验：

　　1、光照：在移动端使用人脸识别的时候，人们经常处于奇葩的光照环境中，例如昏暗的卧室或厕所、光影迷乱的酒吧。“看不清脸”，是人脸识别的巨大挑战。

　　2、姿态：在很多场景中，人并不会绝对配合人脸识别，45度仰望天空经常让人脸识别系统欲哭无泪。

　　3、表情：人在照证件照的时候，一般都是一副铁青的脸，然而在剁手购物的时候，都是笑逐颜开的。

　　4、妆容：如果你看过网上流传的女生化妆前后对比，你应该知道我在说什么。

　　5、年龄：随着年龄的增加，人的长相也是会变化的。

　　李亮说，对于前三种挑战，可以通过提示用户的方式，让 Ta 加以配合，但是对于后两种挑战，只能通过大数据和算法优化来改进。（想像一个美女进行人脸识别的时候，系统提示：请卸妆洗脸后再试，会发生什么。。。）