Якщо ви покладаєтеся на біометричні дані для адаптації або автентифікації, виявлення живої людини (також відоме як виявлення атаки презентації , PAD) має вирішальне значення для запобігання біометричному спуфінгу — від друкованих фотографій та повторів екрана до 3D-масок та діпфейків. За правильного виконання виявлення живої людини доводить, що біля датчика знаходиться жива людина, перш ніж відбудеться будь-яке розпізнавання чи зіставлення.
Швидка відповідь: Як виявлення живості зупиняє спуфінг
Виявлення живості розрізняє біометричні сигнали в реальному часі від атак презентації (PA) за допомогою активних підказок (наприклад, моргання, поворот голови, випадкові слова) або пасивного аналізу (наприклад, текстура, реакція на світло, сигнали глибини, мікрорухи). ISO/IEC 30107-3 визначає, як слід оцінювати та повідомляти про PAD , що дозволяє порівнювати постачальників-постачальників.
Визначення та основні поняття
Презентаційна атака (ПА): Будь-яка спроба підірвати біометричний датчик за допомогою артефакту (фото, відео, маски) або маніпульованих медіафайлів (повтор, діпфейк).
Виявлення атаки на презентацію (PAD): Механізми, що виявляють ПА та повідомляють про результати стандартизованим способом; ISO / IEC 30107-3 визначає методи тестування та звітності, щоб покупці могли порівнювати рішення.
Біометричний спуфінг еволюціонував. Ранні біометричні атаки спиралися на 2D-друки; новіші атаки використовують OLED-відео високої роздільної здатності, текстуровані 3D-маски та згенеровані штучним інтелектом діпфейки. Сучасні алгоритми PAD аналізують багатосигнальні сигнали (наприклад, мікротекстуру шкіри, фотометричні відгуки, глибину/ІЧ), щоб визначити, чи є зразок активним.
Активне та пасивне виявлення живої природи
- Активна життєдіяльністьКористувач реагує на підказку — моргає, посміхається, повертається ліворуч/праворуч, промовляє фразу. Плюси: проста ментальна модель; стійкий до базових 2D-атак. Мінуси: додає тертя; підказки можна вивчити/підробити, якщо їх реалізувати наївно.
- Пасивна життєдіяльністьБез підказок. Модель визначає жвавість на основі природних сигналів (текстура, паралакс руху, віддалена PPG, відображення лінз). Плюси: чудовий UX; масштабованість до високої кількості KYC. Мінуси: складніше створювати; потрібно йти в ногу з новими PA та діпфейками.
На практиці багато платформ поєднують обидва процеси через адаптивні до ризику потоки: починають пасивно, переходять до активних або мультимодальних перевірок, коли ризик високий (наприклад, аномалії швидкості, TOR, емуляція пристроїв).
Методи виявлення, які ви побачите в польових умовах
- Аналіз текстури та відбивної здатностіШкіра демонструє дрібнозернисту мікротекстуру та фотометричні характеристики, які відрізняються від дисплеїв та друкованих ЗМІ.
- Мікрорухи та часові сигналиМимовільне моргання очима, ледь помітне погойдування голови або сигнали кровотоку в кадрах важко переконливо відтворити.
- Глибина та ІЧ-датчикСтруктуроване світло або ToF можуть призвести до невдачі 2D-пародій; ІЧ-випромінювання підкреслює відмінності матеріалів.
- Виклик-відповідь (активний)Випадкові підказки збільшують вартість для атакуючого.
- МультимодальнийПоєднання сигналів обличчя, голосу та пристрою може ще більше зменшити кількість помилкових сприйняттів.
Постачальники описують ці методи по-різному, але вони відповідають категоріям PAD, визнаним у галузевій літературі та посібниках покупців.
Які є деякі типи біометричної підміни?
Різні види біометричної підміни відповідають різним методам автентифікації та використовують їхні слабкі місця. Як результат, атаки на презентацію можуть бути спрямовані на кілька біометричних модальностей, зокрема:
Атаки зі спуфінгом розпізнавання обличчя
- Атака друку: Використання статичної фотографії (матова/глянцева). PAD позначає площинність, дзеркальні відблиски, або аліасинг від зернистості друку.
- Атака повтору: Відображення відео обличчя на телефоні/моніторі. Пасивний PAD перевіряє артефакти оновлення екрана та інше, активні підказки підвищують складність.
- Атака 3D-масок: Силіконові/латексні/3D-друковані маски з контурами. Зчитування глибини/ІЧ-випромінювання та аналіз відбиття матеріалу допомагають подолати ці недоліки.
- Атака дипфейків: Відео, згенеровані штучним інтелектом або зі зміненими обличчями, які можуть пройти грубу перевірку. Звертайте увагу на часову невідповідність.
Атаки з підробкою розпізнавання відбитків пальців
- Підроблені відбитки пальців: Зліпки, виготовлені з силікону, желатину або струмопровідних чорнил. PAD використовує динаміку потових пор., відмінності в ємності/оптиці та ознаки жвавості (наприклад, потовиділення з часом).
- Приховані відбитки пальців: Зняття залишків з датчиків для відтворення деталей хребта. Регулярна гігієна датчиків та часова активність зменшує ризик.
- Відбитки пальців, надруковані на 3D-принтері: Високороздільні форми, що приблизно визначають глибину гребеня; лічильник з багатоспектральним зондуванням та порогами випробування, налаштованими на цілі APCER/BPCER.
Атаки підробки розпізнавання райдужної оболонки ока
- Цифрові зображення райдужної оболонки ока: Високоякісні відбитки або зображення райдужної оболонки ока. PAD виявляє відсутність зіничної реакції, невідповідність дзеркального візерунка, і плоска глибина.
- Штучні очі або контактні лінзи: Текстуровані лінзи або протези намагаються імітувати візерунки райдужної оболонки ока; відбивна здатність, спектральний, і перевірки руху допомагають.
- Фізичні очі (труп/тварина): Рідкісні та екстремальні; теплові та рефлекторні реакції оголюють неживі зразки. (Охоплення та поширеність різняться; докази у відкритій літературі обмежені — перевірте їх власними тестами.)
Випадки використання виявлення живості в різних галузях
Від банківської справи та криптовалют до телекомунікацій та електронного урядування, ці варіанти використання демонструють ефективність запобігання підробці в KYC, переказах великих сум, потоках SIM/eSIM, доступі до цифрових ідентифікаторів та віддалених перевірках, запобігаючи шахрайству та одночасно знижуючи тертя з боку користувачів.
Банківська справа, Фінтех, Криптовалюта
- Реєстрація за принципом KYC: Розпізнавання живого обличчя для блокування спроб друку/відтворення/дипфейку перед зіставленням обличчя за допомогою Face ID.
- Схвалення переказу великої суми: Пасивна активність → зіставлення обличчя для переказів вище порогового значення.
- Відновлення облікового запису: Активність + збіг при зміні електронної пошти/телефону або переприв'язці пристрою.
- Банкомати/кіоски відділень: Зверніться до кіосків для зняття готівки без картки.
- Виведення коштів з криптовалютної біржі: Перевірка активності перед виплатами із зовнішнього гаманця.
Платежі та електронна комерція
- Перевірка нових облікових записів на шахрайство: Пасивна активність при першій покупці зі прискореним оформленням замовлення.
- Запобігання поверненню коштів/платежів: Активність перед видачею відшкодувань високої вартості або повторною токенізацією картки.
- Реєстрація продавця: Активність для перевірки бенефіціарного власника при реєстрації продавців на торговельному майданчику.
Telecom
- Реєстрація SIM-карти / eKYC: Живучість для запобігання оренді посвідчень особи та штучним посвідченням особи.
- Заміна SIM-картки та активація eSIM: Підвищте активність перед перенесенням або зміною SIM-картки.
- Контроль шахрайства в роздрібній торгівлі: Планшети в магазинах фіксують динаміки, щоб прив'язати SIM-картку до законного клієнта.
Уряд, державний сектор, електронна ідентифікація
- Видача/поновлення цифрового посвідчення особи: Дистанційна реєстрація з активністю для блокування атак презентацій.
- Портали громадянських послуг: Життєздатність до отримання доступу до пільг, податкових документів або даних про здоров'я.
- Випробування на кордоні/електронних воротах: Забезпечте життєздатність за допомогою перевірки документів чіпами на автоматичних воротах (пілотні програми).
Освіта, іспити, сертифікація
- Дистанційне спостереження: Живість на початку та періодичні перевірки для запобігання видаванню себе за іншу особу.
- Видача довіреності: Живучість перед видачею сертифікатів або цифрових бейджів.
Виявлення живості, яке працює: партнерство з Shaip
Виявлення активності – це ваш перший захист від біометричного спуфінгу – від відбитків і повторів до 3D-масок і діпфейків. Поєднуйте пасивні, адаптивні до ризику потоки з безперервним моніторингом і перевіряйте продуктивність у власному трафіку.
Як допомагає Shaip (перевірено, готове до використання):
- Готові до ліцензування набори даних для захисту від підміни облич покриття 3D-атаки з маскою, макіяжем та повторним відтворенням, з додатковим маркуванням та контролем якості для навчання моделі живості/PAD. Приклади включають кураторські відео-набори, такі як Атака 3D-масок та макіяжу колекція і Реал + Повтор бібліотеки, розмір яких обчислюється тисячами кліпів.
- Вивчення проблеми: Доставка 25 000 відео із захистом від спуфінгу від 12,500 Учасники (один справжній + один повтор кожного), записано о 720p+ / ≥26 кадрів/с, С 5 етнічних груп та структуровані метадані, створені для підвищення надійності виявлення шахрайства.
- Дані зображень та відео обличчя, отримані з етичних джерел пришвидшити навчання та зменшити упередженість щодо ініціатив з розпізнавання облич у підприємствах.
Поговоримо: якщо вам потрібен збір біометричних даних , пошук набору даних для розпізнавання облич або анотація даних штучного інтелекту , щоб захистити ваш PAD від нових атак, Shaip може розробити набір даних, що відповідає ризику, та план оцінки, узгоджений з вашими ключовими показниками ефективності (KPI) та вимогами до відповідності.
