2017年，iPhone X引入Face ID，让智能手机进入人脸识别的时代。而几乎在同一时间，人脸识别技术也已被看准是在线信贷的下一个兵家必争之地。

事实上，无论国内还是国外，生物特征识别技术正在迅速成为消费金融领域一个新的“must have”（必须有）。尤其是面对在线信贷行业对风控要求的日益提升，生物特征识别技术也已逐渐成为区别企业竞争力的新指标。

这是因为，尽管在线信贷行业可以运用大数据建立征信模型，解决传统信贷行业“借钱难、借钱贵”的弊病。然而，由于网络欺诈手法不断翻新，导致在线信贷审核与运营成本节节攀升。核心风控能力的不足，成为制约在线信贷发展的最大痛点。

而生物特征识别技术拥有传统基于证件和密钥认证技术所无可比拟的优越性。尽管生物识别技术门槛较高，投资庞大，在与既有业务整合时往往也需要耗费相当大的精力和物力。不过，与投入成本相比，融合生物识别技术为消费金融行业带来的好处，仍然是回报丰厚。

一般来说，生物特征识别以面部、声纹和指纹识别为最主流，此外还有手形、手掌形、掌纹、虹膜、DNA，甚至是耳朵的形状等等。

在国外，指纹验证是最为流行的，通过与PKI技术相结合，保证数字证书在每个环节都与客户的生物特征匹配。

比如美国第五大消费信贷公司Quicken Loans，他们就使用指纹特征采集来鉴别用户身份。该企业创始人Dan Gilbert认为，指纹是目前在消费信贷领域中，最好的身份确认工具。 1974年,Osterburg通过论证,证明了2枚指纹出现12处相同的特征却不属于同一个人的概率只有大约十万亿分之一。

如SoFi、Affirm等外国顶级消费信贷公司也认为，指纹识别也是当下最具可靠性（robustness）的身份确认方法，适合更多人的操作习惯，成功率也更高。诚然指纹识别很大程度上依赖于指纹获取的图像质量，不过随着计算机视觉的进步，目前指纹数据压缩的问题已得到解决。

图丨《黑人兄弟》中的演员Keegan Michael Key为Quicken Loans拍摄的代言广告（来源：Quicken Loans官网）

目前，国内网贷行业对于声纹识别技术和人脸识别技术的应用也日趋成熟。

其中，在消费金融领域第一个成熟应用声纹识别技术的公司中腾信，旗下的小花钱包，从2015年开始就尝试人脸识别技术，主要应用在反欺诈环节。2017年，小花钱包更与生物识别技术合作机构一同入选 MIT Technology Review （麻省理工科技评论）的金融科技人脸识别应用案例。同年还入选为中国人民银行金融研究所互联网金融研究中心组织编写的金融科技专著《金融科技:发展趋势与监管》经典案例。

中腾信成立于2014年，最早它是一家专注于线下的消费金融服务企业。2015年，中腾信设立子公司小花（厦门）互联网金融信息服务有限公司（简称“小花金服”），作为线上消费金融领域科技服务的主体。

而小花钱包便是由小花金服推出的App核心产品，提供备用金申请服务，备用金可用于现金提现、信用卡还款及分期购物服务。

小花金服研发负责人黄凌鹏指出，小花与中腾信的信贷工厂运营理念是一致的，不同之处在于小花是一个纯线上产品，运营上更侧重于通过大数据手段以及数据分析来提升效率降低成本。且自小花钱包推出以来，就专注于开发人脸识别技术的应用。

结合生物识别技术与征信模型，目前小花钱包已可做到实时审批，刷脸快速取得信用额度，当天借款当天到账。

黄凌鹏告诉DT君，小花钱包的产品定位是“年轻人的互联网钱包”，主要服务工薪阶层，客户年龄范围是23-40岁。这个年龄段的客户，是劳动力人口的主要集中段，有稳定工作及收入。

这一消费客群的特征是日常生活与互联网高度结合，对新型科技接受度高，但要求也高，没有耐心等待漫长繁琐的信贷审批流程，却又往往缺乏与金融机构往来的信用记录。

所以，小花钱包依赖许多第三方数据来补足信用模型，目前已经接入了20多家的第三方数据，覆盖了包括黑名单、设备问题检查、身份验证、收入情况、消费水平等方面。再加上采取人脸识别技术后，在整体的贷款流程上，用户只需要填写身份证信息及拍摄面部照片，平均在3到5分钟内就能完成申请。

真正意义的人脸识别必须是动态的面部识别，也就是用摄像头对用户的多角度拍照，再把这些照片与用户的身份证照片信息相比较，以判定客户是否真实。其好处是阻止不法分子利用照片通过系统判定，杜绝冒用他人信息进行欺诈的行为。

因此，小花钱包在人脸识别环节，会要求用户根据提示完成眨眼、张嘴、摇头等随机动作，并与用户拍照上传的身份证照片进行有效核实，确保人证合一，识别虚假、冒用身份行为。

图|小花钱包RiskAI系统架构（来源：小花钱包）

除了人脸识别，中腾信还有成熟的声纹识别技术，也就是通过采集声音，建立声纹库，用于反欺诈风控。

声纹识别是近年来受消费信贷领域追捧的技术，虽然早在1945年，贝尔实验室就着手于声纹技术的研发，不过现代声纹研究大多数基于i-vector建模的声纹识别技术。

相较于指纹识别，声纹更具有用户无感知性。用户在发出声音的同时，声纹就会被采集，并与数据库进行比对。在流程上来说，用户体验要高于指纹识别。

2016年1月，清华信息科学技术学院国家实验室技术创新和开发语音部语音和语音技术中心的郑方博士就撰文，称声纹识别技术对政府部门和商业领域来说，都是一项必不可少的重要技术。

中腾信风控负责人对DT君指出，目前中腾信已积累了大量的声纹样本，立足精密的声纹识别技术，结合多年风控经验和多场景的庞大声纹数据，针对不同风险点，可以建立起对应场景的黑名单、声纹库，结合反欺诈规则，丰富声纹识别策略预警。

另外，声纹识别也能够有效地克制团伙欺诈。这种团伙欺诈的特点是在“申请人”进件时具备一定集中性特征，比如位置信息、设备信息等，欺诈分子通过给予“申请人”一定好处的方式利用其身份信息骗取贷款。但是这种团伙欺诈分子在接听信贷公司电话时，往往只有几个“业务员”。这样一来，只要针对具备集中性特征的进件在审核时比对声纹库，就可以有效识别出是否为团伙欺诈，再将上述“业务员”的声纹列入黑名单库，就可以抵御不法分子的攻击。

由总体风控效果来看，中腾信全流程风控系统将欺诈风险和信用风险的防范细化至客户借款的全生命周期，从贷前、贷中、货后各环节防范风险。自2014年以来，系统设置欺诈及信用风险规则上千条，信用风险模型及欺诈风险模型数十个，资产质量控制水平在同业名列前茅。

图丨中腾信声纹识别系统架构（来源：中腾信）

从1985年，中国建设银行深圳分行为国内购房者办理了第一笔按揭贷款，再到今天，即便经历了1999年的通货紧缩，我国消费贷款余额总量仍然达到了数千倍的增长。市场越大，问题越多，消费信贷直至今日都没有符合当下社会环境且完善的个人信用系统以及风险评估系统。

2015年，16家上市银行的不良贷款余额约为9000亿元，比2014年增加了2300亿元，增幅超过30%。根据银监会的记录，商业银行在2015年的不良贷款率为1.59%，较2014年年末增加了24%。直至2017年，上市银行的不良贷款更是增加到了1.74%。

构成这种局面的原因，除了上述的个人信用问题外还有两种：信贷机构经营成本阻力和经济环境。中腾信所采取的生物特征识别技术，可以在贷前低成本有效降低个人信用带来的风险。

归根结底，中腾信是在用技术解决行业的痛点，并不是盲从于技术的大浪潮。套用美国著名管理学者斯莱沃斯基（Adrian J. Slywotzky）的盈利模式理论来分析，也就是一家企业有哪些利润源、利润点、利润杠杆和利润屏障，则中腾信的做法可以被理解为在聚焦锁定利润源（也就是主要用户）的同时，还提高了利润屏障（也就是技术门槛）。

随着社会经济的发展和公众消费观念的改变，我国个人消费信贷业务得到了快速的发展。这项业务势必成为未来无论是企业机构，亦或是商业银行的重要利润增长点，并为促进经济繁荣做出贡献。但是要去学习如何跨界，中腾信是一个很好的例子，他们将金融与计算机视觉、语音识别等技术紧密结合，把科技赋能在了传统业务上。

归根结底，中腾信想要实现的是一种以生物科技和数据科技双重融合的科技金融服务，在高效的同时也保证了安全性。上文提到，生物特征技术拥有较高的门槛，但也正是这样的入门条件，才能够解决行业的乱象。

中国信贷行业虽起步较晚，发展脚步却极为迅速。在DT君眼里，未来信贷机构将不再是“钱多说话”，它会越来越向“有技术才能张口”的方向靠拢。行业发展的前景，也不应该只是机构的财务杠杆能力，而是大数据、生物特征识别、以及人工智能技术能力！