網(wǎng)上有很多關(guān)于如何確定pos機(jī)支付平臺(tái)的安全性,刷臉支付的100%安全性的知識(shí)，也有很多人為大家解答關(guān)于如何確定pos機(jī)支付平臺(tái)的安全性的問題，今天pos機(jī)之家(www.afbey.com)為大家整理了關(guān)于這方面的知識(shí)，讓我們一起來看下吧!
本文目錄一覽：
如何確定pos機(jī)支付平臺(tái)的安全性
1963 年，來自 MIT 的 Larry Roberts 基于計(jì)算機(jī)視覺領(lǐng)域發(fā)表博士論文“Machine Perception of Three-Dimensional Solids”，至此，CV 技術(shù)作為一項(xiàng)新興的人工智能開始出現(xiàn)在人們的視線當(dāng)中。50 年后的今天，隨著智能時(shí)代的來臨，越來越多的人工智能已然走入人們的日常生活，為衣食住行帶來意想不到的便利。
當(dāng)警方多次通過人臉識(shí)別在張學(xué)友演唱會(huì)現(xiàn)場(chǎng)抓捕逃犯時(shí)，當(dāng)人們走進(jìn)便利店只用“靠臉吃飯”時(shí)，當(dāng)凌晨 2:30 還有智能客服解答售后問題時(shí)，你是否還是會(huì)有這樣的疑問：人臉識(shí)別在應(yīng)用的安全性上如何保證？智慧零售如何獲取感知分析能力？AI 算法如何與硬件結(jié)合？終端硬件的計(jì)算能力不足問題該如何解決？伴隨著數(shù)據(jù)量的迅猛增長(zhǎng)，帶寬和存儲(chǔ)倍增的壓力又該如何釋放？
帶著對(duì)這些問題的解答，來自騰訊優(yōu)圖、騰訊云、騰訊 AI LAB、英特爾的五位技術(shù)講師，圍繞著智慧零售、智能硬件、人臉核身、語音識(shí)別等產(chǎn)品技術(shù)，基于實(shí)際業(yè)務(wù)場(chǎng)景的落地與用戶痛點(diǎn)開始了這場(chǎng)布道。
智慧零售是以消費(fèi)體驗(yàn)過程為核心，以數(shù)據(jù)驅(qū)動(dòng)的泛零售業(yè)態(tài)。其主要包括場(chǎng)景數(shù)據(jù)化和數(shù)據(jù)網(wǎng)絡(luò)化兩個(gè)結(jié)構(gòu)。以電商為例，當(dāng)消費(fèi)者入店時(shí)，其形成的客戶畫像，以及整個(gè)流動(dòng)軌跡，與商品的交互行為，購(gòu)買，復(fù)購(gòu)，到最終的離店。全閉程的環(huán)節(jié)都可以以數(shù)據(jù)的形式呈現(xiàn)出來，這也是零售中所談到的非常重要的概念叫做人 - 貨 - 場(chǎng)的關(guān)系。
而原本需要依靠門店運(yùn)營(yíng)者人眼觀察進(jìn)行的分析，現(xiàn)在就可通過計(jì)算機(jī)視覺技術(shù)的應(yīng)用實(shí)現(xiàn)數(shù)據(jù)從非結(jié)構(gòu)化到結(jié)構(gòu)化的轉(zhuǎn)變，并可以實(shí)時(shí)準(zhǔn)確的幫助門店運(yùn)營(yíng)者分析統(tǒng)計(jì)數(shù)據(jù)，為門店實(shí)現(xiàn)降本增效。因此，計(jì)算機(jī)視覺技術(shù)也成為了建立人 - 貨 - 場(chǎng)三者聯(lián)系的天然紐帶，并幫助商家提升全鏈路運(yùn)營(yíng)效率，優(yōu)化客戶體驗(yàn)，創(chuàng)造新的商業(yè)機(jī)會(huì)。
那么 CV 技術(shù)是如何在線下指導(dǎo)實(shí)踐與應(yīng)用？騰訊優(yōu)圖嘗試將 CV 技術(shù)運(yùn)用到線下門店運(yùn)營(yíng)的問題解決上，基于圖像識(shí)別技術(shù)，人臉識(shí)別技術(shù)等計(jì)算機(jī)視覺技術(shù)，幫助商家將線下的場(chǎng)景做到數(shù)字化的分析。此解決方案分為到店——>逛店——>購(gòu)買三大模塊，通過對(duì)各個(gè)環(huán)節(jié)的分解和洞察，為零售商打造知人知面更知心的智慧門店。
首先在影響營(yíng)銷銷售額的 10 大因素中過店客流、進(jìn)店客流是非常重大的因素。因此在到店模塊中，客流從過店到進(jìn)店的轉(zhuǎn)換分析下，CV 技術(shù)能力可幫助商家分時(shí)分段的實(shí)時(shí)統(tǒng)計(jì)過店客流，以及過店到進(jìn)店的客流轉(zhuǎn)換，以此來指導(dǎo)零售商分析店鋪的高峰期和冷淡期。同時(shí)，按照性別、年齡等特征維度，也可描繪出店家過店客流的人群畫像。這些數(shù)據(jù)一方面可以指導(dǎo)店家調(diào)整櫥窗陳列，另外一方面還可幫助營(yíng)銷活動(dòng)的決策。如果是一個(gè)大型 Mall 的業(yè)態(tài)，或者連鎖店的業(yè)態(tài)，還可通過進(jìn)店客流對(duì)所有店鋪進(jìn)行排名，對(duì)比分析不同店鋪客流量好與不好的影響因素，進(jìn)行更加全面的分析與優(yōu)化。
在完成了第一層漏斗轉(zhuǎn)換的分析，接下來就是用戶進(jìn)店后，逛店到購(gòu)買的轉(zhuǎn)化。
啤酒尿布這個(gè)經(jīng)典營(yíng)銷案例的背后就隱含著人 - 貨 - 場(chǎng)關(guān)系對(duì)營(yíng)銷的影響，并體現(xiàn)著零售業(yè)中非常重要的一個(gè)指標(biāo)：連帶率。它反應(yīng)了顧客購(gòu)物的深度和廣度。影響連帶率的因素非常多，人的方面像銷售技巧，比如客戶在麥當(dāng)勞中買了薯?xiàng)l，售貨員可能會(huì)詢問客戶是否需要可樂；在貨的層面，商品的 SKU 是否豐富，擺放是否具備吸引力；在場(chǎng)的層面，貨架之間是否有關(guān)聯(lián)，場(chǎng)內(nèi)的游逛軌跡是否合理。所以如果說，第一環(huán)節(jié)從過店 - 進(jìn)店是粗力度的客流統(tǒng)計(jì)和畫像刻畫。那么，第二環(huán)節(jié)，在逛店模塊就需要對(duì)客流做非常細(xì)粒度的統(tǒng)計(jì)，幫助提升連帶率的指標(biāo)。
在逛店模塊中，CV 技術(shù)再次幫助用戶實(shí)現(xiàn)客流軌跡和全場(chǎng)熱力的解決方案。
第一步，場(chǎng)內(nèi)精細(xì)客流的統(tǒng)計(jì)。從客流進(jìn)店后，可以做到精確到每一分鐘，每幾小時(shí)客流分布情況，以一個(gè)服裝店為例，可以精確到男裝、女裝區(qū)域的客流分布情況，進(jìn)行一個(gè)細(xì)粒度的客流統(tǒng)計(jì)；第二步，刻畫客流軌跡。精確到進(jìn)店后人流行走路線，客流整個(gè)的軌跡游逛的動(dòng)線是怎么樣的；第三步，實(shí)現(xiàn)區(qū)域熱力的統(tǒng)計(jì)。熱力分析的業(yè)務(wù)價(jià)值主要體現(xiàn)在零售 KPI 中的“坪效”的指標(biāo)（通常是店長(zhǎng)和陳列師的 KPI），表征單位面積區(qū)域?qū)蛻舻奈芰Α?/p>
通過實(shí)現(xiàn)對(duì)場(chǎng)內(nèi)精細(xì)客流的統(tǒng)計(jì)、客流軌跡的刻畫和熱區(qū)的分析，刻畫場(chǎng)內(nèi)用戶行為，給到商家科學(xué)的可視化的數(shù)據(jù)，幫助商家合理規(guī)劃顧客行走路線、洞察品類、洞察商品相關(guān)性，從而實(shí)現(xiàn)品類調(diào)換，布局優(yōu)化，以及更加精準(zhǔn)的定位人貨場(chǎng)關(guān)系。
在零售的場(chǎng)景中，客流統(tǒng)計(jì)、屬性分析以及 VIP 客戶識(shí)別的過程跟安防不太一樣，安防大多是局域網(wǎng)的環(huán)境，從攝像頭到處理單元基本上都在同一網(wǎng)絡(luò)內(nèi)。但零售場(chǎng)景的遍布全國(guó)各地線下商家非常多，攝像頭布置在門店中，數(shù)據(jù)處理則一般放在云端，這勢(shì)必會(huì)產(chǎn)生這樣的問題：攝像機(jī)的視頻如果上傳時(shí)帶寬不夠該如何解決？常規(guī)的處理思路一般是使用 AI 攝像頭，在攝像頭側(cè)進(jìn)行 AI 預(yù)處理。對(duì)于沒有智能的傳統(tǒng)碼流機(jī)，騰訊優(yōu)圖會(huì)提供盒子類的解決方案。
在當(dāng)今這個(gè)人工智能惠及生活的時(shí)代，大部分用戶都有這樣的疑問：刷臉支付除了考驗(yàn)人臉識(shí)別技術(shù)以外，它的安全性如何保證？
首先用戶需了解刷臉支付的開通流程。用戶需在終端上先進(jìn)行人臉檢測(cè)，再進(jìn)行端和云兩側(cè)都需要驗(yàn)證的活體防攻擊檢測(cè)，驗(yàn)證后會(huì)進(jìn)行人臉核身，就是上傳人臉并與從公安拿到身份證圖片進(jìn)行比對(duì)，驗(yàn)證本人身份。如果確認(rèn)，即可開通免密刷臉支付。刷臉支付的使用過程與開通區(qū)別不大，但由于用戶規(guī)模過大，使用上億人臉庫(kù)用來做支付的準(zhǔn)確率和風(fēng)險(xiǎn)較大，所以在進(jìn)行人臉檢測(cè)后，通常會(huì)要求用戶輸入手機(jī)號(hào)進(jìn)行二次確認(rèn)。但從長(zhǎng)遠(yuǎn)來看，輸入手機(jī)號(hào)的過程最終將會(huì)淘汰。
對(duì)于人臉支付硬件，其中有兩個(gè)十分重要的特性，一個(gè)是 3D 攝像頭，它主要是進(jìn)行活體檢測(cè)。第二，是在流程當(dāng)中進(jìn)行檢測(cè)、跟蹤、優(yōu)選、活體算法的前項(xiàng)計(jì)算過程。最早騰訊優(yōu)圖推出交互式的活體，通過搖頭、眨眼動(dòng)作驗(yàn)證真人身份，緊接著推出針對(duì)手機(jī)的應(yīng)用場(chǎng)景推出光線活體檢測(cè)，以及針對(duì)通用設(shè)備的紅外活體檢測(cè)以及 3D 活體檢測(cè)。
紅外雙目活體檢測(cè)方案采用的是雙目攝像頭，檢測(cè)過程中輸出一張 RGB 圖與一張紅外圖，其算法原理是利用人的皮膚與紙張對(duì)紅外光的反射不同，以此保證檢測(cè)精度。但如若找到一種與皮膚相類似的材料進(jìn)行檢測(cè)，就不能保證識(shí)別的安全性，所以紅外雙目活體多用于刷臉開門等場(chǎng)景。
針對(duì)有著更高安全要求的刷臉支付，通常會(huì)使用 3D 攝像頭配合檢測(cè)，并輸出一張 RGB 的圖與一張人臉深度圖，紙張等平面不存在深度信息，但人臉是有三維深度信息的，其輸出的人臉深度圖就可以用來做活體檢測(cè)。
除了深度的要求以外，在實(shí)際應(yīng)用中 RGB 攝像頭的成像質(zhì)量也至關(guān)重要。其實(shí)，技術(shù)人員是很難判斷人臉支付 POS 機(jī)所處的具體環(huán)境，比如，若 POS 機(jī)放置于窗邊，識(shí)別時(shí)人臉處于背光的場(chǎng)景，從而無法進(jìn)行識(shí)別，這些都會(huì)給 RGB 成像帶來巨大挑戰(zhàn)。這時(shí)通常需要與 3D 攝像頭的廠商明確，要求攝像機(jī)需優(yōu)化到適配不同場(chǎng)景都能進(jìn)行正常識(shí)別工作。
有了硬件之后，為了保證算法的流暢運(yùn)行，還需進(jìn)行性能加速。NCNN 是目前騰訊優(yōu)圖已經(jīng)開源的移動(dòng)端高性能前向計(jì)算框架，它支持卷積神經(jīng)網(wǎng)絡(luò)，支持多輸入和多分枝的結(jié)構(gòu)，支持多核并行加速，可擴(kuò)展的模型設(shè)計(jì)，8bit 而量化半精度的存儲(chǔ)，內(nèi)存占用率比較低，計(jì)算速度較快。
而為解決維護(hù)成本高、網(wǎng)絡(luò)不斷加深、用戶規(guī)模龐大等問題，騰訊優(yōu)圖在 NCNN 框架的基礎(chǔ)上推出擁有跨平臺(tái)、高性能、模型壓縮、代碼裁剪的 RapidNet 深度學(xué)習(xí)推斷框架。它可以在各個(gè)平臺(tái)上提供統(tǒng)一的接口，在性能優(yōu)化上更加極致。但由于 CPU/GPU 交互延遲高，參數(shù)傳輸、數(shù)據(jù)拷貝耗時(shí)過多；網(wǎng)絡(luò)中部分層運(yùn)算量小，GPU 并行度不足；多路處理 CPU 性能不足，負(fù)載過大等原因，異構(gòu)多核 CPU/GPU 加速技術(shù)成為了 RapidNet 主要的核心特性之一。其深度融合了基于 AMD 平臺(tái)的 OpenCL GPU 并行計(jì)算加速技術(shù)和基于 IOS 平臺(tái)的 Metal 加速技術(shù)，完美解決以上問題。
在零售方案中，由于線下門店遍布全國(guó)，設(shè)備以及服務(wù)的可靠性也是至關(guān)重要的。騰訊優(yōu)圖在終端上設(shè)計(jì)了分層架構(gòu)，無論前端設(shè)備是什么，其接入取流是獨(dú)立的一層。把 AI 相關(guān)的處理包括檢測(cè)、跟蹤、優(yōu)選以及軌跡處理放于算法層。在算法層之上是服務(wù)監(jiān)控層，監(jiān)控包括設(shè)備的監(jiān)控、服務(wù)的監(jiān)控。在設(shè)備層監(jiān)控服務(wù)基礎(chǔ)之上是網(wǎng)絡(luò)監(jiān)控層，通過分離架構(gòu)的設(shè)計(jì)兼容多個(gè)終端設(shè)備，保證服務(wù)的可靠性。
現(xiàn)如今，語音合成若不局限于時(shí)效性，完全可以做到與人類相似，語音合成技術(shù)也多被運(yùn)用到導(dǎo)航、智能客服等場(chǎng)景。
語音和聲音其實(shí)并不相同，聲音包括大家所能聽到的聲音包括風(fēng)聲、水聲、車聲、動(dòng)物生，語音是指人的發(fā)生器官發(fā)出具有一定社會(huì)意義的聲音。語音是人的聲音，機(jī)器可以理解的信號(hào)通常使用的是音頻信號(hào)，音頻信號(hào)是一個(gè)有規(guī)律聲波的信號(hào)變化和載體，其特點(diǎn)是采樣率、量化位數(shù)和編碼算法。其中，量化位數(shù)是每個(gè)點(diǎn)采集的信息量，最常見的是 16 比特；在語音識(shí)別領(lǐng)域通常使用未壓縮無損的編碼算法進(jìn)行存儲(chǔ)。
以智能客服為例，從人開始說話到傳輸音頻信號(hào)到云端，再做語音檢測(cè)、語音識(shí)別，之后進(jìn)行意圖識(shí)別，由于通話不僅是一句話就可以完成，所以還需進(jìn)行任務(wù)決策與目標(biāo)引導(dǎo)，引導(dǎo)完成后再進(jìn)行播報(bào)。其中，當(dāng)用戶在說話時(shí)，從電話里可能會(huì)夾雜很多噪聲，這時(shí)語音活動(dòng)檢測(cè)能準(zhǔn)確的把關(guān)注的話語內(nèi)容挑選出來，從而進(jìn)行語義理解。
其中，語音識(shí)別技術(shù)是把人類語音中的詞匯內(nèi)容轉(zhuǎn)換成計(jì)算機(jī)可讀的輸入，簡(jiǎn)單來說就是把語音轉(zhuǎn)為文本。當(dāng)音頻信號(hào)產(chǎn)生后，被傳輸至云端，也就是解碼器。而解碼器中的聲學(xué)模型會(huì)把音頻信號(hào)轉(zhuǎn)化成建模單元，建模單元通常為拼音，之后接入詞典，通過詞典把拼音轉(zhuǎn)化為文本，把發(fā)音相近的字或詞挑選出來；語言模型部分，把最有可以的字或詞按照時(shí)序組合出來，顯示為識(shí)別結(jié)果文本。
最為常見的聲學(xué)模型網(wǎng)絡(luò)包括 DNN 網(wǎng)絡(luò)以及 CLDNN 網(wǎng)絡(luò)。其中，基礎(chǔ)的 DNN 網(wǎng)絡(luò)，下層為輸入層，中間包含若干隱層，上層為輸出層。而較為通用的 CLDNN 網(wǎng)絡(luò)，C 就是卷積網(wǎng)絡(luò)，L 是 LSTM 網(wǎng)絡(luò)，D 就是 DNN，其特點(diǎn)為快速收斂，可快速達(dá)成較好的識(shí)別效果。
以上就是關(guān)于如何確定pos機(jī)支付平臺(tái)的安全性,刷臉支付的100%安全性的知識(shí)，后面我們會(huì)繼續(xù)為大家整理關(guān)于如何確定pos機(jī)支付平臺(tái)的安全性的知識(shí)，希望能夠幫助到大家！
