T-CQJR 007-2023 銀行業(yè)便民服務 音視頻應用技術要求

ICS03.060A11準Bankingconvenienceservices—Audio/videoapplication—TecIT/CQJR007—2023 I II III 12規(guī)范性引用文件 13術語和定義 14縮略語 25概述 35.1技術架構 36服務功能及服務渠道 36.1服務功能 36.2服務渠道 46.3遠程柜面服務 46.4業(yè)務咨詢服務 46.5公共便民服務 46.6智能雙錄服務 47通用技術要求 57.1音視頻通信技術要求 57.2適配能力要求 57.3安全要求 57.4服務端功能要求 57.5客戶端功能要求 58智能化技術要求 68.1總體要求 68.2身份判別要求 68.3意愿判別要求 68.4真實性判別要求 68.5合規(guī)保障 7附錄A（資料性）偽造人臉攻擊類型及防偽性能指標 8A.1偽造人臉攻擊類型 8A.2人臉防偽性能指標 8參考文獻 10T/CQJR007—2023本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內容可能涉及專利。本文件的發(fā)布機構不承擔識別這些專利的責任。本文件由馬上消費金融股份有限公司提出。本文件由重慶市金融學會歸口。本文件起草單位：馬上消費金融股份有限公司、重慶農村商業(yè)銀行股份有限公司、重慶國家金融科技認證中心有限責任公司。本文件主要起草人：蔣寧、高硯、李云峰、周期律、秦逞、王建新、劉志強、田成志、鄭力、盧華瑋、魏鑫、吳娟、陳黎、晏然。T/CQJR007—2023隨著銀行業(yè)數(shù)字化轉型不斷深入，金融業(yè)務“零接觸”辦理已成潮流，大量金融服務實現(xiàn)了遠程或自助式音視頻辦理，并在人工智能技術的加持下不斷豐富。當前，人工智能與音視頻技術深度融合，并與業(yè)務辦理中的錄音錄像（雙錄）監(jiān)管要求相結合，實現(xiàn)“雙錄”的同時進行身份認證核實、身份信息采集、反欺詐風險識別等，既滿足風險提示和記錄留痕等監(jiān)管要求，又提升了金融服務效率和用戶體驗。中國銀保監(jiān)會也于2022年1月18日下發(fā)了《中國銀保監(jiān)會辦公廳關于做好銀行代理保險業(yè)務整改工作有關事項的通知》，從政策上鼓勵銀行類保險代理機構在滿足合規(guī)要求前提下探索遠程雙錄制度。該類服務由于其便捷性和易獲得性，能夠突破時空限制，為用戶提供方便、快速的金融服務，可廣泛應用于銀行業(yè)便民服務場景，極大提升人民群眾滿意度。當前，銀行業(yè)針對音視頻應用缺乏系統(tǒng)性的標準體系，技術提供者和產品使用者缺少統(tǒng)一的標準途徑。本文件在考慮上述情況的基礎上，給出了銀行業(yè)金融機構音視頻應用技術要求。1T/CQJR007—2023銀行業(yè)便民服務音視頻應用技術要求本文件規(guī)定了音視頻應用在銀行業(yè)便民服務中的音視頻應用技術要求，包括服務功能、服務渠道、通用技術要求、智能化技術要求等。本文件適用于銀行業(yè)相關機構對音視頻應用的設計研發(fā)和測試評價。2規(guī)范性引用文件下列文件中的內容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T5271.29-2006信息技術詞匯第29部分:人工智能語音識別與合成GB/T36460-2018信息技術生物特征識別多模態(tài)及其他多生物特征融合GB/T38427.1-2019生物特征識別防偽技術要求第1部分：人臉識別GB/T38671-2020信息安全技術遠程人臉識別系統(tǒng)技術要求GA1277.1-2020互聯(lián)網交互式服務安全管理要求第1部分：基本要求3術語和定義下列術語和定義適用于本文件。3.1智能雙錄intelligentaudioandvideorecording金融機構在提供金融服務時,采用現(xiàn)代化的音視頻技術和智能化技術，同步錄音錄像，并對音視頻進行智能化識別和分析。3.2語音識別voicerecognition利用功能單元進行的，從語音信號到語音內容的某一表示的轉換。[來源：GB/T5271.29-2006，29.1.30]3.3語音合成speechsynthesis2T/CQJR007—2023人工語音的生成。[來源：GB/T5271.29-2006，29.1.40]3.4人臉識別facerecognition基于人的面部特征對該個體的自動識別。[來源：GB/T38671-2020，3.1.2，有修改]3.5活體檢測livenessdetection對解剖學特征、無意識或有意識的反應的度量和分析，以確定采集到的人臉樣本是否來自于采集端的活人。3.6多模態(tài)識別multi-modalfusionrecognition一種基于多模態(tài)進行識別得到確定結果的生物特征識別技術。3.7人臉在框檢測faceinframedetection通過對視頻流中的人臉進行捕捉、檢測、對比等一系列處理，實時監(jiān)測用戶在視頻全過程中是否離開屏幕范圍的技術。3.8電子簽名electronicsignature以電子形式所含、所附，用于識別簽名人身份并表明簽名人認可其中內容的數(shù)據。3.9聲紋識別voiceprintrecognition根據待識別語音的聲紋特征識別該段語音所對應的說話人的過程。4縮略語下列縮略語適用于本文件。LDFAR：活體檢測錯誤接受率（LivenessDetectionFalseAcceptanceRate）LDFRR：活體檢測錯誤拒絕率（LivenessDetectionFalseRejectionRate）OCR：光學字符識別（OpticalCharacterRecognition）RTC：實時音視頻技術（Real-timeCommunication）RFID：射頻識別技術（RadioFrequencyIdentification）VTM：遠程視頻柜員機（VideoTellerMachine）3T/CQJR007—20235概述5.1技術架構銀行業(yè)便民服務音視頻應用可利用人臉識別、聲紋識別、活體檢測、語音合成、語音識別、自然語言處理等多種人工智能技術，并融合實時音視頻通信技術，實現(xiàn)“零接觸”金融服務的智能化、自助化和標準化。該應用應嚴格保障消費者的合法權益，既滿足風險提示和記錄留痕等監(jiān)管要求，又提升金融服務效率和用戶體驗。其應用架構如圖1所示。a)基礎支撐：構建音視頻應用的基礎支撐能力，包括系統(tǒng)注冊配置、消息服務、監(jiān)控、系統(tǒng)日志、系統(tǒng)管理等功能；b)銀行業(yè)金融業(yè)務系統(tǒng)：現(xiàn)有的金融業(yè)務系統(tǒng)，與音視頻應用實現(xiàn)業(yè)務數(shù)據交互；c)數(shù)字化能力：構建音視頻應用的核心能力。音視頻通信能力是“零接觸”金融服務的基礎。AI算法能力通過智能化技術滿足“零接觸”金融服務的合規(guī)要求和便利性要求。身份校驗能力通過結合外部個人身份數(shù)據，進行用戶真實身份校驗。電簽能力滿足線上業(yè)務辦理需求。影像平臺實現(xiàn)音視頻數(shù)據的存儲、回放、質檢等功能；d)接入中心：接入中心為前端應用提供音視頻服務能力的接入，包括業(yè)務權限、能力權限的認證、服務路由功能以及接入日志的管理；e)前端支撐：前端支撐實現(xiàn)各類前端服務功能的接入，包括插件類和客戶端類；f)服務功能：音視頻應用為銀行業(yè)提供的金融服務功能。6服務功能及服務渠道6.1服務功能銀行業(yè)金融機構音視頻服務宜支持包括但不限于以下服務功能：——遠程柜面服務；——業(yè)務咨詢服務；——公共便民服務；——智能雙錄服務。4T/CQJR007—20236.2服務渠道銀行業(yè)金融機構宜在包括但不限于以下渠道提供音視頻服務：——銀行營業(yè)網點；——普惠金融服務點；——離行式便民金融服務終端；——移動金融客戶端應用；——移動展業(yè)設備。6.3遠程柜面服務6.3.1遠程柜面服務渠道宜在銀行營業(yè)網點智能柜臺、VTM等智能機具、普惠金融服務點智能機具、離行式便民金融服務終端、移動金融客戶端、移動展業(yè)設備提供遠程柜面服務。6.3.2服務要求——服務標識：宜在銀行營業(yè)網點、普惠金融服務點、離行式便民金融服務終端的醒目位置，通過張貼相關標識，提示客戶網點、設備提供遠程柜面服務；——服務引導：網點工作人員應詢問客戶需求，根據需要引導客戶通過遠程柜面辦理，并在業(yè)務辦理過程中提供幫助。6.3.3服務上線——應在人流量較大網點優(yōu)先上線遠程柜面服務，分流傳統(tǒng)柜面服務，減少客戶等待時間；——宜按照柜面業(yè)務交易頻率，優(yōu)先上線高頻業(yè)務，滿足客戶主要金融服務需求；——可在鄉(xiāng)村地區(qū)約時服務網點上線遠程柜面服務，提升金融服務可獲得性。注：約時服務網點是指非每日營業(yè)，僅在約6.4業(yè)務咨詢服務6.4.1業(yè)務咨詢服務渠道宜在普惠金融服務點、離行式便民金融服務終端、移動金融客戶端應用等自助式服務渠道提供業(yè)務咨詢服務。6.4.2服務要求宜將相關渠道自助式業(yè)務辦理模式與音視頻業(yè)務咨詢功能有機結合，在客戶難以完成自助操作時，提供語音命令接入、一鍵呼叫接入等便捷化的音視頻服務接入方式。6.5公共便民服務宜發(fā)揮銀行渠道優(yōu)勢，在公共服務機構未覆蓋地區(qū)，通過鄉(xiāng)村營業(yè)網點、普惠金融服務點、離行式便民金融服務終端，或通過銀行工作人員攜帶移動展業(yè)設備走村入戶，為客戶辦理公共便民服6.6智能雙錄服務5T/CQJR007—2023在滿足合規(guī)要求前提下，宜將雙錄與智能化技術結合，用智能化技術實現(xiàn)雙錄過程中的身份認證核實、身份信息采集、反欺詐風險識別，提供無需客服坐席的用戶自助雙錄能力。客戶能夠突破時間、地域的局限，隨時接受金融服務。7通用技術要求7.1音視頻通信技術要求本項要求包括：a)采用RTC實時音視頻技術。實時通話時延不高于300ms，網絡丟包不高于10%時，應能保證正常的實時通話；b)應支持常見的視頻編碼，如H.264、VP8、VP9等，支持常見的音頻編碼，如OPUS、G722、PCMU、PCMA等，并支持動態(tài)碼率；c)視頻應支持多分辨率，如480p、720p、1080p，支持動態(tài)分辨率；d)音頻應支持回聲消除、自動增益、自動降噪；e)應采用加密算法進行音視頻數(shù)據及信令數(shù)據加密傳輸。7.2適配能力要求本項要求包括：a)應適配常見操作系統(tǒng)：Windows、macOS、Android、iOS；b)應適配常見終端設備：VTM及智能柜臺等銀行智能機具、iPad、手機、PC；c)應支持通過小程序、H5、PC、APP、桌面客戶端等渠道提供服務。7.3安全要求應按照《互聯(lián)網交互式服務安全管理要求第1部分：基本要求》（GA1277.1-2020）的要求對訪問權限進行控制和管理，并對網絡與系統(tǒng)安全、數(shù)據安全、個人信息進行管控。7.4服務端功能要求本項要求包括：a)應支持不同應用場景下音視頻服務流程配置。具備常見應用場景流程庫，并支持自定義流程；b)宜支持問答知識庫管理，針對服務過程中的客戶問題，坐席可通過簡易搜索獲取問題答案；c)應支持對服務流程中的協(xié)議、合同等文檔的管理，可查詢、新增、編輯和下載文檔；d)宜支持利用統(tǒng)計圖表的形式對音視頻服務的趨勢、質檢結果、失敗情況、調用次數(shù)等進行可視化展示；e)應支持坐席排隊、客戶排隊規(guī)則設定，具備坐席技能屬性管理功能，可根據排隊規(guī)則及坐席技能屬性進行排隊路由；f)應支持視頻加水印，水印的內容可自行設置，具備防偽作用；g)應滿足服務端音視頻錄制，并根據不同應用的具體要求，對文件進行存儲；h)應支持在錄制結束后回放視頻，進行審核和查看；i)應支持用戶管理、權限管理、日志管理等功能。7.5客戶端功能要求6T/CQJR007—2023本項要求包括：a)客戶端登錄時應支持實名認證，進行身份核驗及獲得相關授權；b)客戶端宜同時支持單客戶業(yè)務場景和多客戶業(yè)務場景；c)應支持服務流程中協(xié)議、合同等文檔的瀏覽和查看；d)宜支持抓拍視頻中用戶照片、身份證照片、證明文件照片等，并支持照片留存和刪除；e)宜支持音視頻服務的預約功能，并可進行預約記錄管理；f)宜支持實時白板互動，包括互動涂鴉、軌跡實時同步、白板與音視頻實時同步錄制、回放等功能，幫助還原面對面溝通的互動體驗；g)宜支持PC端與移動端屏幕內容共享，輔助用戶辦理業(yè)務，提升溝通效率；h)應提供視頻簽約服務，支持數(shù)字簽名、電子簽章、電子簽名、手寫簽批等功能，支持將整個簽約過程進行完整的視頻記錄。8智能化技術要求8.1總體要求宜利用計算機視覺、智能語音、自然語音處理等智能化技術，降低業(yè)務辦理難度，提高業(yè)務辦理效率，保障消費者的合法權益，滿足記錄留痕等要求，提升服務體驗。8.2身份判別要求可利用人臉識別、證件識別、人證合一校驗等技術，實現(xiàn)用戶的真實身份判別，具體包括：a)提供對用戶身份證件的OCR識別或RFID掃描功能，OCR識別可對身份證正面三要素（姓名、性別、身份證號碼）及身份證反面的二要素（身份證有效期、公安機關）進行識別；b)可將采集到的人臉圖片、用戶姓名、身份證號等信息通過公安數(shù)據庫等渠道進行權威比對，判斷證件信息與檢測到的人臉信息是否為同一人，確認證件有效，信息真實；c)基于臉部特征信息，提供1:1人臉識別?？砂凑誈B/T38427.1-2019技術要求，進行人臉防偽識別，判斷用戶是否為本人、真人。人臉偽造攻擊類型及防偽性能指標參考附錄A。8.3意愿判別要求可在智能雙錄等服務中利用語音識別技術、自然語言處理技術，有效采集客戶對業(yè)務辦理的真實意愿，滿足合規(guī)要求，具體包括：a)利用語音識別技術，對客戶的語音回復進行實時文本轉寫；b)利用自然語言處理技術，在人機或人人的音頻交互中，通過計算機對通話內容的認知、理解，輔助進行客戶真實意愿判斷。8.4真實性判別要求可在智能雙錄等服務中利用人臉識別、活體檢測、聲紋識別等技術，判別服務或交易的真實性，具體包括：a)在音視頻通話過程中，實時利用人臉識別技術，結合靜默活體檢測和動作活體檢測，判斷音視頻服務中的人臉是否來自于真人活體，抵御紙質翻拍照、電子翻拍照以及視頻翻拍等攻擊方式。同時利用人臉在框檢測，判斷用戶是否離場；b)可要求用戶根據隨機生成的數(shù)字，在識別環(huán)節(jié)進行復述，并根據復述音頻中的聲紋特征對用戶身份真實性進行判別；7T/CQJR007—2023c)按照《信息技術生物特征識別多模態(tài)及其他多生物特征融合》（GB/T36460-2018）的要求，利用人臉、聲紋等多模態(tài)生物特征，對用戶真實身份進行多模態(tài)識別。8.5合規(guī)保障應在人工雙錄及智能雙錄等服務中進行實時或離線音視頻質檢，規(guī)范業(yè)務辦理流程，保障消費者合法權益，具體包括：a)應利用用戶身份校驗、電子簽名等方式確認獲得用戶同意辦理相關業(yè)務和采集個人音視頻數(shù)據的授權；b)應支持自動平衡分辨率、幀率和碼率，確保服務過程被充分客觀地記錄并留存，保證服務全流程可追溯，且滿足合規(guī)要求；c)可利用語音識別技術將音視頻通話內容實時轉寫形成字幕，輔助客戶理解產品和服務內容；d)宜利用語音合成技術，將文本轉化成擬人化語音，自動播報產品信息、風險等級、用戶權利責任，避免服務人員弱化或隱瞞風險、夸大產品收益，保障消費者合法權益；e)宜提供離線音視頻智能質檢功能，并支持服務過程全程實時質檢，輔助判別音視頻服務全程滿足合規(guī)要求，并且音視頻質量滿足錄制要求。如出現(xiàn)不滿足情況，應及時進行預警。8T/CQJR007—2023附錄A（資料性）偽造人臉攻擊類型及防偽性能指標A.1偽造人臉攻擊類型A.1.1概述偽造人臉攻擊包括但不限于二維假體攻擊、三維假體攻擊、偽造人臉呈現(xiàn)攻擊和注入攻擊。A.1.2二維假體攻擊二維假體攻擊類型包括但不限于：a)二維靜態(tài)紙質圖像攻擊，考慮的因素包括但不限于利用打印紙、相紙等進行翻拍；b)二維靜態(tài)電子