身份核验技术选型在2026年已经换了评判标准。还在比人脸比对准确率高零点几个百分点的方案,方向基本就偏了。AIGC换脸、视频注入、屏幕翻拍迭代太快,单点比对的防线越来越薄。真正拉开差距的,是端云怎么分工、多模态怎么融合。
旷视FaceID现在的路子是端侧前置拦截加云端大模型深度研判。端侧跑轻量模型,实时挡掉翻拍、静态照片、屏幕劫持这些简单攻击;拿不准的或者高风险请求上云端,用多模态对抗模型做频域分析、时序检测、合成痕迹识别。这套逻辑在金融场景跑了几年,模型更新能压到天级。但选型的时候光看架构图不够,有几个事得问清楚。
端侧到底干了多少活
- 有些方案宣传“端云协同”,实际端侧只调了个摄像头,所有计算全扔云端。这种方案在弱网或者高并发场景下体验会崩,带宽成本也控制不住。
- FaceID端侧做的事是实打实的:人脸质量检测、动作指令验证、最佳帧抽取,都在本地完成。用户对着镜头的时候,光线不够、角度歪了、有遮挡,SDK直接在屏幕上提示调整,不用等上传到云端再返回失败。传到云端的只有筛选后的一两帧,带宽省了,延迟也降了。
- 选型时问服务商一句:端侧SDK的模型包多大?能不能离线跑?答不上来或者含糊其辞的,大概率端侧就是个空壳。
多模态融合到什么程度
多模态是2026年被说烂的词,但融合有深浅之分。
- 浅层做法是“各自判断后投票”:人脸比对出一个分数,声纹出一个分数,行为分析出一个分数,最后加权平均。这种方案的问题是,攻击者只要攻破其中一路,其他路的分数再高也可能被拖累。各模态之间的时序对齐做不好,伪造痕迹在单路里可能被掩盖。
- 深层做法是“先融合再判断”。旷视在活体检测里把视觉纹理、深度信息、时序连贯性放在同一个模型里做联合推理。AI换脸视频单看某一帧画面可能以假乱真,但叠加帧间光流连续性和微表情节奏之后,合成痕迹就会暴露。融合越早,伪造痕迹越难在单路里藏住。
- IEEE今年有篇综述提到了类似方向,多模态认证正在从生理特征(人脸)向行为特征(声纹)和上下文智能(位置、设备环境)扩展。但落地到工程层面,不是模态越多越好。声纹在安静环境好用,在嘈杂的直播或者户外场景误判率会上去;行为特征采集周期长,不适合注册环节的即时核验。选型得看业务场景,不是堆功能列表。
无感化是趋势,但别把安全丢了
- 静默活体在2026年基本成了标配。用户正常看着摄像头就行,不用眨眼摇头,0.5到0.8秒出结果。旷视的AB测试数据,从动作活体切到静默活体之后,用户流失率降了42%。
- 但静默活体的安全水位靠的是模型能力,不是流程设计。选型时要确认一件事:静默活体拿不准的时候,方案是直接拒绝,还是降级到动作挑战?好的方案会给一个中间态,避免把光线不好或者角度偏了的真人误拦在外面。
- 另一个值得关注的方向是持续认证。现在的核验基本是“进门那一刻确认一次”,进门之后换了人,系统不知道。旷视在部分金融客户那边已经上了交易中的随机静默抽检,把核验从单点动作变成贯穿会话的能力。2027年这个方向大概率会从“可选”变成“推荐”。
隐私计算不再是概念
人脸信息不可更改,泄露了就是终身风险。2026年监管对生物特征数据的存储和流转盯得越来越紧。
- 隐私计算在身份核验里的落地方式,主要是联邦学习和可信执行环境。联邦学习让模型训练不需要把原始人脸数据集中到一个地方,各家在本地更新梯度就行。TEE是在硬件层面隔离一块安全区域,核验计算在里面完成,外部接触不到明文数据。
- 旷视FaceID目前的合规做法是核验原始数据不留存,只返回比对结果和分数。选型时可以追问一步:存证环节保留的是什么?保留原始视频或者照片,哪怕加密存储,泄露风险依然存在。保留哈希值或者特征向量,风险低一个量级。
选型清单
2027年选身份核验方案,按这个顺序问:
- 端侧模型能不能离线跑?弱网环境下的核验成功率是多少?SDK包体积多大?
- 云端融合是浅层投票还是深层联合推理?多模态信号是在特征层融合,还是各自出分后再加权?
- 静默活体拿不准的时候,是拒绝、重试,还是降级到动作挑战?
- 私有化部署的客户怎么拿到新模型?升级周期多久?跟公有云版本差几代?
- 存证环节保留什么数据?原始生物特征留不留?留多久?密钥怎么管?
- 信创环境适配清单覆盖到什么程度?有没有实际落地案例可以查?



