“Gait Based Authentication System using ML. doable or not?”——这一英文标题近日在国内外科技圈引发热议。步态，即每个人独特的行走方式，能否像指纹、人脸一样成为新一代生物识别密码？在机器学习（ML）加持下，这一设想正从科幻走进现实，但质疑声同样不绝于耳：步态真能作为稳定、安全的认证凭证吗？本刊记者梳理了全球最新研究与争议，试图回答这一问题。
技术原理：你走路的姿势就是你的“签名”
与指纹、虹膜等静态特征不同，步态是一种动态行为生物特征。人体行走时，每个关节的摆动幅度、节奏、步长、躯干倾斜角度等数据构成了独一无二的“运动图谱”。传统步态识别依赖视频或图像分析，但光线、遮挡、视角变化常导致精度下降。机器学习，特别是深度学习（如卷积神经网络CNN、循环神经网络RNN）的引入，让系统能从原始传感器数据（如摄像头帧序列、惯性测量单元IMU读数）中自动提取高维特征，并学习个体行走模式的时空规律。
据国际期刊《Pattern Recognition》2023年一篇综述，基于深度学习的步态识别在受控环境下准确率已超过95%，部分实验室成果甚至逼近人脸识别水平。例如，日本东京大学团队利用3D骨架提取加Transformer模型，实现了跨视角步态识别，在CASIA-B公开数据集上达94.8%的Rank-1识别率。中国科研机构同样活跃，中科院自动化所开发的“步态识别系统”已在部分安防场景试点，支持远距离、无感通行。
现实落地：应用场景与商业试探
之所以被热捧，在于步态识别拥有两大独特优势：非接触性和难以模仿。在新冠疫情后，戴口罩使人脸识别失效，步态识别因不需露脸而备受关注。医院、海关、高保密园区开始尝试将其作为“二次验证”手段。例如，华为与旷视科技合作在办公楼出入口部署了基于摄像头+边缘计算的步态分析系统，员工无需刷卡或摘口罩即可通行。
此外，智能手机上基于加速度计、陀螺仪的“行走步态认证”也已进入测试。苹果公司在2021年获得的专利显示，其正研究如何利用手机内置运动传感器识别机主步态，作为Face ID和Touch ID的补充。理论上，用户只需正常走路数十步，手机便可“记住”其步态模式，用以解锁或验证支付。
争议重重：步态真的可靠吗？
尽管前景诱人，但行业内外对步态认证的可行性仍存巨大争议。核心痛点集中在三个维度：
1. 环境与状态干扰大。 步态极易受路面状况、鞋子类型、负重（背包/提物）、情绪、疲劳、甚至季节衣物影响。研究显示，穿着高跟鞋与平底鞋时，一个人的步态特征差异可导致错误拒绝率上升超过20%。若系统无法鲁棒地处理这些变化，日常使用将寸步难行。
2. 感知与隐私难题。 高精度步态识别需要摄像头持续捕捉行走视频，这引发严重隐私担忧。即便只提取骨架点，部分用户仍认为“连走路都被监控”过于侵犯个人自由。此外，地面安装压力传感器、IMU等替代方案虽保护隐私，却难以在公共环境大规模部署且易磨损。
3. 安全性存疑。 指纹可以伪造，人脸照片可以欺骗，步态同样可能被模仿。攻击者只需通过观察目标行走习惯（如视频片段学习），便可能复制其步态“签名”。2022年，浙江大学一项实验表明，使用GAN生成的仿生步态序列，可骗过早期基于LSTM的认证系统，成功率高达78%。这意味着步态认证在对抗攻击面前仍显脆弱。
可行还是不可行？专家如是说
“单独依赖步态进行高强度认证，目前还不现实。”国际生物识别学会资深会员、卡内基梅隆大学计算机视觉教授 Kristin Wright 在接受本刊远程采访时表示，“但作为多模态认证的一环，例如步态+人脸/声纹融合，则是极具潜力的方向。”她指出，步态最大的价值在于“被动”和“持续”——用户不需要主动配合，系统可以在自然行走中反复确认身份，类似于“边走边验”。这对反欺诈、安防监控场景具有独特吸引力。
国内安全技术专家、清华大学网络研究院副研究员李明则认为，机器学习模型的泛化能力是瓶颈：“实验室数据采集自固定路线、步速、地面，而真实世界是无限复杂的。要让模型‘理解’一个穿雨靴走泥泞路的人仍然是同一个人，需要海量、多样化的训练数据，而这恰恰是最难获取的。”
前景展望：三年内有望进入“辅助认证”阶段
综合各方信息，本刊认为：纯粹的、高安全等级的步态认证短期内（1-3年）不大可能完全取代传统生物特征，但在中低安全场景（如办公打卡、体育场馆入场）以及多模态融合系统中，“doable”（可行）已成定论。 当前多家科技公司正在优化抗干扰算法，并尝试结合联邦学习保护用户隐私。预计2025年后，随着边缘AI芯片和时序模型的成熟，步态认证将作为“无感”“无接触”的补充方案逐渐渗透日常应用。
行走，是人类最自然的行为之一。当机器学习学会了“看懂”这一步一步间隐藏的身份秘密，我们需要回答的不仅是技术可行性，还有伦理与法律的边界。毕竟，每一步都自带数字脚印的时代，或许真的不远了。