据介绍，看似平常的一笔支付，在支付宝的安全体系中，途经了很多环节。但这些环节对于用户而言，其实根本感知不到，因为它们的用时也就只有一秒钟。为什么可以这么快速？这就要感谢其背后的技术实力了，3000台服务器，80多万行代码， 1000多位技术专家，以及众多资金与安全小二的支撑。
小微金服方面介绍，但即使在这样的技术防范下，目前支付宝用户最担心的话题并非黑客，而是一些恶意举动，例如，知道商家的登录账号，输入多次错误密码导致账号被锁。
而此次分享日，小微金服对外界展示的安全技术，可以与现有的数字密码形成有效补充，甚至在部分场景和环节，其安全性远超数字密码。这些技术在未来的应用，不仅可以极大提升互联网安全性，亦将安全体验带入到生物识别时代。
小微金服方面还表示，密码的取代是有一个过程的，取代也只是一部分手段，未来可能还会包括设备的取代或者高风险识别。技术成熟度和使用场景的结合，可能都是未来取代场合中考虑的范围。
陈龙：互联网金融在经济转型期大有可为
10月15日下午，在小微金服2014NEXT分享日上，长江商学院副院长、金融学教授陈龙作了开场主题演讲。他认为，在未来中国经济增长方式转型期间，互联网在给金融消费者的服务方面有很大前途。
陈龙认为，全球来看，在过去一段时间，中美两国的经济增长模式互为补充，一个是生产大国、一个是消费大国。“现在消费大国，甚至可以说消费过度的美国经济出现了问题，那么中国的经济增长方式也会相应出现变化”。未来，以出口和投资拉动的经济增长方式需要转型，中国未来长期肯定是消费拉动。
在这种宏观经济背景下，互联网给金融行业带来了渠道和信息两方面的变化。渠道改变了金融产品和服务的销售方式；而信息技术部分地解决了金融行业中信息不对称的问题。
“谁能最大程度地降低不确定性，谁就能有最多的机会”。陈龙认为，未来，在网上理财、保险、小贷等领域都有大量机会，从这个角度来说，有平台的公司更有优势，“他们可以利用大数据、网络征信等”，让技术改善提升金融服务。
而从具体的金融产品而言，未来包括传统的信贷、保险等方面都会产生巨大改变。陈龙举例，在理财产品方面，2013年末美国家庭和非盈利性部门的总资产为92.7万亿美 元，其中金融资产为65.0万亿美元。在金融资产中存款及类存款资产为9.6万亿美元，占金融资产的比重仅为15%；各种债券类资产3.8万亿美元，股票和共同基金类资产20.4万亿美元，两者合计占金融资产的比重为37%；退休金及其他资产31.2万亿美元，占金融资产的48%。
相比之下，中国家庭的金融资产配置却以存款为主，虽然没有确切的统计数据，但估计约在80%左右。根据央行2014年8月末的金融机构信贷收支表，国内家庭部门的存款余额为49.3万亿元，国内非金融企业部门的存款余额为39.5万亿。假设20%可以互联网化，大概有8万亿的市场空间。家庭和非金融企业合计大概有33万亿的市场空间。
“而在小贷方面小微企业和个体工商户贡献60%的GDP，以2013年中国GDP56.8万亿计算，小微企业和个体工商户贡献34万亿，假设小微企业和个体工商户部门的债务融资/ GDP合理比例是50%，则潜在融资需求约为17万亿。”陈龙表示。
他介绍，2011年～2013年，经营互联网保险业务的公司从28家增加到76家，互联网保费收入从31.99亿元增加到317.9亿元。相比之下，2013年整个保险行业的保费收入为1.7万亿元，可以互联网化的空间很大。再加上中国保险业的渗透率很低，只有世界平均水平的1/3，“所以假设未来中国保险行业年保费收入达到现在的3倍，也就是5.1万亿元，其中互联网化的保费有50%，大概会有2.5万亿元的空间。”
下面来了解这些前沿的安全科技。问题来了：未来网购，你准备刷脸还是刷手呢？
人脸识别传统的人脸识别是基于脸部局部特征的描述而做出判断。现代技术则是直接将大量的人脸数据以裸像素的形式输入到深度神经网络中，通过逐层学习，逐步得到能够区分不同人的视觉特征，并将这种特征以权重的方式记忆在神经元的连接中，以模拟人类大脑在进行人脸识别任务中的工作方式。
声纹识别
每个人发音讲话，都是口舌、声道、鼻腔、胸肺多重配合的结果，任何两个人的声纹图谱都不相同。特定设备可采集声音，转化成数字信号，几秒的语音就会产生庞大数据量，成为辨识依据。
掌纹识别
掌纹对比，不仅可以比对掌纹主线和褶皱的方向和位置信息，还可以计量掌纹图像的重心、均值、方差等，得到一个特征字典。依靠特定设备采集掌纹，转换成数字信号，瞬间产生庞大数据，可成为辨识依据。
指纹比对包括对总体特征，比如纹形、三角点、纹数的比对，还包括对局部特征点的比对，比如断点、分叉点、转折点等。长期实践证明，只要比对的13个特征点重合，就可以认为是同一个指纹。
笔迹识别
新型的笔迹识别早已超越静态的笔迹图形比对，而是包含了对动态书写过程的采样与比对，包括笔画书写顺序等，整个书写过程被分拆成大量点序列数据，继而通过特定算法进行可靠概率评估。
击键识别
通过在交易平台部署控件，系统可以采集用户按键持续时间、间隔时间、敲击压力、甚至是握手机姿势等数据。通过数据模型，抽象出用户键盘行为的基本模式，用于身份识别。
