获悉，近日云丁科技即将完成数亿元C轮融资，有多方资本参与。云丁科技成立于2014年，是一家专注于智能家居领域的科技企业。公司产品主要围绕家居智能安防展开。旗下有鹿客(Loock)、云丁两大品牌，分别针对家用市场和公寓市场：鹿客(Loock)品牌，拥有Touch(指纹锁)、Classic(指纹锁)、Number(密码锁)、Monitor(门窗传感器)、Bell(门铃)等多款智能家居安防产品。云丁品牌，拥有公寓智能门锁、智能电表、智能水表等产品，以及基于上述产品的公寓智能化管理SaaS服务等。目前云丁的智能设备安装量超过85万台，合作品牌公寓超过3000家，在公寓行业智能门锁领域的市场份额超过60%。团队方面，云丁科技CEO陈彬毕业于清华大学电子系，是前百度多媒体云及智能家居平台创始人。核心团队来自百度、小米及世界500强，是国内较早接触到智能生活硬件的一批从业者。此前云丁的融资经历：2014年6月，获险峰华兴、联想之星天使轮融资；2015年4月，获美的、乐视、联想之星A轮融资；2016年5月，获复星集团数千万B轮融资；2016年年底获得嘉实投资、红星美凯龙的5100万B轮融资；2017年9月，获百度风投、小米等近亿元C轮融资。作为智能家居的入口级产品，智能门锁在欧美国家的渗透率已超过50%，日韩超过70%，我国现在智能门锁安装率不足3%，还有很大的市场潜力。但随着市场需求量增大，该领域竞争日趋激烈。2017年中国涌现出上千个品牌，包括采用滑盖设计的亚太天能、Watching智能指纹锁、有转盘式机械密码防盗极构技术的榉树智能、推出云智能指纹锁品牌小嘀的德施曼等。不仅仅是智能锁，智能家居大赛道上的竞争也不断升温。上个月，该领域产生一笔大额融资——杭州的智能家居平台BroadLink宣布完成3.43亿元D轮融资。华为、百度等大公司近期也动作频繁。华为3月8日宣布了HiLink智能家居战略，将联合合作伙伴推出“百亿计划”，在B、C两端同时发力，力争三年打造中国智能家居第一生态。百度与创维、海尔及TCL达成合作，将一起探索智慧客厅、智慧厨房、智慧卧室等场景技术方案。相关阅读首发|智能门锁进入快速增长期，云丁科技获百度风投、小米等C轮融资华为公布智能家居战略：从头部公司切入，三年实现百亿美金流水最前线｜智能家居再布局，百度10.1亿元投资酷开，成为第二大股东

　　总部位于法国巴黎的**品服装B2B电商「Ordre」，近日获得来自阿里巴巴的战略投资。具体金额未披露，但据相关人士透露，融资金额近2000万美元。参加时装周的设计师们，与买手之间的交易模式通常是“SeeNowBuyNow”。对很多买手来说，一是时间和交通成本较高，二是时装周密集季无法错开安排。「Ordre」正是看到了这个痛点，想要运用VR和三维激光扫描技术，帮助买手和零售商们完成在线订货。公司目前与来自全球的156位设计师合作，最近加入的设计师包括StellaMcCartney、ProenzaSchouler、ThomBrowne、VivienneWestwood、Joseph、No.21和PauleKa等。来自93个国家超过2,700多家零售商和买手已经加入ORDRE的在线订购平台。「Ordre」的商业模式体现了科技对服装行业带来的突破性改变。平台提供设计师们的在线陈列室，并通过三维激光扫描技术，用360°全景图像进行服装展示。另外，「Ordre」还利用VR技术模拟时装周现场，帮助买手们挑选服装。所有的服装都是未在市场公开发售的，这意味着世界各地的零售商都可以通过网络，抢先接触设计师发布的新款，不必亲自前往时装周和陈列室。与Joor这样比较成熟的数字化时装批发平台相比，「Ordre」的优势在于VR技术对场景的模拟和360°的服装展示。「Ordre」表示：“特别有趣的一点是，尽管我们是面向B端开发运营的，但是「Ordre」被越来越多的设计师推荐给了他们的个体客户，帮我们拓展了一批C端用户。”未来公司计划通过社交媒体拓展更多C端用户。「Ordre」成立于2015年，目前在巴黎、纽约、香港和伦敦开展业务，并计划在其他地区扩张。该公司由SimonP.Lock（澳洲奔驰时装周创始人、前IMGFashion副总裁）和他的妻子KirstenLock（前时尚芭莎造型总监）共同创立。公司收入主要来自设计师，按照展示位按月收费，并且根据订单数额收取佣金，目前尚未实现盈利。关于此次融资，创始人SimonP.Lock表示：“根据麦肯锡数据显示，中国在未来十年内将成为世界上**的**品消费市场。Ordre将在阿里巴巴的支持下加速技术迭代、更好地为设计师赋能，并打开一条通往中国**品市场的道路。”此笔投资对阿里巴巴来说也具有战略意义。去年8月，天猫推出LuxuryPavilion**品电商入口，表明了它在**品市场的野心。天猫时尚与**品集团总裁JessicaLiu表示：“对Ordre的投资代表我们想进一步扩大在全球时尚市场上的影响力，同时巩固我们作为品牌合作伙伴的地位，帮助国际品牌和中国高端消费者建立联系。”

　　品牌：三星SAMSUNG产地：韩国型号：SHS-5230XBR/EN饰面颜色：粉色指纹容量：100枚密码：10组应急钥匙：5个联网：与家庭智能化系统对接开启方式：指纹密码密码指纹钥匙

　　编者按：本文来自“量子位”（ID：QbitAI）作者：晓查、郭一璞。。如果有一种特殊的指纹，可以和绝大多数人的指纹对上号，大概率破解身边的几乎所有的指纹锁，会发生什么？你房门的指纹锁，滴滴，破解；你手机的指纹锁屏，滴滴，破解；你微信支付宝的指纹支付，滴滴，破解；……毛骨悚然。然而，现在真的有研究者发现了这种“万能指纹”的制造方法，最高破解率76.67%。纽约大学的研究者们最近用GAN造出了一种“万能指纹”DeepMasterPrints。在6种不同条件的实验中，DeepMasterPrints最高的破解成功率高达76.67%！几乎是一击必杀，和之前非GAN制造的“万能指纹”几乎无差别。而提升最为明显的是第二项，用GAN生成的单个“万能指纹”破解成功的概率从6.6%提高到了22.5%（0.1%容错率）。想象一下，如果指纹门锁大量普及，而小偷用“万能指纹”就可以挨家挨户尝试解锁，就有超过五分之一的大门被打开，简直比撬门更方便。破解率成功率超76%需要说明的是，为了便利性，指纹识别系统都会容忍一些“误差”，即允许一定的错误指纹通过认证，如果没有的话，可能你给女朋友剥个皮皮虾把手戳了就解不了锁了。允许错误的概率越大，则指纹识别越不容易报错，但安全性也会随之降低。但是容错率也不能太低，否则正确指纹被误判的概率会增大，就会导致你无法解锁自己手机的情况更容易出现。所以指纹识别系统需要在便利性和安全性之间做出权衡。研究人员用DeepMasterPrints生成的“万能指纹”分别在三个不同安全级别下进行测试，对不同的场景进行优化。用GAN造了6种“万能指纹”：安全级别由容错率（falsematchrate，FMR）区别，分别为：1）最高安全级别，容错率0.01%2）中等安全级别，容错率0.1%3）最低安全级别，容错率1%每个安全级别下，都有油墨按压式指纹（类似于在纸上按手印）和电容式指纹（手机上常见的指纹识别形式）两种，最后由2个指纹数据集，共生成了6种指纹。第一行是油墨按压式指纹，第二行是电容式指纹；从左到右容错率依次为0.01%、0.1%、1%实际检测结果如下：从表中可以看出，在更高的安全等级下，DeepMasterPrints对电容式指纹的破解概率更高，在系统容错率0.1%时，是油墨按压式指纹的2倍。而我们使用的大多数手机采用的是电容式指纹识别，其中最高的破解概率达76％，这是否意味着你的手机有容易被破解呢？实际上，任何手机指纹传感器都不太可能在如此低的安全水平下运行。在中等安全级别下，“万能指纹”能有22％的概率骗过传感器。研究者认为，这个数字更能反映真实指纹破解攻击的情况。从手机厂商透露的数据来看，实际上手机的安全级别比容错率0.1%的情况要高得多。例如，苹果手机的容错率仅为五万分之一，国内手机厂商常用的汇顶科技的指纹识别技术，其容错率仅为0.002%。而“万能指纹”在在容错率为0.01%的情况下破解概率仅为1.11%。所以，你的手机被“万能指纹”破解的概率远没有76%那么夸张。你的手机还安全吗？由于“万能指纹”被单个手机识别的概率并不是太高，**想针对你的手机进行破解很难，也不必担心手机修身后被窃取资料，因为手机往往限制使用指纹识别错误的尝试次数。比如iPhone在多次输入错误密码后，系统会提示输入数字密码，若数字密码再错误将锁定手机。这给破解手机带来了更大的困难。但是如果把“万能指纹”用在大规模攻击的场景时，总会有一定数量被破解的用户，对于**来说仍然具有吸引力，批量攻击几十万手机，总有几个“幸运儿”中奖。不过研究者表示，GAN制造的“万能指纹”并不能给指纹识别“判死刑”。但厂商们未来需要考虑降低容错率，提高它的安全等级了。同时，手机厂商们也在考虑用其他生物特征取代指纹用于安全认证，比如刷脸。去年开始，苹果推出面容ID取代指纹识别，把生物识别技术的安全性又提高了一个等级。苹果声称，他人用面部成功解锁你的iPhone的概率为100万分之一，而之前指纹识别的概率仅为5万分之一。更像真人指纹GAN生成的指纹不仅能骗过机器，从肉眼看上去，它也变得更像真实的人类指纹了。从“万能指纹”图像中可以看出，生成器已经学会了人类指纹的一般结构。但仔细观察，有些区域看起来很脏。△左侧是真实指纹，右侧是GAN生成的假指纹这很可能是由于数据是从指纹的随机部分生成的，因此生成器目前还很难学习完整指纹的全局形状。之前也有一些生成假指纹的技术，不过这些技术生成的图像会有锯齿，只能骗过机器，却难以躲过人眼的检查。另外电容式指纹的结果比油墨按压式指纹看起来更好，图像上的污迹较少，并且脊部连接更好。从总体上来看，生成的电容指纹图像始终优于按压指纹。“万能指纹”是怎么来的接下来，我们进入动手操作流程，学习一下制造“万能指纹”的操作流程。首先，找两个数据集既然是用GAN来生成，那就需要先找一些数据集作为养料。作者用到了两个数据集，第一个数据集的名字叫做NISTSpecialDatabase9指纹数据集，这个数据集来自美国国家标准与技术研究院（NationalInstituteofStandardsandTechnology，NIST），大概相当于秦始皇统一度量衡的那个**部门，隶属于美国商务部。这个数据集里的指纹，是5400个人用手指蘸墨水在纸上“画押”生成的，每个人的10根手指都留了指纹，每个指纹都是8位的灰度图像。很显然，没有人会用无名指、小拇指来解锁手机，于是作者去掉了这些用不到的手指，把剩下的指纹图像缩小到256×256像素。不过，之后并不会把整个指纹扔进神经网络，而是随机剪成128×128大小的方格进行投喂。不过很遗憾，量子位发现SpecialDatabase9已经被NIST撤回了，成为了**数据集，不能再从**下载了。另一个数据集叫做FingerPassDB7，比前一个数据集更有现代感，是用电容传感器采集的，一共包含720个人的指纹数据，每个指纹有144×144像素、500dpi的大小。“天选之子”万能指纹有了数据集，我们开始生成指纹。为了骗过指纹识别系统，大概需要三个步骤：1）生成各种可能的指纹；2）把每个生成的指纹去测试一下，看能不能对上号；3）挑出那些成功匹配的了大量指纹识别器的假指纹。看起来和海选差不多，生成无数指纹之后，需要从里面挑出那个天赋异禀的，才能晋级下一关。△生成网络结构作者提出了一个名叫潜变量进化（LatentVariableEvolution，LVE）的方法，首先训练神经网络生成假指纹图像，之后在生成的假指纹中，寻找能匹配最多其他指纹图像的假指纹。为了训练这个生成网络，需要先用WGAN来进行初步的勾勒。之后，需要用到CMA-ES（CovarianceMatrixAdaptationEvolutionStrategy，协方差矩阵适应进化策略），可以搜索训练的神经网络的输入空间，以获得理想的指纹图像，进而完善整个指纹图像，基于古典的“墨水按指纹”方法和现代的“电容传感器”方法采集的两个数据集的生成网络训练方法都一样。△潜变量生成算法生成网络的输入变量，就是潜变量。当生成网络里已经已经汇集了数百个潜变量的时候，生成结果是百维空间里的一个点。△潜变量生成原理利用潜变量生成算法，对这百维空间里的点采样，一个点也就意味着一个指纹数据，转化之后，用AI合成的指纹出现了。不过这些初步的指纹还不足以破解你的手机，需要对这些指纹进行评分，找到破解力MAX的那些，再结合CMA-ES技术，进行下一步的生成转化。OneMoreThing虽然上面生成指纹再破解手机的步骤非常复杂，但如果想破解你手机的指纹，可能非常简单，甚至都用不到神经网络这么高端的东西。上个月，腾讯玄武实验室的一位名叫马卓的小哥哥就用一张普普通通的白色塑料卡片破解了屏下指纹识别。这张白色塑料卡片像镜子一样平整，因此，当其他人隔着小卡片按压屏下指纹识别区的时候，卡片把光线反射回去，顺路经过了手机主人上一次按压时留下的指纹油脂。指纹识别区的光线接收器觉得不错，是主人的指纹的感觉，解锁。真是低门槛、低成本的破解方法呢。传送门最后，照例附上论文地址：DeepMasterPrints:GeneratingMasterPrintsforDictionaryAttacksviaLatentVariableEvolution作者：PhilipBontrager,AditiRoy,JulianTogelius,NasirMemon,ArunRoss