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 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

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
AI全球100+台灣20
© 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