BCTC活體檢測主要是對不同攻擊手段進行檢測，辨別出紙質/非紙質/屏幕（平面）是否是真人；不同材質的頭模、頭套或3D打印（立體），是否是活體；以及真人是否會被誤拒。檢測中心采用的攻擊數量達到4萬筆，在強光、弱光、逆光、陰陽光、正常光等不同光照環境下，采用二維靜態紙質/非紙質圖像、二維靜態/動態電子圖像、三維面具/頭模、人臉區域不完整、人臉活體等手段進行攻擊。其中仿真頭模全部按照真實人臉一比一制作。

需要強調的是，2021年2月18日之后增加真人攻擊測試項，被測物體的材質（真人皮膚）、特征、五官凹凸都可以輕而易舉的將此前通過BCTC檢測的算法攻破。

2021年初，清華大學人工智能研究院用極其簡單的攻擊手法，成功破解19款手機人臉識別系統的事件刷遍朋友圈。測試人員僅用攻擊目標的照片，用優化算法生成對抗樣本，然后把貼紙裁下來，貼在眼鏡框上，就能夠在15分鐘之內破解這些手機的解鎖功能。另外，研究人員還用對抗樣本攻擊了幾款政務和金融APP的人臉識別系統，甚至假冒機主完成了銀行開戶。

肇觀電子送檢BCTC的人臉識別模組NE-DMF-K1，FAR 誤識率遠低于0.1%，FRR拒識率遠低于1%增強級標準。

同時針對二維紙質/非紙質/靜態/非靜態，三維面具/頭模，人臉區域不完整等攻擊手法，錯誤拒絕率和正確接受率都達到了100%。

二．專業AI芯片NE-D163A

▲ 肇觀電子AI視覺芯片NE-D163A

肇觀電子的深度人臉模組搭載的是自主研發的AI 視覺芯片NE-D163A,芯片在支持最高1.2TOPSAI卷積算力的同時，自帶硬件Depth內核，能夠高效提供60FPS的VGA分辨率深度圖像，在人臉識別目標距離內0.3~1.2米內，提供毫米級深度精度供做活體檢測判斷。

三．金融級3D人臉檢測活體算法