Intro

从 DBMS 的发展上看，目前针对非结构化数据的 AI 知识数据库系统的欠缺。

新一代生物识别

从一个具体应用实例的角度进行介绍

AI+生物识别

行业内三条共识（要求）：精准可靠，主动便携，保护隐私。同时也推动了相关的许多研究方向。

以墨奇的超大规模指纹库案例进行讲解，提到的挑战以及解决主要以下

基于深度学习图像搜索的方法和挑战

• 对环境因素的敏感
• ...

解决方法

向量和图的多尺度表示和高精度搜索

从底层构建视觉信号的多尺度表达，自适应小波模型的衍生，多尺度的同时有效编码的。以及搜索友好的...

小样本自学习框架

自适应多尺度特征的小样本自学习框架（可以无需标注、小样本学习）

无接触指纹便携采集和识别

• 曲面重建相较于平面更加复杂，提供的信息也更多，应用场景更加便携
• 思考和自动驾驶以及其他场景三维重建技术的区别与联系？

保护隐私的可信生物识别

生物特征变得像密码一样使用生物特征，而无需存储特征

不可逆（给定变换特征，不能获取原始的生物特征，数学上是要可证明的）、可撤销、非关联

密码学+生物识别

采用简单的 Hash？hash 函数的安全性要求海啸效应，微小的变动会产生完全不同的 hash 函数，那么同一个的

里德·所罗门码（纠错码的应用！），将特征映射到有限域多项式曲线中的点，增加额外点的混淆，从而保证安全性，困难问题保证：多项式重建复杂问题。 （RS 的冗余保证了容错的粒度，理论上讲是这样）。

总结之前的工作

• 新一代的生物识别的要素：精准可靠、主动便捷、保护隐私
• 在政府和民用领域应用空间广阔
• 生物识别也是非结构化数据库的一个成功应用

主讲：在公司里的研究更加贴合前沿且实际的问题或是需求，更像是从阿兰图灵以及

从结构化数据库到 AI 知识数据库

同时支持传统的结构化数据以及非结构化数据，上层提供简单的抽象

利用向量和图对于复杂数据做统一表征

在数据库中进行弹性学习

针对Data Gravity，希望直接在DB上进行实验或训练（向上提供everything in SQL 的接口）。