VeryAI 籌集 1,000 萬美元種子輪資金，推出基於掌掃的「真實性證明」平台

VeryAI 籌集了 1,000 萬美元種子輪資金 ，用於開發所謂的世界上第一個 「真實性證明」平台 ，該平台旨在驗證在線上互動的人是否真正是人。這輪融資由 Polychain Capital 領投， Berggruen Institute 和 Anagram 參投。該公司的第一個產品是一個基於掌掃的身份驗證平台，無需專用硬件，僅需使用標準智能手機即可運行。

隨著人工智慧系統使得圖像、視頻、聲音和整個數字身份的偽造變得越來越容易，驗證在線上真實性的挑戰也越來越大。 深度偽造 和 AI 生成的媒體已經可以繞過許多傳統的驗證方法，包括面部識別和一次性驗證碼。VeryAI 的方法引入了一個新的生物特徵層，以解決這個不斷擴大的數字信任差距。

該公司計劃使用新資金擴大其更廣泛的「真實性證明」安全平台，開發工具以區分真實人和合成身份以及 AI 生成的演員在數字系統中。

身份驗證為何進入新階段

每一次重大技術轉變都需要新的身份驗證方法。密碼和網絡安全協議伴隨著互聯網的出現，而智能手機則普及了生物特徵驗證，例如指紋和面部識別。

生成式人工智慧的崛起創造了一個新的漏洞。現代 深度偽造工具 可以從公開可用的照片中重建面部圖像，並生成令人信服的複製品，從而繞過許多現有的身份檢查。同時，攻擊者也在不斷地突破系統，組織被攻破的時間也越來越短，給安全團隊留下了越來越窄的反應時間窗口。

面部識別技術也面臨著準確性的爭議，尤其是在不同人群中的準確性差異。一些研究發現，錯誤的正面率會根據民族和訓練數據而有很大差異。結合面部圖像在線上的可用性，這些因素都引發了人們對於面部識別是否能夠保持為可靠的數字身份標準的質疑。

在這種背景下，研究人員和安全公司正在探索其他更難以複製或收集的生物特徵信號。

一種生物特徵信號藏於眾目睽睽之下

VeryAI 的系統以一種生物特徵為中心，這種特徵在公眾視野中相對較少被提及： 人類的手掌 。

雖然面部圖像在社交媒體和公共圖像中經常出現，但手掌則很少被攝影或以高分辨率錄製。這使得攻擊者更難以捕獲和複製手掌。手掌結構也包含著複雜的靜脈、線條和幾何特徵，從而創造出了一個非常獨特的生物特徵信號。

根據該公司的說法，其基於手掌的驗證系統在掃描單手時產生的錯誤接受率約為一百萬分之一。當使用兩隻手時，該率提高到約一百萬億分之一，接近該公司所描述的近乎完美的準確性。

同樣重要的是，這項技術不需要專用硬件。用戶只需將手舉起在智能手機相機前。計算機視覺算法從手掌圖像中提取生物特徵，並生成用於身份驗證的數學表示。

這種設計允許組織通過標準移動設備部署掌掃驗證，而無需專用的生物特徵掃描器。

無需硬件的身份驗證

傳統的生物特徵系統通常依賴於自定義硬件，例如指紋讀取器、紅外掃描器或專用的面部識別傳感器。雖然在受控環境中這些系統是有效的，但在大規模部署時可能會很昂貴。

VeryAI 的平台試圖通過軟件運行來消除這個障礙。該系統使用智能手機相機和計算機視覺模型相結合，計算機視覺模型被訓練為以高精度識別手掌特徵。

從部署的角度來看，這種架構允許身份驗證在任何智能手機可用的地方運行。考慮到智能手機現在已經被大多數成年人在發達市場所擁有，這種方法大大擴展了生物特徵驗證可以運行的環境。

該公司的初始商業模式針對需要大規模強身份保證的組織，包括：

• 金融科技平台
• 加密貨幣交易所
• 社交媒體網絡
• 政府身份系統
• 在線市場

VeryAI 提供其技術作為一個整合的驗證服務，根據組織每月的驗證活動收費。

隱私設計

生物特徵系統通常引發了有關個人數據存儲和保護的擔憂。許多生物特徵平台中的一個主要風險是原始生物特徵圖像（例如指紋或面部掃描）可能會成為攻擊者的目標，如果存儲不當。

VeryAI 表示其架構完全避免了存儲生物特徵圖像。

當用戶驗證其身份時，系統從手掌圖像中提取區別特徵，並將其轉換為 不可逆的數學表示 。這種表示不能用於重建原始手掌圖像，也不能直接與人的身份相關聯。

與其維護一個中央生物特徵數據庫，系統生成了一個 不可追蹤的標識符 ，該標識符證明驗證事件發生，而不暴露底層的生物特徵輸入。

這種模型類似於加密憑證系統，其中驗證結果被存儲，而不是原始個人數據本身。通過將身份驗證與可識別的個人信息分離，該平台旨在減少與生物特徵數據庫相關的風險。

為互聯網建立「真實性證明」層

該公司將其更廣泛的願景描述為為數字世界建立一個「真實性證明」基礎設施層。

隨著 AI 代理和合成媒體的普遍，區分人類活動和自動或虛假行為可能會變得越來越困難。社交網絡已經在與機器人檢測的鬥爭中掙扎，而金融平台則面臨著來自 AI 輔助欺詐的日益增大的威脅。

VeryAI 正在開發額外的工具，以驗證 AI 代理的真實性，幫助組織確定數字實體是否由真實的人控制。

這個概念最終可能會擴展到超越身份驗證，包括媒體、交易和通信的真實性信號。在這樣的系統中，交互會攜帶加密證據，證明它們來自真實的人類參與者。

數字信任的未來

身份驗證可能很快就會成為 AI 時代最關鍵的基礎設施挑戰之一。

生成式人工智慧系統正在迅速改進，生成合成圖像、聲音和文件，模仿真實個體。同時，在線交互——從金融交易到社交參與——越來越多地通過數字平台進行，身份驗證在這些平台上可能會很困難。

在這樣的環境中，能夠證明參與者是真正的人類的系統可能會成為數字生態系統的基礎組件。

生物特徵信號，例如掌掃模式，可能是一種前進的途徑，特別是如果它們可以在不需要專用硬件的情況下被廣泛部署。結合隱私保護的加密方法，該技術可能會實現既安全又最小化侵入性的驗證系統。

隨著時間的推移，「真實性證明」框架可能會擴展到超越身份檢查，影響去中心化治理、數字媒體身份驗證和 AI 代理責任等領域。

當人工智慧繼續重塑在線景觀時，能夠可靠地驗證什麼是真實的——以及誰是真實的——可能會成為十年來最重要的技術挑戰之一。能夠在不犧牲隱私或可用性的情況下提供這種保證的系統可能會在重建數字世界信任中發揮關鍵作用。