高併發人臉驗證系統架構實踐：拆分檢測與驗證服務，支撐每分鐘 8500 次請求且 p99 延遲低於 1.8 秒

據報導，開發團隊分享了高併發人臉驗證系統的架構設計經驗。該非同步架構在每分鐘 8500 次請求的峰值時段，能將端到端驗證結果的 p99 延遲維持在 1.8 秒以內。 系統架構分為四個主要層級： - 客戶端捕獲層：在設備端檢測頭部姿態、亮度與模糊度。據 15 萬活躍用戶的企業系統實測，單月篩除 210 萬張無效幀，節省近 30% 雲端處理成本。 - 預處理網關：將輸入統一標準化為 1080p 等解析度、PNG 轉換為 JPEG，並糾正 EXIF 旋轉問題。 - 解耦服務：將無狀態的 CPU/GPU 密集型「檢測」與有狀態的 I/O 密集型「驗證」拆分為獨立微服務。在流量洪峰時，檢測服務從 4 個實例擴展至 8 個，而驗證服務維持 2 個。 - 決策引擎：依業務場景設定置信度閾值，例如一般登入需 0.8，高價值交易需 0.95 以上。 在隱私與安全方面，系統採用零信任架構，不傳輸原始用戶 ID，圖像上傳至 Blob 儲存的存活時間（TTL）設為 15 分鐘，過期即物理清除，且傳輸強制使用 TLS 1.3。此外，團隊指出目前如 Azure Face API 等服務受「負責任的人工智慧」（RAI）計畫限制，需提交正式申請，據其 2026 年的經驗，審核週期通常為 3 至 5 週。