2016年7月12日,EMVCo组织与FIDO联盟正式宣布合作,将协作开发如何将FIDO身份认证标准纳入EMVco的支付用例中。本次合作目的在于探索在持卡人设备的认证程序上运用生物识别技术,从而提升支付便捷性和安全性,减少全球消费诈骗,提升移动支付用户体验。
目前,双方已签订谅解备忘录(MOU),将用于指导评估及决定EMVCo提供的支付用例集成到FIDO联盟的技术标准中的方法和时间。合作将从FIDO认证协议如何支持EMVCo标准的持卡人验证技术展开,这一步探索的结果将决定双方未来的合作。
EMVCo董事会主席Jonathan Main表示:“这是移动支付的时代,我们希望可以让用户更切实感受到使用移动设备进行身份认证的便捷。我们将有效结合EMVCo支付标准与FIDO联盟在身份认证领域的成功经验,使用户可通过指纹或面部识别等生物识别手段进行身份认证。与FIDO协议结合后,持卡人的生物信息将在移动设备上进行存储、处理,因此设备即使在没有连接网络的情况下都可顺利验证身份。从终端用户层面来说,将可以为持卡人提供更便捷、安全的身份验证手段;从市场层面来说,将更有利于移动支付市场的更长久、稳定的发展,最根本同时也是最重要的是,极高的安全性将有效地降低移动支付欺诈案件的发生。”
EMVCo于1999年成立,是负责制定与维护国际支付芯片卡标准规范的专业组织,管理和规范EMV标准的实施,其现有成员包括万事达、Visa、JCB、美国运通、中国银联等。值得一提的是,中国银联于2015年7月起担任EMVCo管理委员会轮值主席,这是银联自2013年正式加入该组织后首次履任该职。EMVCo标准的存在是为了方便世界各地的互操作性和安全验收支付交易。
针对本次合作,FIDO联盟执行董事Brett McDowell表示, “FIDO联盟着眼于身份认证领域,一直积极与其他标准组织合作,通过资源共享、优势互补,最终达到合作共赢。本次FIDO联盟与EMVCo携手又是一次积极的合作示范, 随着EMVCo移动支付标准被越来越广泛地采用,对于高安全、便捷、兼用的身份认证方式的需求大大提升,而FIDO联盟的使命就是满足这样的需求,通过与EMVCo的合作,能有效加快移动身份认证标准在全球支付领域的普及。
FIDO联盟于2012年成立,由联想、PayPal等6家高科技公司组成,FIDO联盟作为国际产业联盟标准组织,自成立开始就致力于构建更安全、更便捷的身份认证标准体系,让数据和信息得到更好保护的同时,解决用户面临的创建和记忆多个用户名和密码的问题。从而确保用户能够随时随地在任意设备、应用或服务上使用FIDO身份认证。
此次合作将在全球范围内带来积极的效应,作为移动支付产业大国的中国将受益匪浅。对此,FIDO联盟中国区的主席、现任国民认证CEO的柴海新表示:"很高兴FIDO与作为全球银行卡领域首屈一指的标准组织EMVCo合作, FIDO中国组将全力支持各项事务,未来会将合作成果引入中国,建立符合中国国情和政府规范的国内身份认证标准,为中国用户打造安全的支付环境。"
由于移动互联网和生物识别技术的快速发展,使用生物特征进行移动支付已逐渐成为支付产业发展过程中势不可挡的潮流,双方合作正是顺应了全球支付行业发展的趋势。未来,FIDO联盟与EMVCo将展开更深层次的合作,共同为用户提供更优质的服务,提升支付的安全和便捷,推动全球支付产业的发展。两大组织强强联手,或将为移动支付领域带来新的发展契机。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。