深度解析(2026)《GBT 29268.7-2023信息技术 生物特征识别性能测试和报告 第7部分：卡上生物特征识别比对算法测试》

《GB/T29268.7–2023信息技术

生物特征识别性能测试和报告

第7部分：卡上生物特征识别比对算法测试》(2026年)深度解析目录一从芯片到云端：专家视角深度剖析卡上比对算法测试标准的划时代意义与核心价值锚点二解构测试迷宫：一张图读懂卡上生物特征识别算法性能测试的完整流程与关键决策节点三度量衡的革新：深入探究误匹配率拒真率等核心性能指标在卡上受限环境下的全新内涵与挑战四场景即战场：基于未来多元支付与数字身份生态的测试场景构建与极端边界条件压力测试分析五数据的力量与陷阱：测试用生物特征样本数据集的构建质量控制及其对算法公正性的深远影响六硬件不是黑箱：深入解读智能卡安全芯片等承载环境对算法性能的制约与协同测试方法论七超越准确性：专家带您聚焦算法在资源约束下的功耗速度与鲁棒性等关键工程化指标评测八从实验室到市场：标准如何为卡上生物特征识别产品的认证选型与合规提供可操作的实施指南九隐私与安全的护城河：深度剖析标准在测试过程中对个人生物信息保护及防攻击能力评估的要求十驶向未来：前瞻卡上生物特征识别技术与物联网元宇宙融合下的测试标准演进路径与挑战从芯片到云端：专家视角深度剖析卡上比对算法测试标准的划时代意义与核心价值锚点标准定位之变：从系统到算法，为何聚焦“卡上比对”成为技术独立评价的关键分水岭？本部分解读标准的核心定位转变。传统生物特征识别测试多关注完整系统，而GB/T29268.7首次将测试对象精准锁定于“卡上比对算法”本身。这标志着行业认知的深化：在智能卡身份证金融IC卡等载体上直接运行比对算法，因其资源极端受限（算力存储功耗），其性能评价维度与云端或终端算法截然不同。该标准为此类嵌入式算法的独立公正评价建立了统一基准，是算法技术脱离特定硬件系统束缚实现客观横向比较的“度量衡”基础，对于推动算法技术进步和产业公平竞争具有分水岭意义。0102承前启后：本标准在GB/T29268系列中的独特地位及其对构建完整测试生态系统的贡献本部分阐述该部分与系列标准的协同关系。作为GB/T29268《信息技术生物特征识别性能测试和报告》的第7部分，它填补了该系列在“片上系统”（SoC）或智能卡等封闭嵌入式环境中算法测试的空白。它与之前部分关注的识别系统模块测试形成互补，共同构成了覆盖从云端服务器终端设备到嵌入式芯片的全栈生物特征识别性能测试标准体系。这种分层分对象的测试框架，使得产业链各环节的产品性能都能得到精准评估，为构建健康透明的生物特征识别技术生态系统提供了完整工具集。应对产业痛点：如何破解算法与硬件紧耦合带来的性能评价不透明与供应商锁定难题？1本部分分析标准的现实指导价值。过去，卡上生物特征识别方案常以“黑盒”形式提供，性能数据多由方案商自述，且与特定芯片深度绑定，导致用户难以客观评估算法真实水平，易陷入供应商锁定。本标准通过定义独立的算法测试接口测试数据和评估方法，将算法从具体硬件实现中抽象出来进行评测。这为卡商系统集成商和最终用户提供了权威的选型依据，能够促进算法供应商的优胜劣汰，打破技术壁垒，推动形成以算法性能为核心竞争力的健康市场环境。2前瞻价值锚定：标准为何是数字身份物联网安全时代可信硬件基石的“试金石”？本部分展望标准的前瞻性意义。随着数字身份（如eID）物联网设备安全认证需求的爆发，承载个人生物特征模板并进行本地比对的“可信硬件”成为隐私保护和安全的关键。本标准正是这类硬件核心——比对算法的“试金石”。它确保嵌入在各种卡片钥匙穿戴设备中的算法，在资源受限下仍能满足高安全低功耗的性能要求。标准的推行，将从源头提升数字身份凭证和物联网节点的安全可靠水平，为万物互联时代的可信数据交换奠定坚实的技术基础，其价值远超单纯的测试规范。0102解构测试迷宫：一张图读懂卡上生物特征识别算法性能测试的完整流程与关键决策节点测试启动与前提：明确测试目标定义被测算法接口与运行环境的标准化描述框架测试始于清晰的规划。标准要求首先界定测试目标，是算法精度评测资源消耗评估还是鲁棒性测试。紧接着，必须精确定义“被测算法”（AUT）的软件接口，包括特征提取模板创建比对评分等函数的调用规范。同时，需详细描述算法的“运行环境”，即模拟或真实的芯片平台规格（CPU类型频率存储容量安全单元等）。这一步骤是后续所有测试可重复可比较的基础，避免了因环境定义模糊导致的测试结果失真，确保了评估过程的一致性与科学性。数据流交响曲：测试生物特征样本数据集的输入预处理与算法执行过程的标准化控制1本部分聚焦测试执行的核心——数据流。标准规定了从测试数据集输入到算法产出结果的完整控制链。测试数据集需符合特定格式与质量要求。输入数据可能需经过标准化的预处理（如图像归一化），以模拟真实采集环境。算法在指定运行环境上被调用执行比对任务，整个过程需被精确监控和记录。标准化控制确保了测试条件的一致性，使得不同算法在面对相同输入数据和环境压力时，其性能差异可完全归因于算法本身，而非测试流程的随意性。2结果收集与初步处理：原始评分决策阈值应用与个体性能数据记录的规范化方法算法运行产生原始比对分数。标准要求系统化地收集这些分数，并按照预先定义的决策阈值（或遍历多个阈值）将其转化为接受/拒绝的决策结果。关键的是，测试结果需要关联到具体的个体（如指纹对应手指编号），记录每个样本对的分数和决策。这种个体级别的详细记录，使得后续不仅能计算整体性能指标，还能深入分析算法在不同人群子集（如不同年龄段不同职业）上的表现差异，为评估算法的公平性和鲁棒性提供了数据基础。报告生成闭环：从原始结果到性能指标计算不确定性分析及最终测试报告的整合路径测试的终点是权威报告。标准规定了结果处理的闭环流程。基于收集的个体数据，按照统一公式计算误匹配率拒真率等核心指标，并生成检测错误权衡（DET）曲线等图表。更重要的是，要求进行不确定性分析，例如通过置信区间量化指标估计的统计可靠性。最后，所有信息整合形成结构化测试报告，必须包含测试配置环境描述数据集信息详细结果分析结论及局限性说明。这份报告是算法性能的“体检证明”，为各方决策提供透明完整的依据。度量衡的革新：深入探究误匹配率拒真率等核心性能指标在卡上受限环境下的全新内涵与挑战精度核心再审视：卡上环境下的误匹配率与拒真率定义及其对安全与体验的极致权衡在卡上环境中，FMR（误匹配率）和FNMR（拒真率）的定义虽与传统一致，但其权衡更具挑战性。FMR直接关联支付门禁等场景的安全风险，一次误接受可能导致严重损失。FNMR影响用户体验，频繁拒真会降低用户接受度。卡上算法因模板小特征提取受限，通常更难同时降低两者。标准要求测试必须精确绘制DET曲线，清晰展示不同阈值下的权衡关系。这迫使算法开发者与系统设计者必须基于具体应用场景（如高安全金融支付vs.便捷交通票务）做出审慎的阈值决策，而非追求纸上最优。0102资源约束下的新维度：引入吞吐率响应时间与功耗作为卡上算法不可或缺的性能标尺除了精度，卡上算法的性能必须包含效率维度。标准明确要求评测吞吐率（单位时间内完成的比对次数）响应时间（单次比对耗时）以及功耗（单次比对能耗）。在公交刷卡快速通关等场景中，亚秒级的响应时间是硬性要求。对于依靠电池供电的移动设备或卡片，低功耗直接决定了产品的续航和实用性。这些指标与精度往往存在制约关系（如更复杂的算法可能更准但更慢）。本标准将它们纳入核心评价体系，推动算法设计从“唯精度论”转向“精度–效率–功耗”的多目标优化。0102模板容量与算法复杂度的博弈：小存储如何影响模板质量与最终识别性能的量化关系1卡上存储空间极其珍贵（可能仅几KB）。标准促使测试关注“模板容量”这一关键变量。算法需要在有限的存储空间内，存放足够代表生物特征信息的数据。测试需评估在不同模板大小约束下算法的性能变化。这引导开发者研究高效的特征压缩与表示技术。测试报告应明确标称性能所对应的模板大小，避免“在实验室大模板下性能优异，移植到卡上因模板缩水而性能骤降”的陷阱。这种博弈关系的量化，是卡上算法选型时必须scrutinize的关键参数。2鲁棒性测试深化：针对卡片日常磨损极端温度低质量采集的专项性能衰减评估卡片面临严苛使用环境。标准强调对算法鲁棒性的测试，需模拟真实挑战：1）针对卡片表面磨损或芯片老化导致的信号衰减；2）在设备规范允许的极端温度范围内（如–25°C至+85°C）测试算法稳定性；3）使用包含低质量样本（如指纹干湿图像模糊）的数据集进行测试。评估在这些“压力”条件下，算法性能指标（FMR，FNMR）相对于理想条件的衰减程度。这确保了算法不仅在“温室”里表现良好，在用户真实多变的使用场景中依然可靠。场景即战场：基于未来多元支付与数字身份生态的测试场景构建与极端边界条件压力测试分析场景化测试框架构建：从金融支付到数字门禁，定义不同应用场景的性能基准与通过准则标准鼓励并指导构建场景化测试框架。不同应用对性能要求差异巨大：金融支付要求极低的FMR（如百万分之一级），可容忍稍高的FNMR；而企业考勤门禁则更注重便捷性，对FNMR容忍度低。测试需根据目标场景，定义具体的性能基准线（如FMR<0.001%，FNMR<3%）和测试数据集（模拟该场景下的人群和采集条件）。标准提供了构建此类测试的方法论，使得算法评测不再是抽象的数值游戏，而是与真实业务风险用户体验紧密挂钩的实战检验，为产品落地提供直接依据。大规模并发与连续比对压力测试：模拟高峰地铁闸机或大型赛事入场场景的稳定性挑战未来数字身份应用常涉及高并发场景。标准要求设计压力测试，模拟短时间内海量比对请求。例如，模拟地铁早高峰，闸机需在1小时内连续处理数万次人脸或指纹比对。测试需监测在此持续高负载下，算法的响应时间是否稳定功耗是否激增内存是否泄漏，以及最终是否出现比对错误率上升或系统崩溃。这种测试揭示了算法在极限工况下的健壮性，是评估其能否胜任大规模公共基础设施应用的关键一环，避免了实验室“温良”测试无法暴露的潜在风险。跨模态与多模态融合的测试前瞻：卡片同时支持指纹与面部识别时的性能评估策略虽然本标准主要针对单一生物特征模态的算法，但其框架为多模态测试预留了接口。前瞻性地看，未来智能卡可能集成指纹人脸甚至指静脉等多种识别方式。测试需评估：1）每种单模态算法在卡上的独立性能；2）当采用融合策略（如分数级融合决策级融合）时，融合算法本身的资源消耗与性能增益。标准化的单模态测试结果是多模态评估的基石。这引导产业思考如何在卡上有限资源内，最优地分配算力和存储给不同的生物特征识别管道，以实现安全性与用户体验的最佳平衡。对抗性环境模拟：测试在有意图欺骗或无意干扰（如强光湿手指）场景下的算法防御能力1真实世界充满对抗与干扰。标准化的测试应包含对抗性场景。有意图欺骗：使用伪造指纹（胶指模）高清人脸照片或视频进行攻击，测试算法的活体检测与防伪能力。无意干扰：模拟用户手指潮湿/干燥面部有部分遮挡强光背光等采集条件。测试需量化算法在这些非理想条件下的FMR和FNMR变化。特别是FMR在欺骗攻击下的上升幅度，是衡量算法安全性的硬指标。这种测试将算法置于“战场”环境，真正检验其能否成为守护安全与隐私的可靠屏障。2数据的力量与陷阱：测试用生物特征样本数据集的构建质量控制及其对算法公正性的深远影响测试数据集的“代表性”悖论：如何构建覆盖未来用户群体多样性的前瞻性样本库？1测试数据集的代表性决定评测结果的普适性。标准强调数据集需在人口统计学（年龄性别民族/种族）职业生理状态等方面具有足够多样性。难点在于“前瞻性”：卡片产品可能销往全球，需涵盖不同地域人群的生物特征差异。构建时需与伦理审查结合，合法合规采集。数据集不应是现有员工的便利样本，而应主动纳入边缘群体（如老年人皮肤弹性变化体力劳动者指纹磨损）。一个不具有代表性的数据集，会导致算法对未覆盖群体性能不佳，埋下公平性隐患。2数据质量分级与标注规范：建立从“理想样本”到“挑战样本”的连续质量谱系及其应用并非所有样本质量相同。标准建议对测试数据进行质量分级和精确标注。质量维度包括图像分辨率对比度噪声水平特征完整性等。构建从高质量“理想样本”到低质量“挑战样本”的连续谱系。在测试中，可以按质量等级报告算法性能，例如“在质量等级Q1下FMR为X，在质量等级Q4下FMR升至Y”。这种细粒度的分析极具价值：它能揭示算法对低质量输入的鲁棒性弱点，指导采集终端设计（如提高传感器质量），并为不同安全等级的应用选择适配的算法提供依据。0102模板老化效应模拟：数据集如何涵盖同一生物特征随时间自然变化的长期跟踪样本？1生物特征会随时间变化（模板老化）：人脸会衰老，指纹脊线可能因劳作而磨损。一个仅包含同一时间点采集数据的数据集，无法评估算法的长期稳定性。理想的测试数据集应包含同一批个体在较长周期内（如数年）多次采集的样本。通过使用早期样本注册模板，用近期样本进行验证，可以模拟和量化算法因模板老化导致的FNMR自然上升。这对于设计使用周期长达5–10年的身份证社保卡等应用至关重要。标准鼓励在测试中考虑此因素，推动开发抗老化的算法技术。2偏见检测与公平性审计：通过数据集子集分析，揭示算法在不同子群体中的性能差异防止算法偏见是核心伦理要求。标准隐含了公平性审计的方法：要求在测试后，按人口统计等属性将数据集划分为多个子集（如男性/女性，青年/老年），并分别计算各子集的性能指标。如果某个子集的FMR或FNMR显著差于其他子集，则表明算法存在潜在偏见。这种分析迫使开发者审视训练数据是否均衡特征设计是否无歧视。测试报告应包含此类公平性分析结果，为算法的负责任部署提供警示。这是将伦理原则转化为可测量可审计技术指标的关键实践。硬件不是黑箱：深入解读智能卡安全芯片等承载环境对算法性能的制约与协同测试方法论硬件性能基准测试先行：建立CPU算力存储带宽安全单元调用开销的独立profiling在测试算法前，必须先量化硬件平台本身的能力。这包括：1）CPU核心的运算速度（如DMIPS/MHz）；2）内存（RAM）和存储（Flash/EEPROM）的读写速度与容量；3）密码安全单元（如加解密引擎随机数发生器）的调用延迟。这些硬件基准数据构成了性能分析的“分母”。标准化的硬件性能剖析（Profiling）有助于理解算法性能瓶颈所在：是计算瓶颈内存瓶颈还是安全操作瓶颈？这为算法优化和硬件选型提供了精准方向，避免将硬件限制误判为算法缺陷。资源监控与隔离测试：精确测量算法运行时的峰值内存持续功耗及与卡片OS的交互影响卡上算法不是孤立运行，它与卡片操作系统（COS）共享资源。标准要求测试时进行精细的资源监控：记录算法从启动到结束的瞬时及平均功耗动态内存占用的峰值与谷值以及运行期间是否因资源竞争导致卡片其他功能（如非接触通信）中断或延迟。有时需要进行“隔离测试”，暂时关闭非必要后台任务，以评估算法本身的纯净性能。再通过“协同测试”，观察在多任务并发时的性能衰减。这种测试确保了算法在真实卡片环境中的稳定性和兼容性。安全功能集成测试：算法如何调用硬件安全单元进行模板保护防侧信道攻击的协同评测卡上算法的优势在于能与硬件安全单元深度集成。测试需涵盖这种协同：1）算法生成的生物特征模板，是否通过硬件加密引擎进行加密存储；2）比对过程中的敏感计算（如分数计算）是否在安全单元内进行以防篡改；3）算法实现是否考虑了防侧信道攻击（如功耗分析时序分析）。测试不仅要评估安全功能是否启用，更要评估启用后对算法性能（速度功耗）的影响。这验证了“安全”与“性能”的平衡点，是评价高安全等级卡上方案的核心环节。跨平台移植性评估：同一算法在不同品牌型号芯片上性能波动的测试与根源分析一个优秀的卡上算法应具备良好的跨平台移植性。标准化的测试方法使得这一评估成为可能：将同一算法（通常是C语言源码级），分别移植到不同厂商不同架构（如ARMSecurCore,RISC–V）的芯片平台上，在相同的功能配置下进行性能测试。对比分析其指标（精度速度功耗）的差异。波动根源可能来自编译器优化效率硬件指令集支持数学库实现等。这种评估帮助算法供应商优化代码的通用性，也帮助卡商选择对算法友好的硬件平台，降低集成风险。0102超越准确性：专家带您聚焦算法在资源约束下的功耗速度与鲁棒性等关键工程化指标评测能效比：定义每单位识别精度所消耗的能量，确立卡上算法综合评价的黄金指标1对于电池供电或无源（通过射频取电）的卡片，功耗是生命线。标准引导行业关注“能效比”这一综合指标，可定义为“完成一次正确比对所消耗的平均能量”或“在目标FMR/FNMR要求下，算法持续运行1小时所需的能量”。它融合了精度与功耗两个维度。一个精度极高但功耗巨大的算法，可能不适合可穿戴设备或电子护照。测试需在固定工作电压和频率下，精确测量单次比对操作的能耗。推动算法设计从单纯追求“更准”转向追求“更准且更省电”。2实时性分解测试：从特征提取模板载入到比对决策的全链路时延分析与优化点识别1响应速度影响用户体验。标准要求对识别全链路进行时延分解测试：1）特征提取时间（从原始数据到特征向量）；2）模板载入时间（从加密存储中解密并读入内存）；3）比对评分时间；4）决策时间。通过分解，可以精准定位性能瓶颈。例如，特征提取可能最耗时，或模板解密开销巨大。这种分析为算法优化提供了明确靶点：是优化特征提取算法，还是采用更高效的加密模式，或是优化内存访问模式。它使性能调优从“凭感觉”变为“数据驱动”。2极端条件鲁棒性量化：在电压波动时钟漂移内存故障注入下的性能与稳定性边界探索1卡片工作环境恶劣，可能面临电压不稳时钟源精度不足等挑战。鲁棒性测试需主动注入这些“故障”：1）在标称电压上下波动一定比例（如±10%）运行测试；2）模拟时钟频率的微小漂移；3）甚至进行内存故障注入（如位翻转），观察算法是否崩溃或产生错误结果。量化在这些极端条件下，算法核心精度指标（FMR，FNMR）的漂移程度。这定义了算法的“工作边界”，对于工业级车规级或户外长期使用的卡片产品至关重要，是产品可靠性的最终保障。2长期运行衰减测试：模拟卡片数年生命周期内，算法持续运行后的性能一致性验证卡片产品设计寿命可能长达十年。需要测试算法在长期间歇性运行后，其性能是否保持稳定。可通过加速测试模拟：让算法在芯片上以高于正常频率的频率，连续或间歇执行数百万甚至上亿次比对操作。监测在整个过程中，其输出的比对分数分布决策结果是否发生系统性偏移。这可以揭示算法中是否存在因数值计算累积误差内存状态残留等导致的长期漂移问题。确保用户在使用卡片多年后，识别体验不会逐渐变差，维护产品声誉。从实验室到市场：标准如何为卡上生物特征识别产品的认证选型与合规提供可操作的实施指南建立第三方权威测试认证体系：依据标准形成产品性能等级标签，助力市场透明化本标准的最高价值在于为建立第三方权威测试认证体系提供了技术基础。经认可的实验室可依据此标准，对市场上不同的卡上生物特征识别算法或模组进行统一测试，并出具带有性能等级标签（如“金融支付级”“门禁通行级”）的认证报告。这种标签化证书化的方式，极大降低了系统集成商和终端用户的选型难度与技术门槛，使得性能数据可信可比。它将推动市场从价格战关系营销转向以客观性能和质量为核心的健康竞争，是行业走向成熟的关键标志。采购方技术规格书（RFP）的标准化引用：将标准测试要求直接写入采购条款，精准筛选供应商对于政府银行等大型采购方，本标准可直接作为编写招标文件（RFP）中技术规格部分的蓝本。采购方可以明确规定：供应商提供的卡上生物特征识别算法，必须提交由认可实验室依据GB/T29268.7出具的测试报告，且报告中的关键指标（如特定FMR下的FNMR最大响应时间峰值功耗）需满足具体的数值要求。这使得采购要求从模糊的“性能优良”变为精确可验证的技术指标，能有效筛选掉不达标产品，保障项目质量，也倒逼供应商持续提升技术水平。系统集成中的算法适配性测试指南：确保外购算法与自研硬件上层应用无缝协同当系统集成商采购第三方算法集成到自己的卡片或终端时，本标准提供了适配性测试的框架。集成商可参照标准，在自身的硬件平台上，使用贴近自身用户群体的测试数据，对采购的算法进行一轮“验收测试”。重点验证：1）算法在真实硬件上的性能是否与认证报告一致；2）算法接口与自身卡片操作系统（COS）或应用软件的集成是否顺畅；3）在多任务并发场景下是否稳定。这步测试是降低集成风险确保最终产品体验的关键环节，标准为其提供了方法论和报告模板。合规性映射分析：协助满足网络安全法个人信息保护法对生物识别技术的监管要求我国《网络安全法》《个人信息保护法》等对生物识别信息的处理提出了严格的安全与合规要求。本标准虽然主要是技术测试标准，但其测试内容和要求（如安全单元集成测试模板保护防攻击能力评估）的输出结果，可以直接作为证明产品满足相关法律法规中“采取必要措施保障个人信息安全”“确保信息处理活动符合规定的安全标准”等原则性要求的技术证据。企业可以将符合本标准的测试报告作为合规资料包的重要组成部分，向监管机构和用户证明其技术措施的有效性。隐私与安全的护城河：深度剖析标准在测试过程中对个人生物信息保护及防攻击能力评估的要求测试数据全生命周期安全管理：从脱敏加密传输到测试后销毁的标准化操作规范1标准高度重视测试过程中涉及的真人生物特征数据的安全。它要求建立测试数据全生命周期安全管理规范：采集需经知情同意；数据在使用前必须进行脱敏处理（如移除所有个人身份关联信息）；在实验室内部传输和存储时需加密；测试环境应与外部网络隔离；测试完成后，数据应按预定策略安全销毁或归档。这些规定不仅保护了个人隐私，也防止了测试数据泄露被用于训练或攻击其他系统，是测试活动合法合规合伦理的基石。2模板保护机制测试：评估算法对生物特征模板的加密存储模糊化处理等技术的有效性生物特征模板一旦泄露，后果严重。本标准要求对算法的模板保护机制进行专门测试。测试内容包括：1）存储在芯片非易失存储器中的模板是否为密文形式；2）比对过程是否能在“密文域”或“模糊域”进行（如使用不可逆变换同态加密等技术），避免明文模板出现在内存中；3）测试针对模板的重建攻击，即从存储的模板数据中尝试反推原始生物特征信息的难度。这些测试确保算法不仅仅是“识别器”，更是生物特征信息的“保险箱”。活体检测与呈现攻击检测集成测试：在卡上资源限制下，如何有效抵御伪造攻击卡上算法必须集成活体检测（PAD）或呈现攻击检测能力。标准要求对此进行集成测试：使用伪造指纹高精度人脸面具照片/视频回放等攻击媒介，对集成PAD模块的完整比对流程进行攻击。测试需报告攻击呈现接受率（APPR），即成功欺骗系统的比例。关键在于，PAD模块本身也消耗资源和时间，测试需评估启用PAD后对整体响应时间和功耗的影响。这引导开发者在有限资源下，寻求轻量级高效率的PAD算法，实现安全与体验的再平衡。旁路攻击与故障注入防御评估：测试算法实现是否具备抵御物理层攻击的坚韧性高安全卡片面临物理攻击威胁。本标准将安全测试延伸至物理层：1）旁路攻击分析：监测算法运行时芯片的功耗电磁辐射等“旁路信息”，测试其是否泄露了与密钥或生物特征数据相关的模式；2）故障注入攻击：通过瞬间电压毛刺时钟异常等手段，试图诱导算法产生错误输出或绕过安全检查。测试需评