## 前言

腾讯云把官网的 AI 能力封装成标准 Skill，开放给 WorkBuddy / CodeBuddy / ADP 这类智能体平台做二次开发。这次征集把「安全风控」列为了重点方向——而远程身份核验恰好是这条线上最该被拎出来讲的场景：镜头前到底是不是本人、是不是真人、有没有被 AIGC 换脸，每个问题都对应一个现成的 Skill，天然适合串成一条完整链路。

我干了一件简单的事：用 WorkBuddy 做编排，把腾讯云三个现成的 AI Skill 串成一条能跑通的远程身份核验链路，覆盖「面试 / 线上考试」这种摄像头场景。这篇文章不是 API 调参教程——那种东西看文档就够了——而是复盘这条链怎么从一句需求长出来、每层防御的设计取舍、真实跑出来的效果，以及我截不掉的边界。

---

## 一、 WorkBuddy 与 Skill 联动：项目开发

整个项目是从一条给 WorkBuddy 的指令开始的。原话如下（这就是我开发时实际用的项目提示词）：

```
制作一个远程面试/线上考试身份核验链路
使用这些 Skills：detectface + compareface + detectaifakefaces
痛点：远程场景下的"是不是本人、是不是真人、有没有换脸攻击"
做法：摄像头取帧 → 活体/人脸检测 → 与证件照比对 → 防护盾拦 AIGC 换脸 → 输出核验报告
契合点：完整链路、思考空间大（攻击样本怎么造、误判怎么处理）
安全风控是征集重点方向
```
![image.png](https://developer.qcloudimg.com/http-save/yehe-11941136/bd2f8523df261ae3db6e9169094a37a8.png)
这条指令已经把链路形态、三个 Skill 选型、要解决的三个痛点都框定了。WorkBuddy 这边承担的是「编排与沉淀」角色——它把三个分散的云端能力串成一条有头有尾的业务流：

- **Skill 提供感知**：`detectface` / `detectaifakefaces` / `compareface` 三个腾讯云 Skill，各自负责人脸检测、AI 防护盾、人脸比对
- **WorkBuddy 负责执行**：本地跑 `verify_chain.py` 调度链路、`server.py` 起 Web 服务、`attack_bench.py` 做攻击验证，把结果沉淀成可复现的报告

开发过程本身也是分层的。先读了 `faceid-remote-verify` 这个已沉淀的 Skill，确认三个 API 的真实 endpoint、Action 和签名方式（防护盾在 `faceid` 域名，其余在 `iai` 域名），再在 workspace 下新建独立项目，而不是直接改 Skill 原文件——保持 Skill 干净，项目可独立交付。

---

## 二、 链路架构设计：三 Skill 协同的分层防御

![flow.png](https://developer.qcloudimg.com/http-save/yehe-11941136/24a82720fc9770cdc3abe7bc6023030f.png)

远程身份核验面对的不是「拍张照对比一下」，而是三层叠加的攻击面：

| 攻击层 | 手法 | 单 Skill 能挡吗 |
|---|---|---|
| **成像绕过** | 缺光 / 大角度 / 戴口罩 / 模糊——摄像头前根本看不清脸 | DetectFace 可（质量检测），但常被跳过 |
| **AI 合成** | InsightFace 实时换脸、DeepFaceLive 推流、数字人驱动 | CompareFace 挡不住（换完后相似度照样高） |
| **身份冒充** | 真人在摄像头前，但拿的是别人的证件 | 活体检测挡不住（确实是"真人"） |

也就是：**人脸比对不防 AI 换脸；活体检测不防真人替考；防护盾不防正常拍摄的不同人**。同一道题三个解法，各自只挡一层——所以必须串。

### 2.1 顺序有讲究：先判死活，再辨真身

```
① DetectFace（IAI） →  不合格直接拒（质量/口罩/大姿态）
② DetectAIFakeFaces（FaceID） →  检测到 High 攻击风险直接拒
③ CompareFace（IAI） →  相似度低于阈值才拒
④ 综合判定 →  PASS / REVIEW / REJECT
```

**关键决策：防护盾放在比对前面。** 因为 ② 判定 High 攻击后，③ 比对比得再高也没意义——换脸图跟证件照本来就很像。把 ② 前置，一条短路能省掉后面的 API 调用（腾讯云 API 按量计费，每通都是配额）。

### 2.2 三个 Skill 两个域名：多写一行 client 的教训

DetectFace 和 CompareFace 属 **IAI 产品线**，域名 `iai.tencentcloudapi.com`。DetectAIFakeFaces 属 **FaceID 产品线**，域名 `faceid.tencentcloudapi.com`。如果用一个 SDK client 调三个 API，腾讯云签名校验不报错，返回 HTTP 200 加一串完全不相关的业务码（比如明明有脸却返回「未检测到人脸」）。排查了四十多分钟才定位到域名。所以 `verify_chain.py` 里建了两个 client：

```python
iai_client = CommonClient("iai", "2020-03-03", cred, "ap-guangzhou")
faceid_client = CommonClient("faceid", "2018-03-01", cred, "ap-guangzhou")
```

### 2.3 为什么没接身份证 OCR

同方向有同行接了身份证 OCR 串成四 Skill。我这里只做「人证核验」：假设证件信息报名阶段已校验，链路聚焦「镜头前这个人是不是证件上的那个人」。这是取舍，不是省事。

### 2.4 判定函数里的三个灰度设计

`decide()` 写成纯函数，mock 和真实模式共用同一套阈值逻辑：

```python
def decide(detect, antifake, compare, cfg):
    if not detect.get('ok'):
        return {'result': 'REJECT', 'reason': detect.get('reason') or '检测未通过'}
    level = antifake.get('level', 'Low')
    if level == 'High':
        return {'result': 'REJECT',
                'reason': f'防护盾命中 High: {",".join(antifake.get("details", []))}'}
    if level == 'Mid':
        if cfg.get('strict'):
            return {'result': 'REJECT', 'reason': 'Mid 风险 (strict 模式)'}
        # Mid 默认放行，review_hints 留人工二次核验提示
    score = compare.get('score', 0)
    th = cfg.get('compare_threshold', 70)
    if score < th:
        return {'result': 'REJECT', 'reason': f'相似度 {score} < {th}'}
    if score < th + 5:
        return {'result': 'REVIEW', 'reason': f'相似度 {score} 灰区 [70,75)'}
    return {'result': 'PASS', 'reason': '核验通过'}
```

- **70 分阈值**：腾讯云 CompareFace 参考区间是 <70 大概率非同人、70-80 需其他证据、>80 明显同一人。取 70，是文档建议加业务取舍。
- **5 分灰区**：Score 70-75 → `REVIEW`，宁可请人工也不误杀。
- **Mid 双轨**：防护盾 Mid 默认放行（避免误拦真人的模糊帧），`--strict` 模式也拦——线上考试用 default，金融 KYC 用 strict。

---

## 三、 项目展示

项目结构极简，四个文件各司其职：



```
interview-verify/
├── verify_chain.py     # 链路核心：run_chain() 入口 + decide() 判定
├── server.py           # 零依赖 Web（http.server 标准库）
├── attack_bench.py     # 攻击样本验证（批量跑防护盾）
└── public/index.html   # 摄像头前端（getUserMedia 实时取帧）
```

**`verify_chain.py`** 是链路大脑。`run_chain()` 统一入口，接收 selfie + idcard 两张图，依次调三个 Skill，最后用 `decide()` 出判定。报告结构统一带 `scenario / mock / review_hints / timestamp` 字段，`review_hints` 专门承载误判处理的思考附注。

**`server.py`** 用 Python 标准库 `http.server` 实现，**零第三方依赖**。无密钥时自动降级 mock（前端能完整体验 UI 和判定逻辑），配了 `TENCENTCLOUD_SECRET_ID / SECRET_KEY` 并开通 IAI + FaceID 后自动切真实调用。前端感知不到差异。

![image.png](https://developer.qcloudimg.com/http-save/yehe-11941136/3d8fd11b860ef8d5a321336ae1355e6c.png)

**`attack_bench.py`** 是独立的验证脚本：把攻击样本目录甩给它，只调 DetectAIFakeFaces 批量跑，输出每张图的 High/Mid/Low 计数统计——用来量化「防护盾到底能拦什么」。三种可复现的攻击样本构造思路写在注释里：实时 AI 换脸（InsightFace `inswapper_128` + DeepFaceLive）、屏幕翻拍（4K 投屏 + 高拍仪）、公开数据集（FaceForensics++ / DFDC）。

---

## 四、 运行展示

`server.py` 起服务后，浏览器开 `http://localhost:8000` 即可。前端用 `getUserMedia` 实时取帧，压缩成 480×640 发后端。三个演示场景对应三种真实攻击：

| 场景 | 预期结果 | 触发节点 |
|---|---|---|
| 正常本人 | PASS（质量 92 + Low 风险 + 相似度 98.6） | 全链路通过 |
| 换脸/翻拍攻击 | REJECT（防护盾命中 High：`SuspectedSynthesisVideo`, `SuspectedReplay`） | ② 短路 |
| 非本人证件 | REJECT（相似度 Score < 70） | ③ 短路 |
录入头像——活体照 + 证件照双栏
![图1-项目开发实录.png](https://developer.qcloudimg.com/http-save/yehe-11941136/aa067c08d2f4183ef96b3a0d276abfcc.png)
正常本人核验通过
![image.png](https://developer.qcloudimg.com/http-save/yehe-11941136/a5997014748f09fd93fb8b858ddb0d9d.png)
换脸/翻拍攻击被防护盾拦截
![image.png](https://developer.qcloudimg.com/http-save/yehe-11941136/e745ec395bd6a1b0b2b4b60fcccfdcc8.png)
非本人证件场景的 REJECT 报告截图
![image.png](https://developer.qcloudimg.com/http-save/yehe-11941136/b056dd86e265f00c0013688ac35f4952.png)

---

## 五、 使用与体验

**交互是为真实场景设计的**：
- 双栏并排（活体照 | 证件照），每个框右上角有「就绪状态点」，没取帧是灰、取了变绿
- 三个演示场景做成一键预设按钮（正常本人 / 换脸攻击 / 非本人），不用手动拨开关
- 核验中主按钮转圈，报告 verdict 带流光动画，节点是带编号的时间线

**攻击验证闭环**：`attack_bench.py` 跑完直接给统计，不需要懂腾讯云签名。这是整条链路「可复现」的关键——别人能拿自己的样本复现你的拦截率，文章才有说服力。

**已知边界（不藏着）**：单帧攻击能挡，持续换脸推流稳不稳需要真机测；3D 打印面具、硅胶头套超出纯软件链路范围；针对腾讯云模型的对抗样本还没纳入测试集；灰区 REVIEW 的人工闭环没写进链路。

---

## 总结

回看整条链路，价值不在用了什么技术——三个 Skill 都是腾讯云现成的 API，调参、调接口、看文档就能接。价值在**我把攻击面拆成三层，每层只守一件事，环与环之间的缝隙靠灰度逻辑补齐**。

当 AI 攻击工具的成本降到不到一块钱，身份核验真正的门槛不在于「能不能做」——而在「一层被突破了，还有没有下一层」。WorkBuddy 把 Skill 串起来的这点缝隙，刚好是创新应用最值得下针的地方。

代码、演示、攻击样本全在 `interview-verify/`。投递后评论区，等更狠的攻击场景。

腾讯云把官网的 AI 能力封装成标准 Skill，开放给 WorkBuddy  CodeBuddy  ADP 这类智能体平台做二次开发。这次征集把「安全风控」列为了重点方向——而远程身份核验恰好是这条线上最该被拎出来讲的场景：镜头前到底是不是本人、是不是真人、有没有被 AIGC 换脸，每个问题都对应一个现成的 Skill，天然适合串成一条完整链路。

WorkBuddy 与 Skill 联动：搭建远程面试 / 线上考试身份核验全链路

人工智能

安全

开发工具

腾讯云AI Skill实现远程身份核验，通过DetectFace、CompareFace和DetectAIFakeFaces三技能协同，构建分层防御体系。针对面试/线上考试场景，有效识别真人、本人及防范AIGC换脸攻击，提供完整核验链路。项目采用灰度判定机制，优化API调用顺序，确保安全风控效果。

代码解释

WorkBuddy 

智能体

Python

WorkBuddy企业版限时双倍 Credits 活动

workbuddy

热销域名限时优惠，新客首年免费！


domain

人脸识别10万次资源包新用户19.9元起


facerecognition

人脸核身+人脸识别特惠活动0.6折起


faceid

一键玩转AI人脸特效，新用户14.9元起


facefusion

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

WorkBuddy 与 Skill 联动：搭建远程面试 / 线上考试身份核验全链路-腾讯云开发者社区-腾讯云

WorkBuddy 与 Skill 联动：搭建远程面试 / 线上考试身份核验全链路

WorkBuddy 与 Skill 联动：搭建远程面试 / 线上考试身份核验全链路

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐