在人脸核验流程中，最关键也最容易被忽视的一环是“活体检测”——即判断摄像头前的是活生生的真人，还是一张照片、一段视频、一具3D面具。对黑产而言，突破活体检测就意味着可以冒用他人身份；对企业而言，活体检测就是人脸核验的安全生命线。
一、活体检测到底在防什么
先搞清楚一个问题：活体检测在防什么？
这个问题的答案过去十年里换了好几轮。每一轮都是黑产先出招、防守方再跟。到现在也没停。
- 最开始那批攻击特别原始。攻击者把目标人物的高清照片打印出来怼在摄像头前面，或者拿手机屏幕显示照片对着翻拍。这种现在基本防不住了，随便一个端侧轻量模型就能识别——屏幕有摩尔纹，打印纸没有皮肤纹理，光线反射也不对。
- 后来攻击者学聪明了，开始用视频。录一段目标人物的视频循环播放，或者更直接一点——劫持摄像头数据流，把伪造的视频注入到应用层，让系统以为在实时采集画面。到这一步，活体检测就不能只看单帧画面了，得分析时间维度的信息：眨眼频率对不对，面部有没有微表情变化，背景环境是不是一致的。
- 再往后是硬件攻击。用真人面部翻模做3D面具，带纹理带凹凸带真实皮肤质感。普通单目摄像头根本分辨不出来——从摄像头角度看，它就是一张立体的脸，有深度信息，有光影变化。对付这种需要结构光或者双目视觉方案，要么就靠云端大模型分析面部的细微形变。
- 现在最麻烦的是AI换脸。攻击者用生成式AI把视频里的一张脸换成另一个人的，然后播放合成视频试图通过活体检测。早期换脸在面部边缘有明显拼接痕迹、肤色不连贯、光影不一致，现在很多已经做到肉眼完全无法分辨。防守方在跑检测模型，攻击方在跑生成模型，两边都在迭代，谁都没法一劳永逸。
- 人脸核验完整解决方案的客户问得最多的就是“你们能防住最新版本的Deepfake吗”。这个问题没有静止答案，取决于活体检测模型多久更新一次。月更和年更的差距，体现在拦截率上可能就是几十个百分点。
二、动作活体 vs 静默活体
活体检测技术本身分两大流派
- 动作活体是最传统的方式。要求用户做一套指定动作——眨眼、点头、张嘴、左右转头——系统通过判断动作的连贯性和合理性确认是真人。说白了就是让用户配合“考个试”，系统看动作做得对不对。
- 好处是技术成熟，实现门槛低，开源方案一大把，小团队自己也能搭。坏处也明显：验证流程要3到5秒，用户配合度要求高。碰上老年用户或者面部活动受限的人，体验基本谈不上。还有一个场景——网约车司机一边开车一边做活体检测，要求张嘴眨眼左右转头，安全隐患和通过率都成问题。
- 静默活体走了另一条路。用户不用做任何额外动作，正常看着摄像头就行。系统通过分析人脸区域的皮肤纹理、微表情、光照反射这些生理信号来判断。等于“无感扫描”，用户甚至感觉不到在做活体检测。
- 验证时间压到0.8秒以内，比动作活体快了四倍。做过AB测试的数据显示，从动作活体切换到静默活体后，验证环节的用户流失率平均下降42%。这个数字在转化率敏感的互联网业务里差距很大。
- 静默活体和动作活体的组合策略，在 人脸核验完整解决方案的H2-3章节有详细对比。简单说一个结论：安全优先的场景（金融大额转账），动作加静默双保险更稳妥；转化率优先的场景（新用户注册），静默活体的优势更明显。选什么完全取决于你的业务愿意在安全性和体验之间怎么取舍。
端云协同：单靠端侧或云端都不够
活体检测的架构设计经历了几轮变化。
- 最早是纯端侧——所有检测在手机或终端设备上完成。优点是没有网络延迟，用户隐私数据不出设备。缺点是端侧算力有限，只能跑轻量模型，对付不了3D面具和AI换脸。
- 后来改成纯云端——端侧只负责采集图像，所有检测交给云端大模型。优点是精度高，模型可以持续更新。缺点是需要网络，有延迟，原始人脸数据要上传——金融和政务场景经常因为这个直接把云端方案否掉。
- 现在主流做法是端云协同。端侧跑轻量模型，实时拦截基础攻击（照片翻拍、屏幕劫持），秒出结果；同时把关键帧上传云端，云端大模型二次研判，识别AI换脸、3D头模、合成视频。两条线并行，端侧保证响应速度，云端兜底安全等级。
- 旷视FaceID端云协同方案的全类型攻击综合拦截率能做到99.7%。逻辑很简单：端侧先挡掉95%以上的基础攻击，云端集中算力对付剩下那5%的高阶攻击。端侧解决效率和基础安全，云端解决深度防御。
- 以后端侧芯片算力上来了，更多模型会下沉到端侧。但云端大模型研判在可预见的时期内还是刚需——攻击手段也在进化，需要云端持续迭代。
静默活体是“最优解”吗
回到那个高频问题：“静默活体是不是最好的方案？”
- 严格说，静默活体在体验上是最优解，但在安全性上不是万能解。静默活体做得好的服务商，在光线正常设备正常的条件下，通过率和安全性都很好。但遇到极端环境——暗光、逆光、老旧手机摄像头——静默活体的精度会受影响。动作活体在这种环境下反而更稳定，因为动作本身的时序信息可以补偿画质损失。
- 真实业务场景里，单一技术路线通常解决不了所有问题。头部服务商的做法一般是：默认走静默活体追求体验，遇到低质量画面自动降级到动作活体兜底。用户无感知切换，开发侧多做一套兼容逻辑。
- 活体检测只是人脸核验的一个模块。完整的身份核验还要叠加上证件OCR、人脸1：1比对、NFC读证、意愿核身确认。每个环节选什么技术路线、阈值设多高，取决于你的业务愿意在安全性和通过率之间怎么取舍。没有标准答案，只有适合你场景的选择。
活体检测这部分先聊到这儿。接下来真正决定方案选型的是部署模式——公有云、混合云还是私有化——以及对不同服务商的评估。完整的人证一体化方案在人脸核验完整解决方案里按顺序拆好了，可以去看看。
