无需猜测即可设置人脸匹配阈值

选择人脸匹配阈值时，首先要考虑哪种错误造成的损失更大，然后衡量你自身对真实身份和冒名顶替者的识别率实际处于哪个水平。及格分数并非为了“提高安全性”而设定的质量标准，而是在两种错误之间权衡：接受与身份证件上的人不符的人，以及拒绝与身份证件上的人相符的人。

大多数团队需要两个数字，而不是一个。一个是及格线，高于此线比赛结果自动接受；另一个是审核底线，低于此线比赛结果拒绝；两者之间的差值将发送给相关人员。本文的其余部分将介绍如何准确设置这两个标准。

实际交易的门槛是多少？

人脸匹配系统比较两张图像并返回相似度得分。真实图像对（同一个人）的得分往往较高；冒名顶替图像对的得分往往较低。这两组图像存在重叠，每个阈值都会在重叠部分划出一条线。

• 提高及格分数，骗子通过的次数就会减少（误匹配率降低），但真正的顾客失败的次数也会增加（误不匹配率升高）。

• 调低一点，反之亦然。

美国国家标准与技术研究院在其认证指南SP 800-63B-4 （在新标签页中打开）中也表达了同样的观点：选定的阈值“通常强调的是低 FMR 为了最大限度地提高安全性，因为重复测量通常可以减少错误不匹配的情况。对于远程身份验证，SP 800-63A-4 （在新标签页中打开）（2025 年 7 月）设定了性能目标，即错误匹配率低于 1/10,000，错误不匹配率低于 1/100。这些是美国联邦基准，而非非洲市场的规则，但它们有助于明确一个严肃的计划的目标：冒名顶替者的数量应该远少于被拒绝的真实用户。

为什么仅仅及格分数是不够的？

因为靠近底线的那些分数，数字本身并不能说明什么问题。

一张自拍照得分略低于及格线，可能是长相相似的冒名顶替者，也可能是真正的顾客在光线不足的情况下，用十年前的档案照片作背景拍摄的。如果仅仅根据这个分数来判断是否合格，就意味着要么拒绝真正的顾客，要么放行长相相似的冒名顶替者。

审核小组会诚实地处理模糊不清的情况：远高于及格分数的成绩会被接受，远低于及格分数的成绩会被拒绝，介于两者之间的成绩则会交给能够查看两张照片的人进行审核。面部匹配 API （在新标签页中打开）在 Toden 运作方式如下：它的判决是三方的（match，review或者no_match），根据该组织自己的及格分数和审查底线进行评判，并且故意不设每次请求的门槛，因此每个记录在案的裁决都是根据记录在案的政策进行评判的。

将带子顶部绑好

有一个常见的配置错误值得特别指出。一条写成“置信度等于或高于最低值，送审”的复审规则会捕获所有高于最低值的分数，包括完全匹配。这条规则的上下限必须明确：

review when: facialConfidence >= floor AND facialConfidence < passMark

如果你将乐队构建为决策规则，请在发布前将其与已知的强匹配项进行比较。

如何根据自己的数据设定这些数字？

厂商默认设置只是一个起点，而非最终答案。用户、他们的手机、照片的保存时间以及光照条件都会影响评分分布。以下是一种实用的校准方法。

1. 从默认设置开始，收集数据。运行几周，并设置较宽的审查范围，这样会有比你最终预期更多的临界案例被审查。

2. 给审核过的配对照片贴上标签。审核人员需记录每张照片的明确结果：同一人、不同人或照片无法使用。无论如何，无法使用的照片都不能作为身份证明；因此，请勿将其纳入计算。

3. 绘制两个直方图。一个是标记为“同一人”的配对得分，另一个是标记为“不同人”的配对得分。现在你应该能看出你的重叠部分在哪里了。

4. 从冒名顶替者的角度设定及格分数。选择一个被标记为冒名顶替者几乎不会出现的分数线。在这个分数线上，自动接受是安全的。

5. 从真题方设定底线。选择一个分数，低于这个分数，真题对子几乎不会出现。低于这个分数，则拒绝答题或要求重考。

6. 根据你的审核能力来调整审核范围。如果审核范围提交的案例数量超过了你的团队在服务时间内能够审核的数量，则缩小范围，并明确决定你对哪些类型的错误容忍度更高。

7. 重复检查。更改捕获流程、添加市场或发现新的欺诈模式后，请重新检查。

举个例子：一家贷款机构从数百对标记好的客户数据中发现，冒名顶替者的得分几乎从未超过 80 分以上，而真正的客户得分几乎从未低于 60 分中段。该机构将及格分数线设定在冒名顶替者数据尾部的较高位置附近，将及格分数线的最低位置附近，并将两者之间的差距提交审核。此处的数字仅为示例，实际数值将来自您自己的直方图。

阈值应该因照片来源而异，还是因照片组而异？

按照片来源、路径而非重新调整。自拍照与政府档案照片、经认证的芯片照片以及打印在文件上的照片相比，其证据效力并不相同；如果文件本身是伪造的，那么与打印照片的匹配证据就更弱了。 Toden 结果报告使用了哪张照片（facialMatchSource：gov_record，chip或者document），并且决策规则可以将文档照片匹配项发送到审核，而无需考虑得分。

按人口统计群体划分，数量。 NIST SP 800-63A-4 指出，系统应配置固定阈值，而非针对每个人口群体分别设置阈值，并要求每个群体的性能不应比总体性能低 25%。如果您的审查数据显示某个群体故障率较高，则应通过改善采集条件（光照、引导、摄像头质量）或使用更优的型号来解决，而不是单独设置一条线路。

如何将其融入工作流程？

在 Toden 工作流程可以设置自己的面部识别通过标准和审核等级。该等级是对面部识别的决策规则。verification.facialConfidence最终得分介于 0 到 100 分之间，介于及格线和最低分之间，该分数将作为审核结果；决策文档 （在新标签页中打开）中会列出该字段。以下是一些实用说明：

• 不要在申请人的信息中透露分数。 Toden 面向申请人reason它会指出哪些地方不匹配以及下一步该怎么做，但不涉及分数或阈值。公布这个标准可以让冒名顶替者知道自己离目标有多近。

• 记录每一次修改。当审核员批准了接近成功的修改时，结果会保留。checkStatus: failed和reasonCode: selfie_mismatch除了审批文件之外，还有审计员要求提供的记录。

• 正式上线前先测试一下。沙盒测试 ID 包含自拍不匹配场景，方便您确认规则能将匹配失败的情况路由到预期位置。

决策规则

在调整滑块之前，请用一句话写下您的政策：“我们自动接受高于 X 的订单，因为被标记为冒名顶替者的订单几乎不会达到这个分数；我们拒绝低于 Y 的订单，因为真正的客户几乎不会达到这个分数；介于两者之间的订单会在 Z 小时内由专人审核。” 如果您目前还无法根据自身数据填写 X、Y 和 Z 的值，请暂时使用较大的范围，直到您可以填写为止。