信身份认证、反洗钱、终端安全等，为中国、印尼等 14 个国家和地区的 70 余家合作伙伴提供技术服 务。ZOLOZ RealId 产品采用深度学习模型提供实人认证、人脸识别、证件核验等组合能力，帮助客 户解决数字化渠道下实人认证相关的体验和安全问题，应用于金融业务核身、人证核验、人脸登录等 多种场景。 业务痛点： 让金融机构能够快速构建专属的智能体，以“数字员工”的身份处理客户咨询、执行交易、分析报告、 管理风险： 降低。搭载至强 ® 6 处理器，在承载同等规模智能体服务时，所需服务器节点数量减少了 30%， 金融机构由此可降低 25% 的硬件采购与运维成本。 安全应用：在线支付的“刷脸”瞬间，需要同时完成活体检测、人脸比对和交易风险评估。英特尔 处理器的强大算力确保了 ZOLOZ 服务在极端并发压力下，保持低于 100 毫秒的响应速度。蚂 蚁数科基于“以 AI 对抗 AI”的创新理念，构建的高效智能检测防御体系⸺ZOLOZ

首先，卷积神经网络（CNN）在图像分析中展现了惊人的能 力，其主要特点是能够保留图像中的空间信息。对于视频数据，可 以将视频帧作为输入，经过多层卷积和池化操作提取出关键特 征。CNN 的结构简单而高效，适合进行人脸识别、对象检测和行 为识别等任务。 其次，LSTM 网络是一种能够处理序列数据的深度学习模型。 由于其引入了记忆单元，LSTM 能够有效捕捉视频中的时间动态变 化，适合用于连续帧数据分析。在公共安全场景下，如异常行为检 明度。 5. 适用性与泛化能力：模型应具备良好的泛化能力，能够适应不 同场景及条件下的应用需求。 具体选择上，建议考虑以下模型进行实施： 模型类型 应用场景 优势 限制 CNN 图像识别、人脸识 别 特征提取能力强，结构简 单 对时间信息处理不够全面 LSTM 行为识别、异常检 测 能够处理时间序列数据， 记忆能力强 训练时间长，要求较高的 计算资源 3D CNN 视频内容分析、分 键帧提取，然后利用卷积神经网络（CNN）对面部特征进行分析， 进而通过情感分类模型实现情感的自动识别。具体流程如下： 1. 视频输入：系统获取监控视频流。 2. 关键帧提取：利用算法筛选出具有代表性的帧。 3. 面部检测：采用人脸检测算法（如 Haar Cascades 或 SSD） 定位面部区域。 4. 特征提取：通过 CNN 模型提取面部表情特征。 5. 情感分类：将提取的特征输入训练好的情感分类模型，输出情 感标签。

车辆动态监测同样至关重要，包括车辆位置、车内温度、湿度 及噪音等多项指标。这些数据通过车载传感器实时采集，使得运营 方能够实时了解车辆的运行状态与环境变化。 对于车站人流的监测则多依赖于视频监控系统、红外线传感器 和人脸识别技术等。这些技术不仅能够统计进出车站的人流量，还 可以实时分析人流密度情况，进而为乘客安全管理与服务优化提供 依据。 为了确保数据的准确性与可靠性，需建立完备的数据传输与存 储架构。采用 不仅能延长设备使用寿命，还有助于减少维修成本，提高经济效 益。 近年来，智能安防系统也逐渐成为轨道交通的一个重要发展方 向。AI 大模型可以通过视频监控分析乘客行为，识别异常情况，提 高事故预警能力和响应速度。同时，结合人脸识别技术，增强安全 检查和乘客身份验证，提升乘客的安全感。 能源管理与环境保护也是未来城市轨道交通行业关注的重 点。AI 技术能够实时监控列车能耗，优化行驶方式，从而降低能耗 与排放。通过能 在高峰小时段，通过 AI 优化调度，列车平均等待时间可减少 20%，同时提升了整个系统的通行能力。 其次，在乘客服务方面，AI 大模型能够提供智能化的导航服务 和信息推送，帮助乘客更高效地规划出行路线。当结合人脸识别与 智能客服系统时，乘客能够通过手机端实时了解列车运行状态、车 站出入口信息以及周边的服务设施。这种方法的应用可以显著提升 乘客的出行体验，调查显示，79%的乘客更愿意选择具有智能服务 功能的交通工具。

通过持续学习用 户反馈，不断优化推荐模型，提升推荐精准度。 用户管理模块负责多角色的权限分配和身份验证。根据岗位职 责，设置不同权限级别，确保数据访问和操作的安全性。通过多因 素认证技术，如人脸识别、短信验证等，强化用户身份验证。同 时，支持用户的创建、修改、删除和查询操作，便于企业进行人员 管理。 日志监控模块记录系统运行中的关键操作和异常事件，便于问 题的追踪和排查。日志数据按照时间、操作类型和用户进行分类存

未来的技术创新还包括对自然语言处理（NLP）和计算机视觉 （CV）技术的应用。DeepSeek 将通过 NLP 技术实现更加智能的 客户服务和自动化文档处理，提升客户体验和运营效率。CV 技术 则可用于身份验证和欺诈检测，通过人脸识别和图像分析，提高银 行的安全性和客户信任度。 为了更好地推动技术创新，DeepSeek 还将加强与学术界和产 业界的合作。通过与高校和研究机构的合作，DeepSeek 能够获取 最新的科

权限越界检测 | 比对用户角色标签与操作资源的 ACL 策略 | 即时 终止会话并告警 | | 操作频率监控 | 基于时间序列分析 API 调用模 式，识别异常峰值 | 触发人脸识别等多因素认证 | 日志分析模块内置三种检测算法并行运行： 系统每季度自动生成合规性矩阵报告，通过以下维度量化审计 质量： 1. 关键操作日志完整率（要求≥99.99% ） 2. 合规检查平均

的困扰。用户难以判断交互对象及生成内容的来源是否为AI系统，进而难以鉴别内容的真 实性，这将直接影响用户的判断，可能导致误解或误判。此外，大模型生成的高仿真图片、 音频、视频等内容，可能轻易绕过现有的人脸识别、语音识别等身份认证机制，导致认证鉴 权失效，给相关业务的安全性带来严重威胁。 （3）不当使用引发信息泄露风险。在保险企业的日常业务工作中，若工作人员不规范、 不当地使用大模型服务，将内部