⏱ 本页 0.8 分钟 · 主线 166 字
各位好,感谢大家抽出这半小时。今天我想讲的是一套放在贵行机房里、完全离线运行的手写签名一比一核验方案。
先说我今天不讲什么:我不会说「准确率百分之九十九」这种话。签名核验没有这种数字,谁说了都请追问口径。我要讲的是:在十几个公开基准上,我们和已发表的模型逐对比较,赢在哪、输在哪,每个数字都能在贵行自己的机器上复现。
我们从路线图开始。
如果现场有人问「AWS 为什么做一个不在云上的东西」:因为银行签名样本是生物特征数据,监管和行内制度都不允许出行。我们的角色是把研发和训练放在云上 GPU 完成,交付到行内的只有模型文件和一个离线容器。云上那部分对贵行是透明的,也不需要贵行开任何外网口子。
签名核验最容易出问题的不是模型,是口径。所以证据一章最长:协议、总表、局限,一个都不省。
⏱ 本页 0.6 分钟 · 主线 135 字
今天分五部分。第一部分讲问题和约束,这决定了方案长什么样。第二部分是方案本身。第三部分是证据,也是最长的一部分,因为签名核验最容易出问题的不是模型,是口径。第四部分讲上线前必须知道的鲁棒性和性能。最后是试点计划。
这份材料会留给各位,页码在右边,不用记。我们开始第一部分。
⏱ 本页 0.2 分钟 · 主线 47 字
第一部分很短,只有两页。我想先把约束摆清楚,因为后面每一个技术选择,都是被这几条约束逼出来的。
柜员或后台把单据签名与预留印鉴卡比对。速度与一致性取决于个人经验,难以抽检、难以量化,更难回答「这个月漏掉了多少伪造」。
每位客户只有少量预留样本;中文签名笔画多、写法随时间漂移;真正的风险来自模仿过的熟练伪造,而不是随手乱签 —— 随手乱签人和模型都容易识别。
已发表的强模型几乎都用 GPDS、CEDAR 等非商用数据训练;云端 API 又意味着生物特征出行。两条路都走不通,只能为银行场景重新训练。
按到达顺序逐张人工比对;结果取决于个人经验,难以抽检,也回答不了「漏掉了多少」;高峰期只能靠加人。
系统先打分、排序、分到三个区间并附理由码;复核员先看最可疑的,最终判断仍由人做,并且每一步都可审计。
⏱ 本页 1.9 分钟 · 主线 398 字
先看现状。今天大多数银行还是人工比对:把单据上的签名和预留样本放在一起看。问题不是人不认真,而是速度和一致性完全取决于个人经验,很难抽检。
中间这张卡是技术上的难点。每位客户只有几张预留样本;中文签名笔画多,几年下来写法会漂;而真正的风险是练过的熟练伪造,不是随手乱签。
顺带解释一下 GPDS:它是西班牙一所大学发布的签名库,学术界最常用,许可明确禁止商用。SigNet 这类经典模型就是在它上面训练的。我们在评测里把这些模型当作对手,但交付模型的训练里一张这些数据都没有用,后面许可链那一页会逐条列。
右边是为什么不能直接买一个现成的:已发表的强模型几乎都用非商用数据训练,权重不能进生产;云端 API 又意味着签名出行。中间这一行是前后对比:今天按到达顺序人工看,引入之后系统先排序、分区、给理由,人做最终判断。所以我们要的东西是底部这几句。(指着第二句)尤其第二句:它是排序和分流的工具。下一页把这些写成四条硬约束。
--network none 运行| 约束 | 落在哪里 | 怎么验 |
|---|---|---|
| 数据不出行 | 镜像运行层没有 pip / uv,设置 PIP_NO_INDEX、HF_HUB_OFFLINE;模型目录只读 | 冒烟脚本在 --network none 下跑完全流程 |
| 永不自动拒绝 | 决策只有 accept / review / priority_review 三个取值 | 单元测试 + 变异清单 |
| 可审计 | 每次核验一行 JSONL:模型哈希、阈值版本、区间、理由码 | 单元测试校验审计行 |
| 可商用 | 来源登记表 commercial.SOURCES → 生成 DELIVERY_NOTICE.md | 声明由程序生成,不手写 |
⏱ 本页 1.7 分钟 · 主线 366 字
四条硬约束。第一,数据不出行:容器断网运行,运行期不下载任何东西,模型只读挂载。第二,永不自动拒绝:系统只会说「通过」「复核」「重点复核」三种话,拒绝永远是人做的。
第三,可审计:每一次核验写一行日志,记录用的是哪个模型、哪一版阈值,账号用密钥哈希存。第四,可商用:交付模型只用许可干净的数据,有登记表,归属声明是程序生成的。下面这张表把每条约束落在哪、怎么验,逐条对上了。
「变异检查」是什么意思?我们在仓库里维护了一份变异清单,每一条描述「把某段代码改坏成什么样」,然后要求至少一个测试因此失败。比如把三区间里的 priority_review 改成 reject,测试必须变红。这保证测试不是摆设。清单本身也在门禁里,删掉一条门禁会报。
底下这句很重要:这四条不是口号,每一条都有测试守着,把机制拆掉测试就会变红。好,约束讲完,进入方案。
⏱ 本页 0.3 分钟 · 主线 69 字
第二部分讲方案,四页:架构、现场流程、交付模型、以及贵行可以自己做的一步自适应。一句话概括:研发在场外,运行在行内,跨边界的只有模型文件。
9 个来源:自研合成中文签名 SynCN + CC BY / CC0 公开手写数据
两个 ResNet18 + 一个 ConvNeXt(DINOv3 初始化)
与原模型特征余弦 < 0.9999 即拒绝写出
每个文件的 sha256 与 CPU 延迟由脚本实测生成,随版本记录
至少 2 张;模板加密钩子由行内 KMS 提供
用贵行自己的真签与伪造,按目标误受率定阈值
通过 / 复核 / 重点复核
模型哈希、阈值版本、区间与理由码
⏱ 本页 1.5 分钟 · 主线 315 字
这是整体架构。左边是场外,在 AWS 的 GPU 上:用 9 个许可干净的数据来源训练三个互补的网络,导出成 ONNX,导出时和原模型逐项对拍,对不上就拒绝写出。
右边是贵行机房,容器断网运行,三件事:注册,客户的预留签名过质量门后存成模板;校准,用贵行自己的开发集定阈值;核验,单据进来,打分,落到三个区间之一。
为什么是三个网络而不是一个:它们看签名的方式不一样,两个 ResNet 用不同的数据组合训练,ConvNeXt 用了 DINOv3 的视觉预训练。三个特征归一化后拼接,在评测里比任何单个成员都稳。代价是 CPU 耗时是三份之和,性能那一页有实测数。
底部这句是关键:跨越边界的只有三个模型文件和它们的哈希,没有任何回传通道。下一页看核验的三个区间。
签名框图像,固定分辨率;去除印刷横线
尺寸、对比度、墨迹占比不合格即带理由码转人工
3 个成员各出特征,归一化后拼接
该客户专属分类器:自己的参考签名 vs 他人真签
与两个阈值比较,输出区间 + 理由码
low_reference_count、quality_low_contrast),复核员看得到系统为什么这么分。⏱ 本页 1.8 分钟 · 主线 373 字
先看上面这条流水线:裁切去线、质量门、三个成员出特征、该客户专属的分类器打分、最后和阈值比较分区。然后是三个区间。绿色是通过:分数高于通过阈值;如果这位客户的参考样本太少,阈值会自动收严。橙色是复核,进常规人工队列。红色是重点复核:分数低于按目标误受率定的阈值,或者图像本身没过质量门。
注意这里没有「拒绝」。(停一下)原因在底部第一句:在百分之一误受率的工作点上,真签被打低分的比例仍然不低,第三章我会给实测数。自动拒绝会直接伤到真客户。所以系统只做排序和分流,每个判定都带理由码。
理由码的完整清单和每个阈值都集中在一个 Limits 类里,起始值来自我们的研究文档,试点时用贵行数据重设。质量门检查图像尺寸、墨迹与纸面的对比度、墨迹占比;参考样本低于 2 张根本不注册,偏少时会打上 low_reference_count 并收紧通过阈值。
那模型本身是什么?下一页。
| 成员 | 结构 / 初始化 | 训练数据 | sha256 前缀 |
|---|---|---|---|
| D2f | ResNet18 · 随机初始化 | SynCN + 5 个 CC BY 来源 | 4af9190c59c6 |
| D5 | ResNet18 · 随机初始化 | D2f 数据 + 3 个 CC0 / CC BY 手写来源 | 6cf5e3fbae04 |
| D9 | ConvNeXt-T · DINOv3 预训练 | 同 D5 | 41474669c54d |
来源全部登记在 commercial.SOURCES;归属声明 DELIVERY_NOTICE.md 由程序生成,不手写;哈希可与收到的文件逐一核对。
⏱ 本页 1.9 分钟 · 主线 396 字
交付模型 v1 有三个成员。D2f 和 D5 是 ResNet18,从随机初始化开始训练;D9 是 ConvNeXt,用 Meta 的 DINOv3 视觉预训练初始化。训练数据是我们自己生成的中文合成签名,加上 CC BY 和 CC0 许可的公开手写数据。右边一列是每个文件的哈希前缀,贵行收到文件可以直接核对。
右边这张卡更重要:没有进入训练的。所有公开签名基准、所有非商用权重、任何银行客户的签名,一张都没有用。下面这一排是登记在册的公开来源,每一个都是 CC BY 或 CC0。唯一的附带义务是 DINOv3 的许可原文要随文件分发。
关于许可义务多说一句:CC BY 要求署名,我们的归属声明逐条列出数据集名称、许可和 DOI,随模型一起交付。训练好的权重属于这些数据集的改编作品,署名义务因此随行。CC0 来源没有署名义务,但我们也列出来,便于审计。
这带来一个好处:第三章的每一个基准对交付模型都是没见过的数据。下一页讲贵行自己能做的一步。
用至少 200 张行内真签重估 BatchNorm 统计量;不碰伪造、不反向传播
原模型与适配后模型各对同一批开发集打分
按目标误受率下的误拒率选优,EER 打破平局;样本不配对即拒绝比较
新文件哈希不同;模板和阈值只为选中的模型生成
扫描条件与训练数据差异大时,重估统计量能把特征分布拉回到训练时的状态。
差异本来就小时,重估反而丢掉了训练时学到的、更好的统计量。
# 每个成员各适配一次(只用真签),再把两份开发集分数配对比较 run adapt-bn --onnx /models/d2f.onnx --out /data/d2f_bank.onnx /data/adapt_genuine/*.png # run score:同一批开发集人员,原模型与适配后模型各打一次分 → dev_plain.npz / dev_adabn.npz run compare --scores plain=/data/dev_plain.npz adabn=/data/dev_adabn.npz --target-far 0.01
compare 选。⏱ 本页 2.0 分钟 · 主线 412 字
这一页是贵行可以自己做的一步,叫 AdaBN。它不训练模型,只是用贵行至少 200 张真签,重新估计网络里的归一化统计量,让模型适应贵行的扫描仪和纸张。四步:适配、两份开发集分数、compare 选优、然后为选中的模型重新注册和校准。页面下方就是实际要敲的命令,一共两三行。
下面左右两张卡是实测。左边在 SigComp-CN 上,EER 从 16.2 降到 11.4,和最强对手的 11.7 基本持平。右边在 ChiSig 上反而从 13.9 升到 15.1。
一个技术细节:我们导出 ONNX 时故意不折叠 BatchNorm,否则统计量被烧进卷积权重,就没法再适配;工具会检查这一点,遇到折叠过的文件直接拒绝。适配后的文件会生成新的逐节点张量,不会因为导出器的张量复用而改坏别的层。用同一份开发集既选模型又定阈值会有轻微过拟合,如果贵行开发集够大,留一部分人做验证更干净。
所以它不是免费的,要不要用由贵行的开发集决定,不由我们决定。这就是方案部分。下面进入证据。
⏱ 本页 0.3 分钟 · 主线 58 字
第三部分,证据。我们找了 18 个已发表或开源的对手,在 15 列基准上逐对比较。先讲怎么比,因为比法决定了结论值不值得信。
每位用户一个分类器,用自己的参考签名对抗他人的真签。所有模型只换特征提取器,其余完全相同。
同一折、同一组参考样本上比较。我们的每一个种子都必须在至少 60% 的配对单元上赢过最强对手,且平均更低。
任何一个对手在某列没跑完,这一列就不许宣称胜出。见过该数据集作者的对手不计入最强对手。
每个配置至少 3 个独立训练种子;一个种子不达标,整列不算赢。v1 配方已用全新种子 3–5 完整复现:11/15 列胜出。
不同模型的特征维度不同,SVM 的核宽度按维度归一,避免高维模型被默认参数吃亏或占便宜。
vs FKD ResNet18 (Tsourounis 2025): Δ-1.62 10/15, Δ-2.11 12/15, Δ-0.80 9/15
⏱ 本页 1.8 分钟 · 主线 382 字
「赢」的定义写在代码里。第一,所有模型用同一套协议,只换特征提取器。第二,逐对比较:同一折、同一组参考样本,我们每一个训练种子都要在至少 60% 的配对单元上赢过最强对手。第三,对手场必须完整,任何一个对手没跑完,这一列就不许说赢。
为什么要排除「见过该数据集作者」的对手:比如 DetailSemNet 发布了在 BHSig 上训练的权重,拿它在 BHSig 上比就不公平,我们在那一列不把它算作最强对手,但其他列照常参与。WD 协议是 writer-dependent,每位用户一个 SVM,这是 Hafemann 等人以来的标准做法,和银行实际场景(每位客户有自己的预留样本)一致。
下面两条:每个配置至少 3 个种子,一个不达标整列不算;以及维度公平。再下面是一条真实的判定记录:三个种子各自对最强对手平均低多少、赢了多少对,每一个都要过线。所以下一页表里的「胜」,是严格的、可复算的判定。
| 基准 | 最强对手 | 对手 | v1 | 判定 | v1 + AdaBN | 判定 | 新种子复现 |
|---|---|---|---|---|---|---|---|
| ChiSig 中文(4 参考) | FKD ResNet18 (Tsourounis 2025) | 15.4 | 13.9 | 胜 | 15.1 | 未达 | 未达 |
| ChiSig 中文(4 参考) · FRR@FAR1% | FKD ResNet18 (Tsourounis 2025) | 69.4 | 65.2 | 胜 | 68.6 | 未达 | 胜 |
| ChiSig 中文(2 参考) | DetailSemNet (ECCV 2024) | 18.9 | 17.6 | 未达 | 18.8 | 未达 | 未达 |
| SigComp-CN 中文(12 参考) | SigNet (Hafemann 2017) | 11.7 | 16.2 | 未达 | 11.4 | 未达 | 未达 |
| SigComp-CN 中文(4 参考) | SigNet (Hafemann 2017) | 22.4 | 26.0 | 未达 | 20.0 | 胜 | 未达 |
| SVC2004 中英(10 参考) | Multi-task Triplet (Viana 2023) | 13.7 | 10.5 | 胜 | 10.3 | 胜 | 胜 |
| SVC2004 中英(5 参考) | Multi-task Triplet (Viana 2023) | 18.9 | 15.3 | 胜 | 15.2 | 胜 | 胜 |
| CEDAR 英文 | SigNet (Hafemann 2017) | 6.7 | 4.9 | 胜 | 5.0 | 胜 | 胜 |
| BHSig 孟加拉文 | SigNet (Hafemann 2017) | 5.0 | 2.4 | 胜 | 2.3 | 胜 | 胜 |
| BHSig 印地文 | Multi-task Triplet (Viana 2023) | 5.0 | 3.6 | 胜 | 3.3 | 胜 | 胜 |
| SOHI 阿萨姆文(12 参考) | FKD ResNet18 (Tsourounis 2025) | 5.5 | 4.8 | 胜 | 5.0 | 胜 | 胜 |
| SOHI 阿萨姆文(4 参考) | FKD ResNet18 (Tsourounis 2025) | 8.2 | 7.0 | 胜 | 7.0 | 胜 | 胜 |
| ICFHR2018 泰文 | SigNet-S (Viana 2023) | 3.8 | 3.1 | 胜 | 3.3 | 胜 | 胜 |
| TRSig 土耳其文 | Multi-task NT-Xent (Viana 2023) | 8.2 | 6.8 | 胜 | 6.1 | 胜 | 胜 |
| SigComp2009 荷兰文 | SigNet-S (Viana 2023) | 9.7 | 6.8 | 胜 | 7.0 | 胜 | 胜 |
compare 决定。⏱ 本页 1.7 分钟 · 主线 355 字
这是总表。每一行是一个基准,第二列是这一列上最强的对手,然后是我们两个配置的数字和判定。
看底部的读法:交付模型 v1 在 12 列判定胜出,加 AdaBN 的配置在 11 列。我特意分开报,不按列挑好的那个,因为按列挑等于在测试集上做选择。
我快速过一遍各行:前两行是 ChiSig,目前最大的公开中文签名库,一行是 EER,一行是银行工作点下的误拒率;SVC2004 是中英混合;CEDAR 英文;BHSig 两行是孟加拉文和印地文;SOHI 是阿萨姆文;最后三行泰文、土耳其文、荷兰文是我们后来补的留出集,模型开发期间完全没碰过。最强对手一列按每列分别取,所以不同行的对手不同,这是对我们更严格的比法。
表里有几个「未达」,集中在中文的 SigComp-CN 和 ChiSig 两参考,后面「局限」那页专门讲。下一页聚焦银行最关心的中文和工作点。
在开发集上把阈值定到熟练伪造误受率 1%,再看测试集上有多少真签落到阈值以下。这比 EER 更接近银行的实际取舍:先锁住风险,再看给复核员增加多少工作量。阈值只用开发集人员定,测试人员不参与。
误受率锁在 1% 时,约 65.2% 的真签会落入重点复核 —— 已优于所有对手,但离「自动化」很远。这正是我们坚持三区间、不自动拒绝的原因。
用 ChiSig 等非商用数据训练的对照模型,不交付。它的作用是给出「用真实中文签名继续训练」能到达的参考水平,也是试点之后的改进方向。
⏱ 本页 2.1 分钟 · 主线 433 字
聚焦中文。ChiSig 是目前最大的公开中文签名库,四张参考签名。交付模型 EER 是 13.9%,最强对手 15.4%;三个种子的区间是 13.3–14.6。我必须同时告诉各位第三张卡:我们用全新的种子把同一个配方重训了一遍,EER 均值 14.2,仍然低于对手,但没过逐对判定。所以 EER 上我的说法是「领先,但对训练种子敏感」。
第二个数更重要,是银行工作点:把熟练伪造误受率锁在 1%,看真签被打到阈值以下的比例。我们是 65.2%,对手是 69.4%。(停一下)我要直说:这个数赢了所有对手,但它意味着锁住风险后,大部分真签仍要人看。这就是不自动拒绝的原因。
那这个系统到底省了什么?它省的是排序。复核员不再按到达顺序看,而是先看最可疑的;在误受率固定的前提下,落在通过区间的那部分可以按行规降低抽检比例。具体能省多少取决于贵行的阈值和真实伪造比例,试点的第一个产出就是这个数字。
最右边 8.8% 是研究轨,用了非商用数据,不交付,但它说明用贵行真实数据继续训练还有空间。下一页看模型没见过的语种。
总表的中文与英文列在开发过程中反复看过,存在「对着测试集调」的风险。泰文、土耳其文、荷兰文三个基准是在配方冻结之后才接入的:泰文 900 张真签 / 360 张伪造,土耳其文 1,408 / 1,334,荷兰文 222 / 624。它们的结果,是模型对全新书写体系的真实泛化。
泰文 vs SigNet-S (Viana 2023): Δ-0.82 5/5, Δ-0.82 4/5, Δ-0.58 4/5
土耳其文 vs Multi-task NT-Xent (Viana 2023): Δ-1.29 5/5, Δ-1.02 4/5, Δ-1.84 5/5
荷兰文 vs SigNet-S (Viana 2023): Δ-1.99 4/5, Δ-3.27 5/5, Δ-3.24 5/5
⏱ 本页 1.5 分钟 · 主线 322 字
这一页我个人认为比总表更有说服力。上面四个语种从未进入训练和选型,其中泰文、土耳其文、荷兰文三个是在配方冻结之后才接入的,开发过程中从没看过。
四个全部胜出:泰文 3.1 对 3.8,土耳其文 6.8 对 8.2,荷兰文 6.8 对 9.7,阿萨姆文 4.8 对 5.5。对手里有用非商用数据训练的模型。
SOHI 阿萨姆文接入得早,开发期间我们看过它的数字,所以页上把它和冻结后的三个分开说;它同样从未参与训练。荷兰文 SigComp2009 只保留了有伪造样本的那部分作者,参考样本是五张。这些数据的许可大多是研究用途,所以只用于测试,不进入任何训练。
下面的判定记录是每个种子的逐对结果。这说明模型学到的是书写动作本身,不是某个数据集的特点。不过,我们也有输的地方,下一页。
原模型 16.2%,AdaBN 后 11.4%,SigNet 11.7%。平均已略好,但没过「每个种子 60% 配对胜」的判定,所以不宣称。
v1 平均 17.6%,对手 18.9%:平均更低,但配对胜率不够。参考样本越少,个体差异越大。
它让 SigComp-CN 4 参考从 26.0% 降到 20.0% 并胜出,却让 ChiSig 从 13.9% 升到 15.1%。必须在贵行数据上量。
演示站的阈值是在合成数据上定的:真实签名图库的排序 12/13 正确,但所有真实样本都落进了重点复核。阈值不能跨数据源搬用。
公开的中文签名库以简体为主,我们今天给不出繁体的数字。这是试点的必测项。
公开库的熟练伪造由志愿者模仿完成;真实作案者可能更强。试点应纳入贵行的历史伪造案例。
⏱ 本页 1.6 分钟 · 主线 346 字
这一页讲我们没赢的地方。第一,SigComp-CN 十二参考:AdaBN 后平均 11.4,对手 11.7,平均略好,但没过逐对判定,所以我们不宣称。第二,ChiSig 两参考,同样平均更低但配对胜率不够。
第三,AdaBN 是取舍:它让一个中文库胜出,却让另一个变差。第四最实际:演示站阈值在合成数据上定,真实签名的排序是 12/13 正确,但全部落进了重点复核。阈值不能跨数据源搬用,必须在贵行重定。
演示站的真实签名来自一份 CC BY 4.0 的法证签名数据集,原始是手写板采集的动态轨迹,我们离线渲染成图像。它和扫描件的差别正好说明了阈值迁移问题。排序 12/13 是指在十三组「真签、熟练伪造、随机伪造」里,真签得分最高的组数;研究轨模型是 11/13。
这四条都写进了交付文档。证据部分到此,下面讲上线前的鲁棒性。
⏱ 本页 0.3 分钟 · 主线 73 字
第四部分。基准里的签名都在干净白纸上,而贵行的单据有底纹、有横线、扫描分辨率也不一定统一。这一部分讲哪些因素会把所有模型一起打垮,以及部署和安全。
| 模型 | 尺度随机 | 固定尺度 | 固定尺度 + 去横线 |
|---|---|---|---|
| SigNet (Hafemann 2017) | 44.1 | 6.2 | 5.4 |
| SigNet-S (Viana 2023) | 32.3 | 4.9 | 3.9 |
| FKD ResNet18 (Tsourounis 2025) | 37.2 | 10.0 | 6.0 |
| 交付成员 D2f | 29.0 | 3.3 | 2.7 |
| 交付成员 D2f + D5 集成 | 29.4 | 3.1 | 2.4 |
指标:同一签名叠在不同底纹上 vs 熟练伪造的 EER(%,越低越好)。D9 未参与此探针。
模拟扫描分辨率不统一:同一签名以不同大小出现在底纹上。
按墨迹宽度对齐到训练尺度,相当于全行统一扫描 DPI。
再去掉支票上的印刷横线,只留签名笔画本身。
⏱ 本页 1.6 分钟 · 主线 330 字
我们用一个公开的支票底纹库做了探针:把同一个签名叠到不同底纹上,看模型会不会把它当成另一个人。第一列是尺度随机:所有模型都在 29.0 到 44.1 之间,等于没法用,包括已发表的模型。
第二列固定尺度,我们的集成降到 3.1;第三列再去掉印刷横线,降到 2.4,每个模型都受益。
口径要说清楚:这个探针用的是交付集成里的两个 ResNet 成员,D9 当时还没有进入这项测试,所以表上没有三成员集成的数字,我们不外推。即使在固定尺度下,印刷底纹对特征的扰动也和重新写一遍签名差不多,所以建议裁切到签名框、单据底纹尽量素。
下面三张小卡解释了三列分别模拟什么。所以上线前两件事:固定扫描分辨率,以及去横线。还有一个反直觉的提醒:如果客户可能用红笔签,不要开去红章。下一页看部署和性能。
| 成员 | 1 线程 p50 (ms) | 4 线程 p50 (ms) | sha256 前缀 |
|---|---|---|---|
| D2f · ResNet18 | 27.7 | 7.5 | 4af9190c59c6 |
| D5 · ResNet18 | 27.7 | 7.5 | 6cf5e3fbae04 |
| D9 · ConvNeXt-T | 71.7 | 26.1 | 41474669c54d |
release_facts.py 在发布文件上实测生成;贵行硬件不同,冒烟脚本会给出本机数字。⏱ 本页 1.5 分钟 · 主线 317 字
部署很简单:纯 CPU。四线程下三成员集成单张约 41.1 毫秒,单线程 127.1 毫秒。大头是 ConvNeXt 成员,26.1 毫秒,每个 ResNet 成员只要 7.5;表里还有每个文件的哈希前缀。
交付物是一个离线镜像、三个模型文件和一个冒烟脚本,在断网环境里把注册、校准、核验完整跑一遍。不需要 GPU,不需要外网,也不需要把数据交给我们。
测试机是 AWS 上的 AMD EPYC 16 vCPU。批量核验时吞吐取决于并发方式:多个进程各用少量线程通常比单进程多线程吞吐更高。镜像默认用户是非 root 的 uid 10001,数据目录要给它写权限,或者按冒烟脚本的方式指定运行用户。
这些数字是在发布文件上实测生成的,贵行硬件不同,冒烟脚本会给本机数字。下一页讲安全。
账号以 KMS 下发的密钥做哈希后才进模板目录与日志。未配置密钥时退回无密钥 sha256,并在每一行审计日志标注 sha256-unkeyed。
模板是特征向量,属于生物特征数据。加解密钩子由行内提供;未配置时启动即告警,并在每个模板元数据写 encryption: "none"。
每次核验一行 JSONL:模型哈希、阈值版本、区间、理由码。复核员与审计都能回溯「当时用的是哪个模型、哪版阈值」。
模型哈希覆盖集成的每个成员且有序;不同模型的模板与阈值不会混用,换模型必须重新注册与校准。
| 贵行提供 | 用途 | 缺失时系统怎么做 |
|---|---|---|
KMS 密钥 SIGVERIFY_ID_KEY | 账号的密钥哈希 | 退回无密钥 sha256,每行审计标 sha256-unkeyed |
| 加解密钩子 | 模板加密存储 | 明文存储,启动告警,元数据写 encryption: "none" |
| 负样本池(他人真签) | 每位客户分类器的负例 | 拒绝注册:no_negative_pool |
| 开发集人员(真签 + 熟练伪造) | 按目标误受率定阈值 | 拒绝核验:no_thresholds;伪造不足时阈值文件写警告 |
⏱ 本页 1.3 分钟 · 主线 283 字
安全这页的原则写在标题:缺什么就响亮地说缺什么。账号用 KMS 密钥哈希;没配密钥时会退回普通哈希,但每一行日志都标出来。模板属于生物特征数据,加密钩子由贵行提供;没配就启动告警、元数据写明未加密。审计日志每次一行,记录模型哈希和阈值版本。
负样本池那条我要特别提醒:如果池里混进了正在注册的客户本人的签名,他自己的签名会被当成「别人」,真签分数就会被压低。软件目前不检查这一点,需要在数据准备流程里保证。这一条我们也写进了运维手册。
下面这张表是贵行需要提供的四样东西,以及缺了每一样系统会怎么做:要么留痕降级,要么拒绝工作,没有凑合着跑的。这一部分讲完了,最后看下一步。
⏱ 本页 0.2 分钟 · 主线 38 字
最后一部分。我的建议很简单:用贵行自己的数据,把今天的每一个结论重新量一遍。
导入镜像与模型,核对 sha256,断网跑通冒烟脚本
固定分辨率扫描;真签 + 熟练伪造;负样本池
原模型 vs AdaBN,compare 决定
按贵行目标误受率生成阈值文件
与人工并行,不影响业务,只比较
| 步骤 | 验收标准 | 负责方 |
|---|---|---|
| 环境就绪 | 三个文件 sha256 与发布记录一致;冒烟脚本在 --network none 下通过 | 贵行运维 · AWS 远程支持 |
| 准备开发集 | 开发集人员与测试人员不重叠;熟练伪造数量足以支撑目标误受率(不足时阈值文件会警告) | 贵行业务与影像 |
| 选模型 | 得到一份配对的 compare 报告,记录选择理由 | 贵行 · AWS 协助解读 |
| 校准阈值 | 留出人员上的实测误受率接近目标值 | 贵行 |
| 影子运行 | 得出「重点复核命中的伪造比例」与「通过区间的真签比例」两个业务数字 | 贵行业务 · AWS 复盘 |
一台断网的 x86 服务器;固定分辨率扫描的开发集;负样本池;KMS 密钥与加解密钩子。
一份 compare 报告、一份阈值文件、影子运行的两个业务数字,以及是否上线的决策依据。
⏱ 本页 1.5 分钟 · 主线 323 字
试点五步。第一环境就绪,核对哈希、断网跑通冒烟。第二准备开发集,关键是固定分辨率扫描,要有真签也要有熟练伪造。第三用 compare 在原模型和 AdaBN 之间选。第四按贵行的目标误受率校准。第五影子运行,和人工并行,不影响业务。
关于开发集规模,经验值是:要在 1% 误受率上定阈值,熟练伪造至少要几百张,否则阈值本身的统计误差就比 1% 大。如果短期内凑不齐熟练伪造,可以先用较宽的目标误受率做影子运行,同时积累伪造样本。
下面每一步都有验收标准。最后一步的产出是两个业务数字:重点复核抓住了多少伪造,通过区间里有多少真签。这两个数决定要不要正式上线。表下面两张卡是试点前贵行要准备的、和试点结束时贵行拿到的。整个过程我们不接触贵行任何数据。下一页是常见问题。
可以,且研究轨结果说明有空间。但训练要 GPU 与数据治理审批,建议在试点数字出来后再立项,训练数据同样要走许可登记。新模型照样要过同一套 15 列判定。
模型看的是笔迹形态而非字符本身。但公开基准以简体为主,繁体签名的效果必须在贵行开发集上验证,这是试点的必测项,开发集应按简繁比例抽样。
模板可随新的已核验签名更新;参考样本越多越稳,少于 4 张会被标注并收严阈值。更新只能用已人工确认的签名,否则伪造会被学进模板。
我们实测了 DINOv2/v3、SigLIP 2 等通用视觉模型作为对手,直接用都不如专门训练的模型;云 API 则不满足数据不出行。通用模型的数字都在总表的对手里。
新文件、新哈希。模型哈希变化后旧模板与阈值不会被误用,需要重新注册与校准;冒烟脚本可在断网环境先验证新版本,再切换生产。
当前是离线图像核验。手写板轨迹可以渲染成图像接入(演示站已这样做),但未针对笔速、压力等动态特征优化;如有需要,可作为独立课题评估。
⏱ 本页 0.8 分钟 · 主线 163 字
六个常见问题,我挑三个说。Q1,能不能用贵行数据继续训练?可以,研究轨的数字说明有空间,但建议等试点数字出来再立项。Q4,为什么不用大模型?我们把 DINOv3、SigLIP 2 这些通用视觉模型都当作对手测了,直接用都不如专门训练的。Q5,模型更新换哈希,旧模板和阈值不会被误用。
其余三个在页上,有兴趣我们会后细聊。最后一页总结。
Q2 展开:我们的合成数据生成器用开源字体加笔顺骨架和运动学模型生成签名;繁体方面我们没有公开的繁体签名基准可以量,所以不在今天给数字。Q3 展开:模板更新必须只用已经人工确认过的签名,否则伪造会被学进模板。Q6 展开:演示站的真实签名就是手写板轨迹渲染出来的,排序结果在局限那页讲过。
⏱ 本页 0.7 分钟 · 主线 156 字
三句话总结。约束:数据不出行,系统不拒绝,每个降级都留痕。证据:在 18 个对手、逐对多种子的严格判定下,12 列胜出,四个没见过的语种全胜,输的地方也写清楚了。上线:固定分辨率、行内校准。
下面四个数字是今天最值得记住的。我们的请求只有一个:一份固定分辨率扫描的开发集,和一个断网的测试环境。谢谢大家,下面是提问时间。
⏱ 本页 0.3 分钟 · 主线 57 字
提问环节我就停在这一页。右边是会后可以提供的三份材料:完整总表和判定明细、许可声明、运维手册。有任何问题请直接提。