電子商務於行動支付應用上，個人身份驗證扮演著行動服務是否成功的重要角色，而生物特徵為最安全且友善的驗證機制，然而人臉驗證系統建置，常有不易收集大量訓練樣本的問題。為了克服低訓練樣本、低正確率的問題，我們結合「流形學習」與「偏頗分析」技術在人臉驗證系統中，利用投影方法，將高維流形空間中的原始人臉影像資料，投影到降低資料維度的特徵空間，流形學習方法可以克服少量訓練樣本數的問題，避免少量樣本問題導致無法有效鑑別及減少資料維度問題，而偏頗分析則是改進傳統鑑別學習，著重於學習正樣本模型，忽略負樣本分布，減少負樣本分布凌亂的衝擊，藉以得到最合適正確樣本的投影空間，如此一來，可以增加資料鑑別度。

上圖為「流形學習」與「偏頗分析」示意圖。圖中矩形、圓形及星形，相同圖形表示相同人的人臉影像，綠色圖形表示正確樣本，紅色則為錯誤樣本。本技術目的在找到一個投影空間，除了降底維度，同時可以縮小正確樣本之間的距離；增加錯誤樣本與正確樣本的距離，藉以增加驗證率。