疑惑一：“刷脸”如何确保精准度？
在衡量人脸识别能力时，很多公司都会宣称其准确率超过“99%”。对此，长期研究机器学习的西安交通大学电信学院特聘教授、国家“千人计划”专家龚怡宏表示，这里的准确率指的是在一些世界知名人脸数据库比对中取得的成绩，但在现实运用中，这种准确度要大打折扣。
这些准确度是在一定前置条件下取得的，但现实应用场景复杂多变，人群样本更大，不同光线、姿态、分辨率等条件都可能给机器识别带来困难。
不过，这也不代表技术要达到100%准确率才可以使用。“世界上没有完美的技术，任何技术都是有错误率和瑕疵的，但是如果在特定的场景下，技术的准确度能够满足要求、错误带来的风险可以承受，那它就是有价值的。”颜水成说。
苹果方面介绍，新机颈笔丑辞苍别齿的面容滨顿功能利用由点阵投影器、红外镜头和泛光感应元件组成的先进原深感摄像头系统，在础11仿生强劲动力的支持下可绘制面谱并识别面容。该功能会投射30000多个肉眼不可见的红外光点，然后将得到的红外图像和点阵图案传输给神经网络，创建用户脸部的数学模型，再将这些数据发送至安全隔区，以确认数据是否匹配。而且，用户的样貌随着时间而改变，技术也能随之进行调整适应。
蚂蚁金服介绍，支付宝在肯德基碍笔搁翱的点餐机上配备了3顿红外深度摄像头，在进行人脸识别前，会通过软硬件结合的方法进行活体检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，避免各种人脸伪造带来的身份冒用情况。
疑惑二：双胞胎、过度化妆和整容能分辨吗？
“人脸的角度、光线、表情、年龄、化妆、遮挡、照片质量等会影响我们的判断，并且随着数据库样本增大，两个不同人长得像的概率会快速上升。”陈继东提出了生物识别技术面临的难题，不过，他认为深度学习会让计算机更聪明，能克服这些困难。
颜水成表示，面对双胞胎或者整容前后等特殊情况，机器能否识别，要看具体情况。比如整容幅度过大，机器无法识别是有可能的。此外，脸部信息也会随着年龄增长而改变。如果到了机器无法识别的程度，使用者只需去系统更新脸部照片就可解决。
为了提高识别率，不少应用场景都需要用户采用除人脸识别技术外的双重验证。陈继东表示，交叉验证方式进一步提升识别率，即使是双胞胎也“判若两人”。在金融等对误识别率容忍极低的领域中，单一识别要素即使精准度再高仍然会有漏网之鱼，因此需要结合多因子综合验证。目前人脸识别准确率已远超肉眼，而且有活体检测算法来判断采集到的人脸信息是否为照片、视频等冒充。“即便出现账户被冒用的极小概率事件，支付宝也会通过保险公司全额赔付。”
疑惑叁：用户隐私如何保护？
有专家指出，人脸特征与指纹、虹膜相比，是一个具有弱隐私的生物特征。例如，很多人都会发自拍照，也是相对公开的特征。如何保证用户数据安全尤为关键。
据媒体报道，在一个名为“你的脸就是大数据”的项目中，俄罗斯摄影师叶戈尔·茨韦特科夫在圣彼得堡用了6周时间拍摄100名地铁乘客的人脸照片，之后利用人脸识别工具比对俄罗斯最大社交网站痴碍（痴碍辞苍迟补办迟别）上的5500万用户，找到了大约70名乘客的个人资料。
如何防范类似的隐私泄露风险？有公司表示在采集到照片后会对照片进行脱敏处理，只提取照片特征，而非照片本身，即使这些特征在传输过程中被窃取，也无法还原出照片，过程是不可逆的。
陈继东说，目前支付宝已经对人脸识别技术进行了加密、脱敏的技术防范，可以将人脸信息变成一个不可逆的数字信息，不能还原、比对。
苹果方面介绍，其所有保存的面容信息都被保护在安全隔区内，以确保数据安全无虞。同时，所有处理都在设备上进行，不会发生在云端，以充分保护用户隐私。面容滨顿只有在用户注视颈笔丑辞苍别齿时才会为它解锁，并采用特别设计，可防止被照片或面具假冒的人脸欺骗。
