给虹膜识别装上“防伪眼”｜虹识技术与武汉科技大学签约

给虹膜识别装上“防伪眼”虹识技术与武汉科技大学签署虹膜防伪算法合作协议

9 月 29 日，武汉虹识技术有限公司与武汉科技大学正式签署《虹膜呈现攻击检测（PAD）算法开发与端侧适配》技术开发合同。双方将用 8 个月时间，联合研发一套只需一帧近红外眼图、不增加任何附加硬件的虹膜防伪算法，并让它直接跑在虹识的 C20 虹膜终端和 MD31 虹膜识别模块上。

认得准，是虹膜识别的一半；另一半，是先确认镜头前是一只真实的眼睛。

难题：识别之前，先辨真伪

虹膜纹理稳定、难以复制，是公认安全等级最高的生物特征之一。但“难以复制”不等于“没人尝试”：打印的虹膜照片、带纹理的彩色隐形眼镜、3D 义眼、在屏幕上重放的眼部视频，都是伪造者可能拿到镜头前的东西。行业里把这类攻击叫作“呈现攻击”，识别它们的技术，就是 PAD。

难点在于，攻击手段总在翻新。不少现有方案对训练中见过的攻击类型表现不错，一旦遇到新材质的美瞳、新型义眼或更高清的屏幕，检出率就明显下滑；另一些方案则依靠多光谱照明、结构光或多帧视频来判断活体，效果好了，设备成本和识别耗时也跟着上去。再加上防得越严、真人越容易被误拒，高精度模型又难以塞进嵌入式芯片——这几对矛盾，正是本次合作要啃的硬骨头。

分工：高校的算法，企业的场景

这次合作的分工很清楚。武汉科技大学科研团队负责算法的自主研究与实现，包括攻击样本数据集的建设、判别模型的设计，以及模型的剪枝、量化和端侧适配；虹识技术提供 C20 虹膜终端和 MD31 虹膜识别模块，负责设备对接联调，并组织两级验收。

高校深耕算法，企业提供真实设备与场景，两级验收把关成果质量。

4 类重点攻击类型，2 个部署平台，8 个月研发周期。 

攻关：一帧眼图辨真假

项目给自己定了一个苛刻的前提：只用一帧 640×480 的单目近红外灰度眼图，不加任何附加硬件，完成打印虹膜、纹理美瞳、3D 义眼和屏幕重放等多类攻击的鉴别；同时在严格控制真人误拒的前提下，保持高攻击检出率。

围绕这个目标，双方确定了四个攻关方向：用多尺度特征同时刻画虹膜纹理、边缘结构和镜面反射，抓住真眼与伪造物在材质和成像上的细微差异；用留出攻击类型训练和开放集判别，提升对“没见过的攻击”的适应能力；把量化感知训练和结构化剪枝纳入训练流程，让模型压到嵌入式芯片上仍然够准；最后，从数据源头保证评测可信。

四个攻关方向，覆盖特征、泛化、部署和数据全链条。

底线：数据合规，评测独立

虹膜信息属于敏感个人信息。项目中的每一位真人受试者，都会被单独告知数据的用途、存储期限和自己的权利，并逐人签署书面知情同意书，且可以随时撤回。数据全程加密存储、访问留痕。

评测同样讲规矩：样本按受试者和攻击来源分组，同一来源的样本不会同时出现在训练集和测试集里；独立测试集由虹识技术封存保管，研发方的自测结果不能替代验收。成绩好不好，要在没见过的数据上说话。

落地：从实验室到终端

算法最终要跑在两个平台上：PC 端配合虹识 C20 虹膜终端使用；RK3588 平台则是 MD31 虹膜识别模块的主控，算法直接在模块内运行。项目按四个里程碑推进，中期验收考核算法精度，最终验收考核剪枝量化、双平台部署和真实设备联调。

八个月、四个里程碑，每一步都有明确的交付物和确认方式。

写在最后

从自研虹膜识别芯片，到把识别链路装进边缘设备，虹识一直在做同一件事：让身份认证更可信。防伪能力，是“可信”二字里分量最重的一环。

这次与武汉科技大学携手，把高校的研究力量和企业的产品场景拧成一股绳。我们期待八个月后，一套自主可控、可以直接装进终端的虹膜防伪算法如期交卷；也欢迎更多高校和科研团队与虹识交流合作。