連Windows hello都採用的人臉識別,安全靠譜嗎?
連Windows hello都採用的人臉識別,安全靠譜嗎?
2015.09.08 | 科技

前言: 廣泛關注的windows hello在6對雙胞胎中的人臉識別錯了1對,錯誤率達16%,但此技術為何還是受歡迎?同樣是非接觸採集的虹膜識別,號稱精確度最高,為什麼還沒有廣泛應用?

在Nicolas Cage還沒過氣的時代,他和同樣還未過氣的約翰屈伏塔演過一部經典的電影《變臉Face/Off》。這部罪案電影的導演是當時在好萊塢蓄勢待發的吳宇森。影片中警察和罪犯互換臉,因而引發了一連串故事。

現實社會中,人與人倒是不可能這麼容易的換臉,不過在整容技術如此發達的今天,一個人的容貌確實不太可靠。

Windows hello是微軟推出windows 10時採用的一種生物特徵授權方式,讓你能通過識別生物特徵訪問你的windows 10設備。

**據微軟介紹,進行身份驗證的方式有三種,指紋識別、面部識別、虹膜識別。**其中的面部識別是Windows Hello的重點項目。微軟稱,在其內部測試中,windows hello對於人臉的錯誤識別率僅為十萬分之一(0.01%),拒絕識別率為2% - 4%。

最近,這一功能受到了考驗。報紙《The Australian》邀請了六對來自墨爾本和雪梨的雙胞胎(五對女性和一對男性)來進行測試,看windows hello能否正確識別他們。在使用windows hello進行人臉註冊和識別的過程中,前五對雙胞胎均成功通過,但有一對雙胞胎在註冊了一人後,兩人都無法登陸。無法登陸的那對雙胞胎分別叫Isabelle和Natasha,她們的照片如下。

測試中,windows hello無法識別的那對雙胞胎

人臉識別,聽上去似乎比千篇一律的密碼可靠,但是掌握著極高技術的微軟windows hello居然在6對雙胞胎中認錯了1對,錯誤率為16%。

##人臉識別錯誤率這麼高,為什麼依然受歡迎?

**實際上,人臉識別技術達到的最高精度97.25%,是由Facebook在2015年剛剛創造的。**這個精準度大約只相當於人通過肉眼識別的水平。人臉識別如此受歡迎,主要是因為簡單好用。不像指紋需要專門的採集器,虹膜需要紅外攝錄影機,電腦和手機必備的普通攝錄影機就可以輕鬆滿足人臉識別的硬體要求。

**生物認證的匹配過程分為合作式、非合作式兩種。**大部分生物認證系統需要人主動配合,比如一個人有意且自願地按壓手指。然而,指紋的主動配合度還不夠。當一個人熟睡時,別人可以趁機將他的手指放在指紋識別器上,輕鬆解鎖手機,進行支付。

人臉識別也是如此,甚至不需要接觸,就可以通過隱藏攝錄影機或趁人熟睡時拍下照片,進入個人帳戶。不過,正因為人臉識別可以秘密採集數據,在當事人未知的情況下,輕鬆獲取他的臉形,判斷他的身份。因此,人臉識別更適用於鎖定犯罪嫌疑人,只需一個普通攝錄影機。

延伸閱讀:臉被遮住,臉書新臉部辨識功能仍能正確辨識

不足的是,人臉非常容易偽裝,比如中亞地區的人受宗教文化背景影響,女性用黑紗遮住臉,男性留有大鬍子,幾乎只有眼睛可見。人臉識別三種主流算法之一的特徵臉型,目前已被證明不能像人眼一樣排除偽裝的影響,這意味著,位置、姿勢、表情、臉部毛髮或眼鏡,都會影響人臉識別的精確度。

因此,人臉識別的過程往往還需要加入其他生物特徵,進行多模組識別以提高安全性、準確性。雖然存在著諸多缺陷,但是面部本身的大面積、識別過程的秘密性,也成為了人臉識別的「獨門絕技」。

##精確度最高的虹膜識別,為什麼還沒有廣泛應用?

在各種不同的生物特徵中,虹膜是最健壯、最持久的。

一種生物特徵能否被用作生物識別,由健壯性和獨特性兩個因素決定。健壯性與這種特徵的持久、穩定有關,獨特性決定了這種特徵的差異性是否大到能夠被測量出來。健壯性和獨特性決定了生物特徵的準確性。

**在正常健康情況下,虹膜從出生6個月直到死亡都保持不變。**虹膜的紋理具有極高的複雜多樣性,屬於表現因素,在胚胎發育的早期形成,與基因沒有依賴關係。表現因素使某種生物特性在人群中呈現出更大的差異。因此,即使是同卵雙胞胎,甚至是一個人的左右眼,虹膜圖像也完全不同。

從技術上說,虹膜識別是一流的、最精確的。

優秀的虹膜識別技術商,能夠將錯誤率(FAR)控制在500萬分之一(0.00002%),幾乎杜絕了出錯的可能性。

虹膜識別技術應用的最大障礙,是眼盲而不能註冊。

**虹膜識別是一項前衛的科學研究。算法、硬體、圖像的三重高成本,使得虹膜識別技術主要滿足行業需求,難以覆蓋消費領域。**近年來,隨著國內擁有自主研發算法的虹膜識別技術商的成熟發展,一些技術商希望加深對於產品形態、交互設計、用戶體驗、增值模式的深層次理解,把握未來市場趨勢,也開始做消費類虹膜識別產品。

虹膜的小尺寸給遠距離掃描帶來了一定困難。不過,在小於30厘米的近距離範圍內,虹膜依然有著不可比擬的優勢,如一頭猛獅。虹膜識別是一種高效的技術,訓練用戶所需的時間不超過5秒鐘,時間主要花在用戶將他/她的眼睛對準一面小鏡子。一旦圖像被採集和處理之後,實際的計算機匹配處理是非常快速的,時間在毫秒量級。

在精確度、高效性、適應性三方面都非常出色的虹膜識別,如果能夠突破遠距離掃描這一限制,完全可以解決人臉易偽裝的問題,成為「最好的生物識別技術」。

延伸閱讀:金融領域應用人臉識別技術 進入「人臉辨識時代」面臨挑戰

**任何一種生物認證方式,無論是指紋、掌型、語音,還是人臉、虹膜,都有著各自的優劣和不同的應用場景。**指紋最廣泛,成本低,很容易與手機集成;人臉最方便,普通攝錄影機,在人流密集的出入口鑑別嫌疑人;虹膜最安全,500萬分之一的錯誤率,適用於近距離的支付與訊息安全。

如果windows hello中採用虹膜識別,也許結果會讓人大吃一驚呢。

原文出處:鈦媒體

關鍵字: #微軟 #人臉辨識
往下滑看下一篇文章
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用

下一個替你買東西的,可能不是你自己,而是 AI。當 AI 開始介入搜尋、比較與消費決策,品牌與消費者之間的入口也正在改變。iKala 共同創辦人暨董事長程世嘉認為,AI 競爭正進入下一階段,企業真正要面對的已不只是「如何導入 AI」,而是當消費者逐漸把選擇權交給 AI,品牌如何確保自己仍在 AI 的選擇名單中?

零點擊只是開始!Agentic Commerce 恐讓 AI 從「導購」變「代購」

過去,消費者透過搜尋引擎找到品牌、進入官網,再完成比較與購買;如今,愈來愈多搜尋與決策可以直接在 AI 中完成。程世嘉表示,「零點擊只是剛開始。」隨著 AI Agent 從提供答案進一步走向執行任務,下一步甚至可能替消費者選擇商品、完成交易,讓 Agentic Commerce 從「AI 幫你找」走向「AI 幫你買」。

Sega 側拍.jpg
程世嘉指出「零點擊只是剛開始」,AI Agent 正從「幫你找」進化到「幫你買」,加速 Agentic Commerce 時代到來。
圖/ iKala

這場變化真正改寫的,不只是流量入口,而是交易的主導權。當 AI 開始代表消費者採取行動,品牌未來面對的,可能不再只是「如何吸引消費者」,而是如何成為 AI 最終選擇的對象。

AI 不認識你,廣告下再多都沒用!SEO 下一戰:搶進 AI 的「推薦名單」

要被 AI 選中,第一步是先被 AI 認識。程世嘉直言:「如果 AI 連第一步都不認識你,那你在網路上下多少廣告都沒用。」這也讓品牌競爭從 SEO 進一步走向 GEO(Generative Engine Optimization):過去企業搶的是搜尋排名,現在更要掌握 AI 如何描述品牌、引用哪些來源,以及在什麼問題下會提到自己。

面對新的消費決策入口,iKala 將 AI Marketing 定位為協助品牌成長的全方位行銷服務,結合市場資料、自有 AI 產品與專業顧問團隊,提供從顧問診斷、策略規劃、專案落地到成效優化的一站式服務。從品牌定位、市場與競品分析,到 GEO 內容優化、創作者合作與媒體投放,iKala 不只提供數據分析工具,更協助品牌找出成長機會、制定行銷策略,並持續追蹤與優化執行成效。

iKala AI Marketing 總監許巧彤指出,品牌不只要「聽人」,也要「聽 AI」。透過 Ontix 掌握社群話題、消費者需求與市場趨勢,協助品牌發掘潛在商機;Kuroma 追蹤品牌在 AI 平台的能見度、推薦情境與引用來源,找出內容布局與 GEO 優化方向;Kolr 則結合創作者數據與行銷執行服務,協助品牌媒合合適的 KOL/KOC,規劃內容合作與媒體投放,將市場洞察轉化為實際行銷行動。

iKala
iKala AI Marketing 總監許巧彤分享,iKala 透過全方位行銷服務,搭配獨家產品賦能,協助品牌成長。
圖/ iKala

對內打通資料,對外洞察市場!程世嘉:老闆要懂 AI,AI 更要懂台灣

外部的搜尋與消費入口正在改變,企業內部也面臨另一場 AI 轉型。

企業 AI 為什麼推不動?程世嘉直指,第一個問題往往是「老闆自己不用 AI」。決策者若連 AI 能做什麼、不能做什麼都不清楚,再大的導入計畫也很難解決真正的企業痛點。iKala 提出「小步快跑、長期陪跑」的轉型策略,從關鍵場景快速驗證,再逐步擴大;同時以 AI Service、AI Marketing 雙軸出擊,讓 AI 不只改善內部工作效率,也能成為企業掌握商機、推動品牌成長的助力。

而當 AI 愈來愈深入企業決策、品牌溝通與消費者選擇,另一個問題也隨之浮現:AI 真的讀得懂台灣嗎?

對 AI 而言,語言相通,不等於真正讀懂一個市場。語言背後還有文化脈絡、在地知識,以及台灣人實際使用語言的方式。iKala 投入 TMMLU+,便是希望透過開源的繁體中文 AI 評測基準,檢驗模型對繁體中文與台灣知識的理解能力,讓「AI 到底懂不懂台灣」不再只是主觀感受,而有一套具體的評測依據。

TMMLU+.jpg
TMMLU+ 在九月全新推出 v1.1
圖/ iKala

從 Agentic Commerce、GEO 到企業 AI 落地,背後其實都回到同一件事:AI 應用最終仍建立在人與資料之上。正如許巧彤所說,「先有人才有 AI,因為 AI 終究是要讀資料。」人們創造內容、累積市場訊號,AI 從中學習、理解並影響消費決策,形成相互作用的循環。當 AI 逐漸從輔助工具走向決策與交易入口,企業競爭的關鍵將不再只是如何運用 AI,更在於如何讓 AI 理解企業、讓企業讀懂市場,進而掌握新的成長機會。

【關於iKala】

iKala 致力於透過將 AI 與數據嵌入企業經營核心,協助企業做出更精準、更快速的決策。我們透過引導組織從「數據累積」邁向「決策產出」來支援 AI 轉型,並提供完整的 AI 解決方案,將企業的自有數據與 iKala 基於全球數十億社群訊號所建立的智慧模型相結合。

iKala 總部位於台灣,足跡遍布全球,服務超過 1,000 家企業及 50,000 個品牌,版圖橫跨全球 190 多個國家,客戶群包含多家財星 500 強企業(Fortune 500)。

iKala 官方網站:https://ikala.ai
iKala AI Marketing 介紹:https://ikala.ai/zh-tw/ikala-ai-marketing/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓