Toden加入NVIDIA Inception

核对自拍照与身份证照片是否一致是一个相对简单的问题。一张脸，一份证件，一次比对，不到一秒钟就能得出结果。

检查这张脸是否已经以其他名字注册过你的账号是另一个问题。新注册的账号必须与企业验证过的所有身份信息进行比对，而这个数据库只会不断增长。小型贷款机构可能只对几千人进行这项比对，而大型贷款机构则对数百万人进行比对，每次注册都会如此。

我们更多的工作成果 Toden 现在看来是第二个问题了。这也是我们加入的主要原因之一。 NVIDIA 盗梦空间， NVIDIA 的这项计划旨在帮助初创企业开发基于人工智能和加速计算的应用。该计划不涉及投资，也不涉及股权。它让我们能够更便捷地获取所需的工具，以应对工作负载向GPU迁移的情况。

即使是真文件也可以用来开设欺诈账户。

即使身份验证通过了所有环节，仍然可能让欺诈行为得逞。

一个真实的国民身份证号码，已通过政府数据库核实，但摄像头前却是另一个人的脸。人脸比对识别出了这个问题。

同一个人用三张真实身份卡开设三个账户的难度更大。每次验证都是独立进行的，只有通过人脸比对才能将它们联系起来。因此，每个经过验证的人脸…… Toden 系统会将该机构的现有客户进行搜索。如果匹配成功，则会发送给审核员。我们从不将此视为两条记录指向同一人的证据，因为在足够多的记录中，出现一些错误的匹配是必然的。

或者二十个申请人都在同一个地址。但这本身并不能说明什么：一个家庭住宅和一个诈骗团伙都会让很多人使用同一个IP地址。真正区分它们的是，他们是否还共用手机、照片，或者在同一天使用相同的IP地址，而这才是我们向审核人员展示的内容。

即使看似已解决的问题也并非如此。护照号码带有校验位，以便机器识别错误读取的情况。我们发现扫描仪在两个地方错误读取了护照号码，但这两个错误恰好相互抵消，因此校验位仍然有效。相似的字母和数字正是文本识别失败的原因。因此，扫描仪现在会拒绝读取任何存在多个可能版本的护照号码，并将文件交给第二个读取器。

有些信号的实际价值远低于表面看起来。在尼日利亚移动网络中，IP 地址会将用户定位到其运营商网关所在的城市。我们过去会显示该城市，但现在我们将其移除，只报告国家/地区，因为一个看似精确的错误答案造成的危害比没有答案更大。

成本在于搜索过程，而不是检查。

我们的面部模型运行在我们自己的服务器上，因此自拍照绝不会发送给第三方进行比对。对于一款处理生物识别数据的产品来说，这是一个正确的决定，这意味着计算工作完全由我们自己完成。

如今这些模型运行在CPU上。为了将它们装入我们现有的内存，我们将人脸模型量化为8位整数。每次嵌入的速度都降低了大约2.5倍，但在我们的测试中，没有一个判罚结果发生改变。对于一场比赛来说，这种调整几乎可以忽略不计。没有人会注意到这0.25秒的差别。

搜索功能在这方面表现突出。我们的人脸搜索功能会将新生成的面孔与组织中存储的每张面孔逐一进行比对。这种方法非常精确，而且一开始就走对了方向。但随着客户验证次数的增加，搜索成本也会随之增长。解决方案显而易见：构建一个用于最近邻搜索的索引，并在为此设计的硬件上进行推理。

我们接下来要开发的功能也是如此。我们正在努力检测那些被编辑或生成的文档，而不仅仅是那些无法读取的文档。此外，我们希望风险模型能够基于真实的审阅者决策进行训练，而不是基于我们手动设定的权重。这两项功能都比我们目前使用的任何功能都更耗费资源。

我们的面部模型已经运行起来了 ONNX 一种开放的模型格式。 NVIDIA 的推理工具，例如 TensorRT，都支持这种架构，因此迁移到 GPU 只是一个工程步骤，而不是代码重写。Inception 为我们提供了 NVIDIA 在我们迁移期间，我们将获得开发者工具和技术培训、部分硬件和软件的优惠价格以及云信用额度。

更好的硬件并不能保证模型的可靠性。8 月份，我们测试了三款商业授权的年龄估算模型，并将它们与我们自己核实的出生日期进行比对。结果显示，这三款模型都将最年轻的人的年龄高估了 12 岁或更多。因此，我们没有推出任何一款这样的模型。计算能力的提升能让优秀的模型变得可用，但对糟糕的模型却无济于事。

证据并非信任。

身份验证旨在判断身份证明是否有效。风险评估旨在判断账户是否值得信任。

第一个问题在某个时间点有答案。第二个问题则永远没有定论。例如，3月份验证通过的客户，6月份用另一个国家的新手机登录账户，并向一个从未用该账户支付过款项的人付款。

所以，真正有用的单位不是检查本身，而是检查开始的记录。 Toden 验证过程会创建身份。之后我们了解到的信息会与该身份关联起来：设备信息、已验证的联系方式、地址、在其他地方见过的人脸、筛查结果和交易记录。工作流程会根据这些信息的组合执行操作。它可以要求提供新的自拍照、启动案件或将账户提交审核。

添加信号很容易，但分析师仍然需要能够解读结果。我们从自身风险评分中吸取了教训。虽然计算结果正确，但旁边显示的三个因素之和与最终得分不符，导致无人能够核实。我们重新构建了评分系统，使每个评分都由一系列贡献因素组成，且这些因素之和恰好等于最终得分。在合规工作中，一个无法解释的评分，也就无法辩护。

这一原则也限制了我们赋予模型的功能。模型应该能够进行排名、路由和总结。哪些请求会被拒绝应该由人工决定，或者由客户可以阅读的政策决定。每个审核员的决定都会被记录为一个带标签的结果，而下一个模型正是从这些记录中学习。

我们正在构建

身份基础设施不会再变成简单的合格/不合格评估体系。它将成为能够理解人员、设备、账户、文档和资金之间相互关系的系统，并帮助企业决定信任哪些信息。

这就是我们正在建设的。

构建身份、欺诈或风险管理基础设施？探索 Toden