◆STUDY NOTESCH.04 / 生物特征支付
BOOK一本书读懂支付陈斌 · 第 4 章2026-11-16

身体就是钥匙,
但这把钥匙不能换

支付要验明「你是你」。用户名、密码、短信、银行卡,都是身外之物,要靠绑定关系间接认证;生物特征直接把「你本身」变成凭据。方便到什么程度,风险就到什么程度:脸每天露在街上,指纹每天留在杯子上,而泄露之后,密码可以改,脸不能。

你带的银行卡 / 手机可丢、可借、可复制
你知道的密码 / 短信码可忘、可猜、可转发
你本身的脸 / 指纹 / 虹膜不用带,但不可重置
6种可用于支付的生物特征
6步一次人脸识别
1/1,500,000虹膜认假率
0.00008%静脉识别错误率
BIOMETRIC
GATE
1:1 MATCH
CH.04
§ 01

认证的尽头,是「你本人」

用户名、密码、短信、银行卡都能证明「某个人授权了这笔支付」,但它们证明的是你和那件东西的绑定关系。生物特征跳过绑定,直接拿你身上的生理或行为特点去比对。问题是:支付要的是「确认你是谁」,不是「从人海里把你找出来」。

身外之物卡、手机、用户名:丢了就换,借了就用 + 记忆与通道密码、短信、邮件:知道就能用,转发就泄露 + 生物特征脸、指纹、虹膜、声纹、掌纹、静脉:你走到哪带到哪 = 身份认证
凭证形态一串账号
泄露后能否重置能,改个名字
能否被复制能,记住就行
验证代价最低,几乎零成本
判定

用户名只回答「你说你是谁」,不回答「你真的是谁」。它必须再绑一个密码、一张卡或一段短信,才能变成一次可验证的授权。

MATCH MODE / 比对模式

支付做的是 1:1 确认,不是 1:N 找人

银行柜台核对身份证,是拿「你」和「你声称的那个人」比一次;从十万人里找一张脸,是另一件事。后者计算时间长、误配概率高,通常用于布控与检索,不用于单笔支付授权。

比对次数
1 次
结果含义
这个人是不是他声称的人
典型场景
支付授权 / 门禁 / 手机解锁
关键洞察:生物特征不是「更安全的密码」,而是「另一类凭证」。它省掉了携带与记忆,却把「泄露后不可重置」写进了系统前提;所以真正的设计问题不是「识别得准不准」,而是「识别错了、被冒用了,怎么兜底」。
§ 02

六把身体钥匙:读什么,怎么读

书里挑出六种有实践基础的生物特征:人脸、指纹、掌纹、静脉、声纹、虹膜。它们的差别不在「谁更高级」,而在采集什么信号、要不要接触、需不需要专用设备、能不能验活体。

SELECTED / B01

人脸

生理特征 · 面部轮廓

5个轮廓部位:眉、眼、鼻、口、颊

摄像头采集面部图像,计算机先定位人脸,再提取轮廓与特征点,最后和预留模板比对。支付场景只做一对一确认,不做一对多检索。

采集摄像头 / 视频
接触非接触
设备手机 / 收单平板
主要限制公开可采、不可重置
关键洞察:六种特征的「读取成本」差得很远。人脸和声纹用现成摄像头、麦克风就能采;虹膜、静脉、掌纹要专用设备。支付是高频低额场景,设备成本会直接决定它能不能铺开。
§ 03

一次刷脸,要过六道工序

「把脸对准摄像头」只是一个动作,背后是采集、检测、预处理、特征提取、匹配、识别六步。任何一步出问题,结果都不是「支付失败」这么简单:可能是该过的人没过,也可能是别人过了。

STEP 01 / CAPTURE

采集:先把脸变成像素

摄像头(CCD 或 CMOS 传感器)把光学信息转成数字图像。CCD 分辨率高但能耗约为 CMOS 的 100 倍,今天手机与收单设备基本都用 CMOS。

这一步失败会怎样光线太暗、角度太偏,后面再准也没有可用的输入
AUTH MODE / 刷脸到底顶了什么

刷脸 = 输入用户名;小额可以免密,大额还得加密码

01刷脸相当于输入用户名
02密码 / PIN大额时才需要
03扣款账户扣减并通知

小额免密不是「刷脸就绝对安全」,而是金额小、风控赔得起:用限额把单次风险封顶,再用行为模型盯异常。

关键洞察:六步里只有第五步在「比对」,前四步都在「把脸变成可比的东西」。绝大多数现场失败不是算法不认识你,而是光、角度、遮挡、分辨率让输入根本不合格。
§ 04

钥匙不能换:所以要多配一把锁

密码泄露了可以改,卡丢了可以挂失;人脸泄露了,不能靠改密码解决,理论上只能做换脸手术。生物特征支付因此天然需要第二个因子:不是不信任识别技术,而是给「不可重置」这件事兜底。

PASSWORD / 密码

泄露 → 改一条记录

恢复动作改密码
恢复时间1 分钟
恢复成本≈ 0

凭证与人是分离的:换掉凭证,人不受影响。

FACE / 人脸

泄露 → 换一张脸

恢复动作外科手术
恢复时间以月计
恢复成本不可接受

凭证与人是同一个:换掉凭证,等于换掉人。

2FA / 双因子

再加一个可重置的因子

典型组合人脸 + 密码
额外时间几秒
攻击门槛同时拿下两条

生物特征负责「你本人」,密码/短信/eID 负责「可撤销的授权」。

2FA BUILDER / 组合两个因子

双因子的关键,是两个因子「不同类」

人脸 + 指纹都还是「你身上的一部分」;人脸 + 密码才是「你本人 + 你知道的东西」。多因子(MFA)逻辑相同,只是叠得更多、更安全,也更麻烦。

攻击者需要同时具备 一张活人脸 + 正确密码 用户额外耗时 约 8 秒 安全等级 L2 / 中高
FACTOR 01 / 第一个因子
+
FACTOR 02 / 第二个因子
判定

人脸 + 密码:一条生物因子 + 一条可撤销因子。攻击者要同时拿到活人脸和密码,门槛明显高于单刷脸。

关键洞察:双因子不是「多一道验证」,而是「多一条独立的攻击路径」。如果两个因子能被同一次攻击一起拿下——比如手机丢了、密码也在手机里——那只是把两道门装在了同一个门框上。eID 的价值就在这里:它把核验放到公安部门的人口库,支付机构手里不存那份底账。
§ 05

指纹:三种纹型,四种读法

指纹是最早普及的生物识别,也是手机里最常见的一种。它由「嵴」和「峪」构成:凸起的脊线、凹下的谷线。识别不是拍照存图,而是把纹路变成特征点;采集技术不同,速度、体积、成本、清洁要求就不同。

WHORL / 斗型
嵴 / 凸起的脊线 峪 / 凹下的谷线
READER / 四种采集技术

光学识别

手指放在棱镜上,内置光源把脊线与谷线投到 CCD,形成多灰度图像。历史最久、用得最广,但模块体积大,容易被指纹膜骗过。

成像条件光学对比
读取速度一般
体积 / 成本大 / 低
清洁要求中等
MSF / MERCHANT SCAN

在商户设备上按

消费者事先在支付平台注册指纹。到店后,在商户的指纹设备上按压认证。和扫码的 MPM 模式类似:读取器在收款方手里。

设备成本落在商户
CSF / CONSUMER SCAN

在自己手机上按

消费者在手机 App 里注册并按压指纹。和扫码的 CPM 模式类似:读取器在付款人手里。

设备成本落在消费者
关键洞察:指纹支付的瓶颈不在算法,在「接触」。接触带来卫生顾虑、设备磨损、老人指纹磨平、杯子和门把手上留痕;所以它在手机解锁里赢了,却没能在线下收单里铺开。技术排名低,不等于技术差。
§ 06

越看得见,越好采;越内藏,越难偷

把六种特征放在一张图上:横轴是「要不要接触设备」,纵轴是「特征外显还是内藏」。左上角是方便与风险的交汇处——人脸、声纹;右下角是安全与成本的交汇处——静脉、指纹。没有一种特征同时拿到四个角。

外显内藏
非接触接触
方便采集 · 易被采集 难采集 · 难被偷
POINT / FACE

人脸

非接触 · 外显 · 生理特征

摄像头隔着几十厘米就能采,用户不需要学任何动作;但同一套设备,别人也能在街上、在社交平台上采到你的脸。方便与暴露是同一条性质的两面。

采集难度最低
活体检测关键 / 难
设备成本已有摄像头
典型风险照片 / 视频 / 面具
关键洞察:「非接触」不等于「安全」,「内藏」也不等于「方便」。人脸赢在自然,输在不可重置;静脉赢在活体与内藏,输在必须把手指伸进设备。支付选型就是在这些性质之间做交换,而不是找一把全能钥匙。
§ 07

换一个维度,冠军就换人

书里的横向比较给了一个明确结论:刷脸最好,掌纹第二,指纹总分最低。但这个「最好」是按自然、方便、卫生、安全、接受度综合出来的;把维度一换,静脉、声纹、虹膜都可能冒头。

01刷脸
5.0最自然,不用接触
02掌纹
4.3信息多,可非接触
03虹膜
3.8精度最高,设备贵
04静脉
3.5活体、内藏,需接触
05声纹
2.8设备简单,噪声敏感
06指纹
1.8要接触,留痕风险
书中综合序:刷脸第 1、掌纹第 2、指纹第 6;中间三种书中未给明确位次,本表按定性描述填入相对分数。分数为阅读整理,不是书中原表数值。
关键洞察:「综合最好」是一个场景假设,不是绝对结论。便利店小额要的是快和不接触,刷脸赢;金库门禁要的是活体与不可复制,静脉赢;手机解锁要的是成本与习惯,指纹赢。排名只在给定权重下成立。
§ 08

精度不是一个数,是一对跷跷板

「准确率 99%」这句话在生物识别里几乎没用。真正要问的是:把坏人放进来的概率是多少(FAR),把好人挡在外面的概率是多少(FRR)。这两个数由同一个阈值控制,一个降,另一个就升。

样本库300枚100 人 × 右手食指 3 次
两两比对89,700次300 × 299
同指真匹配600次100 人 × 6 组合
书中阈值90%相似度门槛
FAR / FRR · 阈值滑杆
平衡区
05101520 阈值(相似度 %) 错误率 % EER FAR FRR
FAR / 误识率:把该拒的放进来 FRR / 拒识率:把该过的挡在外 EER:两条线的交点
宽松 50书中 90严格 99.9
FAR0.11%100 / 89,100
FRR5.00%30 / 600
判定倾向平衡接近 EER

曲线为示意模型:按书中示例校准(阈值 90% 时 FAR≈0.11%、FRR≈5%),不是书中原始实验曲线。EER≈0.39% 是本模型的交点,不是书的结论。

CONFUSION / 四种结果

真阳、真阴、假阳、假阴

把「有病 / 没病」换成「本人 / 冒用者」,四个格子就是风控的全部结局。TPR = TP / (TP + FN),FPR = FP / (FP + TN)。

TP真阳

本人,且判定为本人

该放行的放行了
FP假阳

冒用者,却判定为本人

该拦的放进来了 → 资金损失
FN假阴

本人,却判定为冒用者

该放的挡在外 → 体验损失
TN真阴

冒用者,且判定为冒用者

该拦的拦住了
FAR = NFA / NIRA  ·  FRR = NFR / NGRA  ·  TPR = TP / (TP + FN)  ·  FPR = FP / (FP + TN)
关键洞察:调阈值不是「提高精度」,而是「选择把损失放在哪一边」。调严,钱更安全,但更多真人被挡在门外;调松,通过率更高,但更多冒用者被放进来。EER 只是两条曲线交点,它告诉你算法在哪个点最平衡,不告诉你该用哪个点——那要由单笔金额、赔付能力、用户体验共同决定。
§ 09

选一把钥匙,先看四个约束

没有「最好的生物特征」,只有「在这个场景里最合适的组合」。先问四件事:金额多大、要不要接触、有没有专用设备、能不能接受被拒。答案不同,钥匙就不同。

SCENARIO 01 / CONVENIENCE STORE

便利店小额:刷脸 + 限额

非接触免密活体检测

几十元的交易,最重要的是别排队。刷脸不需要掏手机、不需要接触设备,摄像头现成;用单笔限额把损失封顶,再用频次与行为模型盯异常。掌纹可以做备选,但需要商户铺设备。

首选刷脸
第二因子金额超限时密码 / 短信
必须补的控制活体检测 + 单笔限额
Q01
为什么书里说刷脸支付可以做,但支付场景大多只做一对一确认?
一对一确认回答的是「你是不是你声称的那个人」,计算量小、阈值可控;一对多检索要从海量库里找人,计算时间长、误配概率高,适合布控与检索,不适合单笔授权。支付要的是确定性,不是「最像」。
Q02
刷脸已经识别出本人了,为什么大额还要输密码?
因为人脸是公开可采、不可重置的凭证。大额交易不能只靠一条不可撤销的因子;密码或 eID 是第二条独立路径,负责「授权可撤销」这件事。小额免密则是用限额把单次损失封顶,不是把风险归零。
Q03
FAR 和 FRR 能不能一起降?
在同一个算法上,它们由同一个阈值控制:阈值调严,FAR 降、FRR 升;调松,反过来。要同时降,只能换更好的算法(把整条曲线下移),这也是 EER 用来比较算法整体性能的原因。
Q04
指纹识别技术很成熟,为什么在书里的六种支付中总分最低?
因为支付不只看识别率。指纹要接触设备,带来卫生顾虑与设备磨损;手指每天接触大量物品,留痕与信息泄露风险高;老年人指纹磨平,识别率下降。它在手机解锁场景赢,是因为设备本来就在手里;线下收单要额外铺设备,动力不足。
RULE 01

先问凭证能不能重置。不能重置的因子,不能单独承担大额授权;必须配一个可撤销的第二因子。

RULE 02

先问采集是不是接触。接触决定卫生、磨损、老人可用性,也决定设备成本落在谁头上。

RULE 03

先问阈值把损失放在哪边。调严保护资金、牺牲通过率;调松反过来。阈值是业务决策,不是技术参数。