关于zkDID想法，（1）国际版本：
1.多种活体识别算法的聚合，避免因为一种SDK或方法的伪造。
2.比对人脸前，是用户在移动端输入了个人的姓名或者其他唯一信息，才能开始识别。不是对人进行全网检索。因此他要输入准确映射信息。
3.可私钥恢复
4.兼容提案EIP4367
5.我们已经在钱包层面 dock+valid3，认证方面我们再有一点点创新，我觉得，我们能说服洪总他们了。worldcoin对我们的启发在于是活体的认证；dock的启发在于他把钱包工具化做的完备https://github.com/docknetwork
****几种防欺诈
1.防止硅胶脸套，这样百度的瞳孔颜色反射有效；应识别人的脸上血压变化
2.防止AIfake的三维或视频人，这种百度有效；应识别瞳孔或面部反射光颜色
3.声音已被证明很容易fake，声音的意义不大
4.手机的后置摄像头可以同步识别人的手指生物信息，如血流动等。
3.实时炫瞳活体检测（推荐）通过屏幕上闪烁不同颜色的光线，判断当前用户是否真人操作。通过颜色活体进行面部反光鉴别的同时，百度特加入独有的瞳孔反光识别，提升整体的攻击拒绝率指标。注意：SDK的活体仅检测动作的通过情况，虽然对静态活体攻击防御效果基本为100%，但并不对视频和真人做出区分，一定要配合在线活体接口一起使用，不可单独使用。
****考虑去中心化活体认证方案
2.能否去中心化的活体识别，怎样部署防止隐私信息泄露。或者本地移动端就可以具备计算量。因为认证过的个人照片是可以获取到本地的。本地下载的是原始照片还是照片信息？我觉得可以考虑信息。
（2）国内版本：
5.国内我们在纯web3的公链版本，加上唐博士解决方案+人民币支付+金沙江拍照，打通国内和国际。
6.国内版本，用户手机注册，导出私钥助记词时，强制用户设置2FA验证才能导出。手机验证码是其中之一。导出后助记词具有和活体认证一样的等效权限。但是助记词有了，再下载新的APP导入，用户一样需要2FA输入（至少其中一个验证），防止助记词丢失的危害，也防止手机不能验证的时候。让用户在注册时，未导出助记词时，操作是简便的，一旦开始操作助记词要变得严肃和安全。
A.有关活体认证
https://github.com/ZitongYu/DeepFAS
https://github.com/3DiVi/face-sdk
https://github.com/deepinsight/insightface
https://onfido.com/solutions/biometric-verification/
https://sensity.ai/deepfakes-detection/#
https://github.com/topics/anti-spoofing
https://github.com/topics/face-anti-spoofing
https://github.com/minivision-ai/Silent-Face-Anti-Spoofing
https://github.com/iperov/DeepFaceLab 伪造
B.有关隐私计算活体认证
https://github.com/Tencent/TFace/tree/master/recognition/tasks/dctdp 腾讯人脸
C.有关DID开源方案
https://www.spruceid.dev/didkit/didkit
https://authjs.dev/getting-started/oauth-tutorial#installing-nextauthjs
https://valid3.id/ 用于机构声明公开
https://www.idnow.io/products/identity-wallet/
Meta 在论文中发布的新模型名叫 Segment Anything Model (SAM) 。他们在博客中介绍说，「SAM 已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成 mask，甚至包括在训练过程中没有遇到过的物体和图像类型。SAM 足够通用，可以涵盖广泛的用例，并且可以在新的图像『领域』上即开即用，无需额外的训练。」在深度学习领域，这种能力通常被称为零样本迁移，这也是 GPT-4 震惊世人的一大原因。
https://mmbiz.qpic.cn/mmbiz_png/KmXPKA19gWicQXBy97g2ehW9sicNDOKCJmmLqG6dPxVpWMsFic0T1USHvBo2gd8RquOLorUjXSMu7KdtHwibwvDzqg/640?wx_fmt=png&wxfrom=5&wx_lazy=1&wx_co=1
除了模型，Meta 还发布了一个图像注释数据集 Segment Anything 1-Billion (SA-1B)，据称这是有史以来最大的分割数据集。该数据集可用于研究目的，并且 Segment Anything Model 在开放许可 (Apache 2.0) 下可用。