研华深度学习解决方案,AI应用的最后一里路

来源:http://www.aobaot.com 作者:技术 人气:100 发布时间:2019-11-05
摘要:原标题:荐读 | AI应用的最后一里路 研华近来积极投入AI深度学习领域,就观察发现,除了要收集海量的学习数据之外,系统开发者最常遭遇的难题莫过于繁琐的系统建置工程,像是要

原标题:荐读 | AI应用的最后一里路

研华近来积极投入AI深度学习领域,就观察发现,除了要收集海量的学习数据之外,系统开发者最常遭遇的难题莫过于繁琐的系统建置工程,像是要使用什么样硬件平台才能有足够的性能执行复杂的函数运算?什么样规格的硬件可满足噪声干扰多的公共运输系统、高标准的科技厂房无尘作业环境、安全防护等级高的医疗院所等场域之要求?AI系统又要如何连接上层管理软件或云端平台?是否有现成可用的知识模型以缩短深度学习的训练时间?而现有的系统若想要升级为深度学习系统时又该从何下手?

由工研院主办的半导体年度盛事「2019国际超大型积体电路技术研讨会」于23日登场,大会今年聚焦在最热门的AI 、5G、自驾车、半导体异质整合、2D材料等相关技术产业发展现况与未来趋势,邀请Intel、IBM、台积电、安谋、美光、高通、加州大学柏克莱分校、台湾大学等国内外一线厂商及学校专家与会进行分享,看好未来产业走向智慧物联网发展,晶片运算力和运算量的需求将同步提升,处理即时资料比重将大幅提升促动边缘运算兴起,搭配无线高速传输新标准5G等创新应用,将成为半导体产业下一波的成长契机。

姓名:吴庆恺  学号:16020610024

威尼斯国际平台app 1

为此,研华以兼具软硬件的深度学习完整解决方案──包括负责训练深度学习模型的训练平台、运用知识模型于现场执行推论的推论平台、方便开发深度学习系统的软件开发工具、已完成训练且可直接套用的知识模型、以及专业团队提供的系统规划与技术咨询服务──来解决上述种种问题,从而降低了系统建置的复杂度,让开发者更容易布建AI深度学习系统,并将心力投入于其所熟悉的产业知识(domain know-how)以催生出更多创新又务实的应用。

VLSI-TSA协同主席同时也是工研院电子与光电系统研究所所长吴志毅表示,AI时代的来临,世界各国纷纷将AI列为国家重要的发展目标,而AI改变人类生活型态的速度取决于AI晶片发展的速度,这与台湾一向领先的半导体产业技术有密切的关是,也是台湾产业之切入点。未来装置端的AI晶片,走向可重组来因应不同演算法、异质整合不同的感测器,及拥有共同的介面标准来介接不同厂商之晶片,甚至整合多颗AI晶片来扩增运算力。工研院在此方面整合台湾产、学、研能量,聚焦包括具设计弹性的晶片架构、具低成本的异质整合、低功耗的新兴运算架构、可缩短设计时程的软硬整合平台四大方向,与台湾半导体产业携手,建立起具有全球竞争力的AI晶片产业链。

转载自: 有删节

style="font-size: 16px;">AI落地是大家一直在探讨的问题,因为不管技术多华丽,最终能否应用在人们的日常生活中,才是关键。那么距离AI渗透生活的那天,还有多远呢?这当中还有什么关键拼图待补?

深度学习开启人工智能的更多应用

工研院资通所所长阙志克表示,近年的新兴技术如自驾车、无人机等,皆需要AI技术来协助执行包括自动驾驶、避障、航线规划等功能,背后重要的推手就是「AI晶片」的即时运算能力。AI晶片因为需要配合实际系统应用进行客制化设计,因此没有标准规格,对于台湾厂商而言,分析与制订晶片架构规格的能力就显得特别重要,这也成了政府推动AI产业化的一大挑战。工研院所研发的「AI晶片架构设计与软体编译解决方案」,便是为了克服此一难题,帮助台湾IC设计厂商打通任督二脉,快速抢进AI晶片的市场新商机。

【嵌牛导读】:随着生物识别技术在智能手机找到新的一片天,并拓展到更广泛的行动或商务应用,加上使用者对于装置内部资讯安全的要求日益提高,刺激业者导入多重因素的生物识别验证,进一步驱动生物识别市场蓬勃发展…

随着Google旗下DeepMind所研发的人工智能(AI)系统AlphaGo所带起的一波人工智能热潮,台湾没有错过。

运用神经网络算法的深度学习技术让讨论了超过半世纪的人工智能得以走出实验室。现今的人工智能已不再只是打败世界棋王的超级计算机、正在路测的无人驾驶车、或者是试图拟人化的机器人等研究领域的专属技术,而是更具实用性、也更大众化的应用系统,譬如以AI的深度学习技术提升科技工厂生产良率、为农民筛选质量不良的坏果、于零售门市进行人流分析、协助医师判读医学成像、停车场的车位在席侦测、以及主动纠举交通违规等等。

积体电路是奠定微电子技术的基础,也为人类生活带来了深远的影响。一直致力贡献于IC设计及半导体产业发展的潘文渊文教基金会史钦泰董事长表示,过去台湾产业向来以硬体见长,在整体资源有限下,政府必须聚焦在重点产业专注发展,而今在网路时代许多应用都与软体相关,从物联网、大数据到人工智慧的新兴应用等,这对制造业来说,除了基本功如持续研发、关注客户、了解竞争对手并放眼世界等不能松懈外,还必须关注人才延揽与培育以及创新,朝未来智能系统的趋势跨业整合。

【嵌牛鼻子】:新的商机,生物识别,穿戴式装置,逐渐普及,安全无虞,云端架构,情境研判

台湾科技部长陈良基将2017年订为台湾的「人工智慧元年」(小编注:台湾称人工智能作人工智能,),从建立「人工智能高速运算服务」、在台大、清大、交大、成大设立「AI创新研究中心」、打造中科与南科的「智能机器人自造者基地」,到AI计画的最后一块拼图「半导体射月计画」,都是希望强化台湾半导体产业于人工边缘智能(AI Edge Intelligence)的核心技术竞争力和在前瞻半导体制程与人工智能晶片系统研发。

目前研华的深度学习完整解决方案以成功导入制造业、农业、零售业、交通运输业等诸多行业。光是智能交通领域就有城市道路车流统计分析、捷运车厢人潮侦测、停车场车种计数与车牌辨识、户外停车场车位侦测、公交车停靠区违规停车、大型车辆行车管控、铁道落轨或入侵铁道侦测等等的应用。

《2019 ERSO Award得主揭晓》表彰台湾半导体、电子、资通讯、光电及显示等产业有杰出贡献的ERSO Award于会中宣布今年度得奖人名单,包括中美硅晶董事长卢明光、华邦电子董事长焦佑钧、M31星科技董事长林孝平、纬颖科技总经理洪丽甯共四位。

【嵌牛提问】:生物识别技术市场蓬勃发展的同时,对于此领域有兴趣的业者不禁会问,市场蓝海在哪儿?

曾经走红的万物联网让科技产业认为,这就是未来的智能样貌,直到AlphaGo击败世界棋王,科技圈才发现人工智能所带来的「智能服务」,才是真正赋予了万物联网的背后价值。

其中,城市道路车流统计分析的解决方案是于交通控制中心安装服务器等级的训练平台SKY-6100、路侧设备处则安装高性能的推论平台MIC-7500,两款硬件平台即可将该路段每个车道上行经的车辆依车种别(如脚踏车、摩托车、汽车、货车、公交车等)进行辨识,辨识结果再经由网络上传至云端平台。而研华的SDK内提供的API则能让数据与系统整合厂商的应用系统无缝对接,从而生成车流报表、或供仪表板实时显示、亦可作为智能控制之数据源。而与过往在道路上铺设感应线圈来统计每一时段有多少车辆经过只能有粗略的总量报表相比,导入深度学习应用的新管理模式不仅免除了封路铺设线圈的麻烦,亦能获得更详尽也更精确的统计资料。

ERSO Award肯定卢明光董事长成功带领中美硅晶建构完整的晶圆生产线,产品系列已跨越资讯、通讯、光电、民生能源等领域,供应国内专业晶圆材料。焦佑钧董事长率领华邦电子致力于记忆体产品的生产与设计,以IC发展上之专业技术来拓展人类生活各项领域之应用。林孝平董事长于2011自行创业,提供半导体产业高速传输介面及基本元件IP,协助相关产业减少产品开发阶段失败机会,客户涵盖各大晶圆代工厂与IC设计公司。洪丽甯总经理领导纬颖科技,锁定云端伺服器业务发展、专攻云端客户,提供巨型资料中心、云端基础架构产品及系统解决方案服务。 潘文渊文教基金会自2007年起设置「ERSO Award」,期望延续开创台湾科技产业及培育人才的精神,带动新科技产业发展,从创新及产业开创性等角度遴选出台湾产业的杰出领导人。

【嵌牛正文】:

边缘智能,AI应用的最后一里路

而公交车停靠区违规停车案例则是于现场装设内建知识模型之外观精巧的小型推论平台MIC-7200来接收侦测摄影机拍摄的影像,经过推论平台的辨识,一旦发现停靠该区的车辆并非公交车,不但现场设置的电子广告牌与广播器会发送警示以告知车主禁止停车的讯息,同时系统亦会于停靠逾三分钟后将数据上传至云端平台之车牌辨识系统以及警察局,以供执法人员径行举发违规临停。透过这样的科技执法工具,人力吃紧的派出所可以远程监控且不再需要亲临现场即能取缔违规;而心存侥幸、贪图一时方便的车主亦在持续影像监控下无所遁形,从而降低任意违停的乱象。

2019VLSI 国际超大型积体电路研讨会邀请到国内、外一线厂商及学校,分享国际最新半导体元件与制程、晶片设计趋势以及系统整合的设计与应用,并针对AI、5G应用程式、自动驾驶、半导体异质整合、2D材料之发展现况与未来趋势进行分析与探讨。活动吸引来自现场来自世界各地包括欧、美、日本、韩国、台湾等地重量级大厂近900人齐聚,开幕当天现场冠盖云集,包括科技部部长陈良基、经济部技术处科技专家蔡猷陞等均共同参与此科技盛会。

随着生物识别技术在智能手机找到新的一片天,并拓展到更广泛的行动或商务应用,加上使用者对于装置内部资讯安全的要求日益提高,刺激业者导入多重因素的生物识别验证,进一步驱动生物识别市场蓬勃发展…

事实上,许多具有传感器的装置早就存在我们的生活里,如摄影机、相机、喇叭与麦克风等也在过去10年左右,数位化连上网路。但连结网路摄影机与网路连接储存装置(NAS)所组成的数位监视系统相较于过去闭路式、类比讯号的监视装置,除了储存资料数位化之外,在本质上并没有太大的不同,一样需要人监看、回放,并判断实际现场状况。但当人工智能应用普及,影像辨识、语音辨识转成文字不再遥不可及,网路摄影机或现场麦克风所传回的资料都可即时透过自动辨识,判断画面中的物体,加上搜集人脸资讯及现场收音,AI都足以自动综合解读更多现场状况,让安防业者不再需要配置人力长时间全神贯注监看,仅须排除异常状态。

AI是为了解决人类现存问题而存在,而具有自我训练能力因而大幅提高图片、影像、文字或语言等数据辨识度的深度学习则让AI成为在各行各业真正实用的好帮手。但各领域中擅长数据整理与分析的系统开发者并不那么了解深度学习需要怎样的运算环境。而于垂直产业有广泛的软硬件整合经验又有多样化产品线的研华可针对不同场域提供适合的深度学习完整解决方案,还能从丰富的第三方合作伙伴中引进系统所需的资源,从而减轻了繁杂的系统建置工作并降低技术门坎,让系统开发者能尽速完成项目。而研华也相信透过这样资源整合的全方位服务,由AI深度学习技术延伸出的创新智能应用,遍地开花的繁荣景象定是指日可待。

近几年,有许多的“旧”科技,因技术的突破或是某个产业的导入,而再度从人们的记忆深处被意识到,例如虚拟实境(VR)、扩增实境(AR)、人工智能(AI)…等。近期又有一项技术,因智能手机业者的采纳,迎来一波新的应用高潮,甚至将从智能手机出发,拓展到其他行动装置或消费性电子领域,不仅为消费性市场带来新的商机,也为相关半导体业者迎来春燕,这项技术就是——生物识别(Biometric)。

监视系统配上人工智能应用,仿佛在机器中加上了灵魂,如果可透过人工智能学习不同辨识内容组合的场景意义,并对应相应的处理机制,就赋予数位监视系统协助安防控制,真正达成智能化。

生物识别技术是透过电脑与光学、声学、生物感测器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性(如指纹、人脸、虹膜、指静脉等)和行为特征(如笔迹、声音、步态等)来进行个人身份的鉴定。事实上,生物识别技术尤其指纹识别,早被一些企业单位用于“重要区域”的门禁系统,但2013年苹果(Apple)iPhone 5采用指纹扫描搭配Touch ID安全协定后,其他智能手机业者如三星(Samsung)纷纷跟进,使指纹识别技术率先进到智能手机系统。

然而,要能够让摄影机进行影像辨识,除了可以将影像透过即时传输回主机上再进行计算判读外,也可以想办法透过摄影机上的处理器,直接计算进行辨识。前者需要占用大量网路传输资源,也有延迟时间的限制,但如果可以在摄影机里加上适当设计、可节省电力的处理器与作业系统,直接现场计算辨识,不但可以省却传输成本,也能减少辨识结果的延迟时间,加快即时反应。「边缘智能」就是指「在最终端装置上的处理器与全套作业系统」,也可说是人工智能落实到真实生活未来应用的最后一哩路。

威尼斯国际平台app,接下来,三星在今年4月推出的Galaxy S8,整合脸部识别技术,以及虹膜识别、指纹扫描等生物识别技术。而今年苹果 iPhone问世10周年纪念旗舰机种X以脸部识别Face ID取代过去的指纹识别,更让生物识别市场为之沸腾。不仅如此,阿里无人商店带动的刷脸购物,也让生物识别技术朝商务应用拓展。

从训练到推论,晶片是最后一块拼图

爆红!市场前景可期

然而对企业来说,深度神经网络1(Deep Neural Networks,DNNs)所带起的人工智能浪潮,就如同遥远的国度发生了大海啸,要把如今相对成熟的图像辨识、语音辨识或文本翻译,放进真实环境做商业应用仍还有一段距离。

随着生物识别技术在智能手机找到新的一片天,并逐渐将“势力范围”拓展到智能手机以外的行动装置或商务应用,生物识别技术的市场发展也较过去更加蓬勃。不仅市调单位的调查结果积极正面,半导体业者也摩拳擦掌,准备抢攻越来越大的商机大饼。

由于深度学习2的演算法与相关应用仍在快速演进中,无论是智能城市、智能零售、智能音箱或无人车等实际的应用场景,仍在大量搜集数据,让深度学习演算法学习辨别这些资料特征与模式的阶段,这个系统过程称为训练(Training),让电脑尝试从我们所搜集的资料来学习。

在智能手机方面,根据Acuity Market Intelligence的调查,2017年有近三分之二的新款智能手机具有生物识别能力,不仅如此,该单位并预测包括智能手机、穿戴式装置与平板电脑上的行动生物识别市场年营收将从2016年的65亿美元成长至2022年的506亿美元,年复合成长率接近41%。即使市场对于生物识别技术的隐私及安全性仍有隐忧,但2017年底前,全球具备生物识别的行动装置数将高达19亿台,加上目前Android系统智能手机的指纹识别功能已开始从旗舰型机种下放至中低阶产品,预计2019年生物识别技术在智能手机的渗透率将达100%。因此可预期2022年,全球内建生物识别的行动装置可望达到55亿台,此时,穿戴式装置与平板电脑生物识别技术的普及率也将达100%。

威尼斯国际平台app 2

即使生物识别技术早已被应用在非消费性市场,但目前全球生物识别主要应用的确是在手机等消费性电子领域,其次才是金融与安全应用。ABI Research表示,生物识别市场的成长动能主要来自智能手机的嵌入式指纹感测器,在手机等行动装置市场带动下,2016年全球指纹识别感测器出货量约为7.8亿颗,占整体生物识别感测器出货量的96%,预估2021年,指纹识别感测器出货量将上看20亿颗。

训练的过程需要极大的运算量,以图像辨识为例,要训练电脑模型认识一种特定物体,例如花朵或猫咪,可能需要至少千张、多则超过百万张各种不同角度、不同场景、不同光线下所拍摄的照片,因此这样的运算往往在云端或资料中心进行。

随着手机大厂将其他生物识别技术整合至智能手机中,未来整体生物识别感测器市场规模可望显著成长。预期从2017年到2020年的4年间,全球生物识别感测器出货量年复合成长率(CAGR)可达31.2%,2020年整体市场规模将较2015年成长约4.9倍。

如果要求同样一个模型要能够辨识各种不同品种的猫,除了需要更大数量的照片,更需要人工对这些照片中的猫咪品种先进行分类标注,再交给深度学习相关的演算法进行训练,才能得到最终可应用的模型。

生物识别市场快速成长的原因,高通分析,目前常用的生物识别机制包括虹膜与指纹,未来包括脸部与语音验证也会逐渐普及。这是由于使用者装置中储存的资料越来越多,包括用户资料、电影、音乐、图片,以及行动银行、行动支付等重要应用程式(App)所产生的资讯。因此要能快速且稳健地解锁这些资料以供使用就变得非常重要,再加上目前只透过密码的防护措施已无法提供足够的保护,进一步促使生物识别的应用日渐广泛。

训练是整个人工智能应用里,最耗计算资源的工作步骤,所以通常都会透过绘图处理器(GPU)所特别擅长的平行运算来进行加速。尤其是现在最热门、常超过百层、复杂度极高的深度神经网络,都会希望使用特殊可针对大型矩阵运算做平行处理的特殊计算晶片,来加速训练过程。然而,人工智能的真实应用往往发生在终端,无论是图像、影像、语音辨识或文本翻译,透过深度学习所训练出来的模型如果放在云端,意味着每次应用发生时,终端首先要传输图片、影像、语音或文本,等云端判读后再将结果回传。就算网路频宽再大、速度再快,这段传输与回传过程都须占用资源、并造成反应时间延迟。

另外,生物识别还能协助确认装置本身,以及装置收到输入指令的安全性。例如没有荧幕的智能麦克风,如果想要验证使用者的身份,如只允许你自己输入语音进行上网购物,其他人不行,那么就必须配备生物识别机制。此外,连网保全摄影机可用虹膜或脸部识别机制,只对符合特征的人提供使用权限。

所以,能够在终端接收实体资料,并快速预测回应的过程称为推论(Inference)。对推论来说,在终端应用上减除那些对预测不必要的模型,或是合并对结果无足轻重的运算,来缩小计算规模非常重要。就算推论相对不消耗运算资源,但多数推论应用仍须特殊计算晶片加速来缩短反应时间,也就是说,若终端要能进行推论,每一台装置上都将以晶片来加强能力。

可以想见,未来需要的是多重因素的生物识别验证,尤其是行动支付功能日渐普及之后,使用者对于行动装置内部资讯安全的需求,将更加高涨。至于什么时机会用到多重因素验证则要看情境而定,例如具高价值的银行交易就需要多种类型的验证,如虹膜与指纹;当然有些情况仍只需一种验证机制,例如手机解锁。但无论何种行动装置的使用情境,装置储存的资料要能更安全无虞,将刺激业者导入更多样的生物识别功能,进一步驱动生物识别市场的持续成长。

威尼斯国际平台app 3

科技日新月异功不可没

陈美如/制作

其实,生物识别技术早已出现,何以到此时才开始大鸣大放?索思未来科技(Socionext)战略销售组销售部专案总监颜国荣认为,从技术本身的发展来看,生物识别技术现阶段能够再度跃起归因于各式各样科技的进步,例如摄影镜头影像画质的再提升、影像处理相关晶片的效能再提高,以及识别演算法的新进展,都是让生物识别技术得以获得市场重视的原因。

中西巨头投入AI晶片开发,郭台铭也要做

举例来说,电视机目前主流画质来到4K,8K电视也有业者已发布产品,但是8K机种目前的出货量仍偏低,现阶段唯有2020年日本东京奥运时会运用8K画质传递影像。索思未来科技总裁暨营运长井上周说明,4K电视刚推出市场时,日本消费者最为惊讶的是,一些女艺人脸部的“岁月痕迹”几乎无所遁形,让消费体会到高画质电视的“犀利”,也因此业者顺势接着发展8K影像。

今年1月,新创数据平台CrunchBase所推出的2018年AI市场报告指出,亚马逊、Google与微软等网路公司已经主宰了企业AI这个市场,三巨头分别推出的人工智能即服务(AI as a Service ),已经让机器学习的新创难以独立生存。企业AI需要资料中心级的大规模投资,提升每单位电力所能换来的计算量,用更小的空间就能带来更多的计算,这是云端服务商所追求的市场,也给了Google等科技巨头除了GPU与CPU之外,开发专为资料中心进行深度学习加速晶片的好理由。

不过,井上周也指出,8K画质对于消费者的眼睛来说已达“极限”,接下来的16K画质对于消费者眼睛来说,已经看不出有什么样的差别,但是,8K画质却能助力生物识别技术,尤其脸部识别,进一步提高识别精准度。换句话说,要提升脸部识别的精确度,高画质影像的发展势不可免。

在Google以TPU这类特殊应用逻辑晶片(ASIC)提高人工智能应用训练能力的同时,云服务业者也期望将推论应用门槛降低,让推论能力渗透到更多终端应用,如此也可以回过头来进一步拉高训练需求。这也是为什么除了云端服务巨头们如Facebook、苹果,甚至中国的百度、阿里巴巴都纷纷宣布要发展自己的AI晶片,连鸿海董事长郭台铭都喊出:「半导体我们自己一定会做。」

不仅如此,5G行动通讯、云端架构与演算法的推进,也让生物识别技术能在与安全相关的市场站稳脚步。井上周表示,5G通讯技术将实现机器对机器(M2M)、物连物的愿景,此时收集的庞大资讯量中,有很多很有可能是无效、或是多余的资讯。此时,如此庞大的资讯量就必须透过5G网路送往云端进行处理及整合。如此一来,将能迅速将正确的识别资料传送回前端装置,借此提升人脸识别与其他生物识别技术的精确性。

无论是训练或推论,深度学习所推起的人工智能应用需求,无疑推动了许多公司评估各种晶片解决方案的可能性。「这将是百家争鸣的盛会,是计算机架构与封装技术的复兴,我们将在接下来1年看到比过去10年更多、更有趣的计算机。」计算架构权威、加州大学柏克莱校区的荣誉教授大卫·帕特森(David Patterson)非常乐观看待近来兴起的运算晶片热潮。陈良基也非常期待,台湾若能开发应用在各类智能终端装置上的关键技术与元件晶片,将可以使具有半导体制造、设计,并能够整合终端装置制造供应链的我们,再次居于世界领先地位。

AI强化生物识别技术准确度

(来源:人工智能)

除上述提到的更高解析度、更快速网路外,云端内建的演算法,也是提高生物识别技术精确度不可或缺的工具。

—— THE END——

高通表示,当前的生物识别已运用以深度神经网路(DNN)所建构的人工智能技术(AI)。举例来说,3D脸部识别与语音验证等生物特征识别机制都是采用DNN技术,让不该放行却通过的接受误差率(FAR)压到极低的水准。

返回搜狐,查看更多

颜国荣则强调,人工智能具备强大的演算能力,而该技术的进展也让其开始进入到各种应用领域。生物识别技术对于演算法的要求也相当的高,因此势必可以看到生物识别技术借重人工智能演算法提高识别的效率与精准性。

责任编辑:

简易、快速、安全 缺一不可

生物识别被使用的原因除了消费者或企业对于资讯安全方面的重视外,在使用时无须复杂的程序,以及的确具备较高的防护效果,都是关键因素。高通表示,不论装置上所使用的是何种生物识别功能,也无论装置属于何种类型,生物识别解决方案都该具备执行流程简单、操作简易、能够快速完成等特性。其中,低延迟的特性至关重要,要让使用者愿意去使用更强大的生物识别功能,则使用的体验必须维持相似性,也就是必须运作良好、速度快、具可靠性等。

但生物识别也不是完全没有风险可言,井上周提到,牵涉到生物识别资料须经网路传递时,就得考虑资料是否能安全地进行传输。此外,消费者对于自身“生理密码”相关隐私权的考量,也将衍生生物识别技术如何兼顾隐私权与精确度的问题。

关于生物识别技术的风险,杭州晟中继资料安全总裁邱柏云也提到,生物识别技术应用便捷,但是生物特征不像密码,被盗后还可以修改,例如指纹特征一旦被破解,将会终生被破解。而且现在作业系统安全性漏洞频现,骇客无处不在,个人隐私常被出卖,因此安全性会是生物识别技术相关发展业者需要特别关注的议题。

高通认为,行动装置内建的行动平台处理器硬体所支援的安全性是确保使用者的生物识别资料全程安全地进行撷取、分析、比对,以及储存的基础。这当中涉及的技术包括提供一个稳健的信任执行环境(Trusted Execution Environment),以及保护连结至处理器的硬体链路。举例来说,当验证码在处理器的信任执行环境运行后,摄影机或指纹感测器与处理器之间的传输通道必须严加守护,如此整个生物识

别验证流程才能无缝衔接且安全无虞。

恩智浦(NXP)资深业务总监Philippe Dubois表示,有鉴于用于撷取生物识别凭证的感测器或摄影机/相机并不是完全安全的装置,因此,这些设备撷取的任何指纹或图像都需要与原存取的参考资料进行匹配,而此参考资料是对撷取到的生物识别凭证的最终验证,其必须在安全环境中进行防护/储存。

因此,嵌入式安全元件(Embedded Secure Element)也将是维护装置生物识别功能安全性的成员之一。Dubois强调,嵌入式安全元件与任何形式的生物识别验证结合,将使整体系统结构更为安全,该元件将可为应用程式创建更高的安全性,同时提供无缝的使用者体验。

未来发展

生物识别技术受到消费性市场的青睐而有不错的前景,未来生物识别技术的发展又会是如何呢?

触控退场 生物识别时代来临?

Gartner资深分析师Jim Dearing表示,在消费性市场中,除了智能手机之外,智能家庭也已开始利用生物识别技术,控制家中的家电系统或是维护居家安全。事实上,这些工作,先前都是透过触控技术搭配控制面板或是行动装置触控荧幕来执行,但语音较触控更为直觉、便利,使用者仅需“动口不动手”就可以遥控智能家庭内部成员,的确相对便利许多。

也因此从苹果、Amazon、Google与Microsoft积极抢夺语音控制智能家庭的主导权,也可预想生物识别技术,未来将不仅在行动装置具备高渗透率,在其他领域也将有不错的切入契机。不过,Dearing亦认为,这并不代表触控技术将退出智能家庭或行动装置等消费性市场,而将是与生物识别技术相辅相成,打造更便利、舒适且安全的环境予大众。

消费市场带动其他产业采用

除了消费性市场外,未来生物识别也会更深入到其他产业。井上周以日本职场现状举例,针对日本上班族女性步入婚姻,并产下下一代的贡献,日本政府与企业已开始鼓励女性在婚后,可在家工作以照顾好家中新生代,因此视讯会议的需求开始提升,但为了避免非公司同仁“骇”入企业网路参加会议,获取公司机密,因此企业也开始透过高解析度的摄影机与人脸识别技术,确保参加会议的同仁不是外人所假冒。

高通则认为,目前有许多厂商根据其使用情境研判,要在其装置上导入哪一种生物识别技术做为装置的验证类型最为适切,也许融合多种生物识别技术,或许仅采用单一技术,但各式生物识别技术还是会持续发展。

此外,高通并观察到,有许多企业正在实验其他种类的验证机制,不限于利用人类身上的特征,而是透过走路姿态,以及装置和使用者之间接近的状态,这种接近感测验证机制可用来建立装置与使用者验证评分,系统根据评分数据决定是否放行装置上的特定功能,这也将成为未来生物识别技术的一环。

市场蓝海在哪儿?

在生物识别技术市场蓬勃发展的同时,对于此领域有兴趣的业者不禁会问,市场蓝海在哪儿?事实上,可以想见,较早被使用进智能手机,且技术发展较成熟的指纹识别,市场相对已呈现红海的态势。

众所周知,指纹识别技术在智能手机上不到3年的时间便成为标配。这跟苹果三星手机当初开启市场相关,更重要的是,中国厂商加入后,快速开发指纹识别模组,并在技术成熟后,利用晶圆制造和封装的产能优势,快速降低成本,使得智能手机都能用得上和用得起指纹识别技术。

也因此,手机指纹识别晶片已经是一片红海。新厂商或后进入者,纷纷感叹市场虽大,但却肥肉难以入嘴,看得到却吃不到。目前也可观察到,不少厂商选择避开智能手机市场,转战其他领域,并取得很不错的效果。

Dubois则认为,如何应用生物识别验证的具体方式与生物识别验证的实际使用息息相关。虽然在线上(on-line)或在应用程式中(in-app)使用语音或人脸识别结合手机进行验证确实有优势;但在非接触式POS机上的交易方式是将行动装置移动到终端POS点击后付款。在这样的应用环境中,指纹认证的使用仍将占上风。

至于虹膜识别或脸部识别市场,则因刚起步,加上许多更加要求安全隐私的应用纷纷导入,可说是相关厂商可以追求的蓝海商机。中国中科虹霸副总经理邱显超指出,金融领域对于用户的身份认证有较强需求,而虹膜识别的高安全性、稳定性、防伪性和在超大规模资料库上的快速匹配等优点,特别适合应用于银行等高安全、人数众多的领域。

行动终端的应用发展已普及并融入到人们的生活和工作当中。与此同时,行动终端也面临着越来越多的安全威胁和挑战,指纹识别、密码等技术目前广泛应用于行动终端设备。不过,由于上述技术存在容易仿冒、被盗、误判率高等安全隐患,更高安全等级的生物识别技术在行动终端的应用已成为未来的发展趋势。

本文由威尼斯国际发布于技术,转载请注明出处:研华深度学习解决方案,AI应用的最后一里路

关键词:

最火资讯