Den globale COVID-19-pandemi har fremskyndet behovet for at verificere og integrere brugere online på tværs af flere brancher, såsom finansielle tjenesteydelser, forsikring og sundhedspleje. Når det kommer til brugeroplevelse, er det afgørende at levere en friktionsfri transaktion og samtidig opretholde en høj standard for identitetsbekræftelse. Spørgsmålet er, hvordan du verificerer rigtige mennesker i den digitale verden?
Amazon-anerkendelse giver forudtrænede ansigtsgenkendelse og analysefunktioner til identitetsbekræftelse til dine onlineapplikationer, såsom bank, fordele, e-handel og meget mere.
I dette indlæg præsenterer vi "ID + Selfie" identitetsbekræftelsesdesignmønsteret og prøvekode du kan bruge til at oprette dit eget REST-slutpunkt for identitetsbekræftelse. Dette er et almindeligt designmønster, som du kan inkorporere i eksisterende eller nye løsninger, der kræver ansigtsbaseret identitetsbekræftelse. Brugeren fremviser en form for identifikation som et kørekort eller pas. Brugeren tager derefter en real-time selfie med applikationen. Vi sammenligner derefter ansigtet fra dokumentet med real-time selfie taget på deres enhed.
Amazon Rekognition CompareFaces API
Kernen i "ID + Selfie"-designmønsteret er sammenligningen af ansigtet i selfien med ansigtet på identifikationsdokumentet. Til dette bruger vi Amazon Rekognition CompareFaces
API. API'en sammenligner et ansigt i kildeinputbilledet med et eller flere ansigter, der er registreret i målinputbilledet. I det følgende eksempel sammenligner vi et prøvekørekort (til venstre) med en selfie (til højre).
Kilde | mål |
Følgende er et eksempel på API-koden:
Flere værdier returneres i Sammenlign Faces API-svar. Vi fokuserer på Similarity
værdi returneret ind FaceMatches
for at validere, at selfien matcher det angivne id.
Forståelse af nøglejusteringsparametre
SimilarityThreshold
er indstillet til 80 % som standard og vil kun returnere resultater med en lighedsscore større end eller lig med 80 %. Juster værdien ved at angive SimilarityThreshold
parameter.
QualityFilter
er en inputparameter til at bortfiltrere registrerede ansigter, der ikke opfylder en påkrævet kvalitetslinje. Kvalitetslinjen er baseret på en række almindelige use cases. Brug QualityFilter
for at indstille kvalitetslinjen ved at angive LOW
, MEDIUM
eller HIGH
. Hvis du ikke vil filtrere ansigter af dårlig kvalitet, skal du angive NONE
. Standardværdien er NONE
.
Løsningsoversigt
Du kan oprette en "ID + Selfie" API til verifikation af digital identitet ved at implementere følgende komponenter:
- En REST API med en POST-metode, der giver os mulighed for at sende selfie og identifikationsnyttelast og returnerer et svar, i dette tilfælde lighedsscoren
- En funktion til at modtage nyttelasten, konvertere billederne til det rigtige format og kalde Amazon Rekognition
compare_faces
API.
Vi implementerer Amazon API Gateway for REST API-funktionalitet og AWS Lambda for funktionen.
Følgende diagram illustrerer løsningsarkitekturen og arbejdsgangen.
Arbejdsgangen indeholder følgende trin:
- Brugeren uploader det nødvendige identifikationsdokument og en selfie.
- Klienten indsender identifikationsdokumentet og selfie til REST-slutpunktet.
- REST-endepunktet returnerer en lighedsscore til klienten.
- En evaluering foretages gennem forretningslogik i din ansøgning. For eksempel, hvis lighedsscoren er under 80 %, består den ikke i det digitale identitetstjek; ellers består den den digitale identitetskontrol.
- Klienten sender status til brugeren.
Lambda kode
Lambda-funktionen konverterer den indgående nyttelast fra base64 til byte for hvert billede og sender derefter kilden (selfie) og målet (identifikation) til Amazon Rekognition compare_faces
API og returnerer lighedsscoren modtaget i selve API-svaret. Se følgende kode:
Implementer projektet
Dette projekt er tilgængeligt for implementering AWS prøver med AWS Cloud Development Kit (AWS CDK). Du kan klone depotet og bruge følgende AWS CDK-proces til at implementere til din AWS-konto.
- Konfigurer en bruger, der har tilladelser til programmæssigt at implementere løsningsressourcerne gennem AWS CDK.
- Indstil AWS kommandolinjegrænseflade (AWS CLI). For instruktioner, se Konfiguration af AWS CLI.
- Hvis det er første gang, du bruger AWS CDK, skal du udfylde de forudsætninger, der er angivet i Arbejder med AWS CDK i Python.
- Klon GitHub repository.
- Skab det virtuelle miljø. Kommandoen du bruger afhænger af dit OS:
- Hvis du bruger Windows, skal du køre følgende kommando i dit terminalvindue fra kilden til det klonede lager:
- Hvis du bruger Mac eller Linux, skal du køre følgende kommando i dit terminalvindue fra kilden til det klonede lager:
- Efter aktivering af det virtuelle miljø skal du installere appens standardafhængigheder:
- Nu hvor miljøet er sat op, og kravene er opfyldt, kan vi udstede AWS CDK-implementeringskommandoen for at implementere dette projekt til AWS:
Foretag API-kald
Vi skal sende nyttelasten i base64-format til REST-endepunktet. Vi bruger en Python-fil til at foretage API-kaldet, som giver os mulighed for at åbne kilde- og målfilerne, konvertere dem til base64 og sende nyttelasten til API-gatewayen. Denne kode er tilgængelig i depotet.
Bemærk at SOURCE
, TARGET
filplaceringer vil være på dit lokale filsystem, og URL'en er API Gateway URL'en, der blev genereret under oprettelsen af projektet.
Ryd op
Vi brugte AWS CDK til at bygge dette projekt, så vi kan åbne vores projekt lokalt og udstede følgende AWS CDK-kommando for at rydde op i ressourcerne:
Konklusion
Der har du det, "ID + Selfie" designmønsteret med en simpel API, som du kan integrere med din applikation for at udføre digital identitetsbekræftelse. I det næste indlæg i vores serie udvider vi dette mønster yderligere ved at udtrække tekst fra identifikationsdokumentet og søge i en samling ansigter for at forhindre duplikering.
Hvis du vil vide mere, skal du tjekke Amazon Rekognition Developer Guide på at opdage og analysere ansigter.
Om forfatterne
Mike Ames er Principal Applied AI/ML Solutions Architect hos AWS. Han hjælper virksomheder med at bruge maskinlæring og AI-tjenester til at bekæmpe svindel, spild og misbrug. I hans fritid kan du finde ham på mountainbike, kickboksning eller spille guitar i et 90'er metalband.
Noah Donaldson er en løsningsarkitekt hos AWS, der støtter føderale finansielle organisationer. Han er begejstret for AI/ML-teknologi, der kan reducere manuelle processer, forbedre kundeoplevelser og hjælpe med at løse interessante problemer. Uden for arbejdet nyder han at tilbringe tid på isen med sin søn, der spiller hockey, på jagt med sin ældste datter og skyde bøjler med sin yngste datter.
- AI
- ai kunst
- ai kunst generator
- en robot
- Amazon-anerkendelse
- kunstig intelligens
- certificering af kunstig intelligens
- kunstig intelligens i banksektoren
- kunstig intelligens robot
- kunstig intelligens robotter
- software til kunstig intelligens
- AWS maskinindlæring
- blockchain
- blockchain konference ai
- coingenius
- samtale kunstig intelligens
- kryptokonference ai
- dalls
- dyb læring
- Grundlæggende (100)
- du har google
- machine learning
- plato
- platon ai
- Platon Data Intelligence
- Platon spil
- PlatoData
- platogaming
- skala ai
- syntaks
- zephyrnet