Beschleunigen Sie Ihre Projekte zur Identitätsprüfung mit Beispielimplementierungen von AWS Amplify und Amazon Rekognition

Amazon-Anerkennung ermöglicht es Ihnen, betrügerische Angriffe abzuwehren und Reibungsverluste beim Onboarding für legitime Kunden durch einen optimierten Identitätsprüfungsprozess zu minimieren. Dies kann zu einer Erhöhung des Kundenvertrauens und der Sicherheit führen. Zu den wichtigsten Funktionen dieser Lösung gehören:

• Registrieren Sie einen neuen Benutzer mit einem Selfie
• Registrieren Sie einen neuen Benutzer nach dem Gesichtsabgleich mit einer ID-Karte und der Extraktion von ID-Kartendaten
• Authentifizieren Sie wiederkehrende Benutzer

Amazon Rekognition bietet vortrainierte Gesichtserkennung Funktionen, die Sie schnell zu Ihren Benutzer-Onboarding- und Authentifizierungs-Workflows hinzufügen können, um die Identitäten angemeldeter Benutzer online zu überprüfen. Für die Nutzung dieses Dienstes sind keine Kenntnisse im Bereich maschinelles Lernen (ML) erforderlich.

In einer vorangegangenen Posthaben wir einen typischen Arbeitsablauf zur Identitätsprüfung beschrieben und Ihnen gezeigt, wie Sie mithilfe verschiedener Amazon Rekognition-APIs eine Lösung zur Identitätsprüfung erstellen. In diesem Beitrag haben wir eine Benutzeroberfläche für die gesichtsidentitätsbasierte Authentifizierung hinzugefügt, um eine vollständige End-to-End-Lösung zur Identitätsprüfung zu zeigen. Wir stellen eine vollständige Beispielimplementierung in unserem zur Verfügung GitHub-Repository.

Lösungsüberblick

Die folgende Referenzarchitektur zeigt, wie Sie Amazon Rekognition zusammen mit anderen AWS-Services verwenden können, um die Identitätsprüfung zu implementieren.

Die Architektur enthält die folgenden Komponenten:

1. Benutzer greifen auf das Front-End-Webportal zu, das innerhalb von gehostet wird AWS verstärken Amplify ist eine End-to-End-Lösung, die es Front-End-Webentwicklern ermöglicht, sichere, skalierbare Full-Stack-Anwendungen zu erstellen und bereitzustellen.
2. Anwendungen aufrufen Amazon API-Gateway um Anfragen an die richtigen weiterzuleiten AWS Lambda Funktion abhängig vom Benutzerfluss. Diese Lösung umfasst vier Hauptaktionen: Authentifizieren, Registrieren, Registrieren mit ID-Karte und Aktualisieren.
3. API Gateway verwendet eine Dienstintegration, um die auszuführen AWS Step-Funktionen Express-Zustandsmaschine, die dem spezifischen Endpunkt entspricht, der von API Gateway aufgerufen wird. Innerhalb jedes Schritts sind Lambda-Funktionen dafür verantwortlich, den richtigen Satz von Aufrufen von und nach auszulösen Amazon DynamoDB und Amazon Simple Storage-Service (Amazon S3), zusammen mit den relevanten Amazon Rekognition-APIs.
4. DynamoDB enthält Gesichts-IDs (face-id), S3-Pfad-URIs und eindeutige IDs (z. B. Mitarbeiter-ID-Nummer) für jeden face-id. Amazon S3 speichert alle Gesichtsbilder.
5. Die letzte Hauptkomponente der Lösung ist Amazon Rekognition. Jeder Ablauf (Authentifizierung, Registrierung, Registrierung mit ID-Karte und Aktualisierung) ruft je nach Aufgabe unterschiedliche Amazon Rekognition-APIs auf.

Bevor wir die Lösung bereitstellen, ist es wichtig, die folgenden Konzepte und API-Beschreibungen zu kennen:

• Kollektionen – Amazon Rekognition speichert Informationen über erkannte Gesichter in serverseitigen Containern, die als bekannt sind Produktauswahl. Sie können die in einer Sammlung gespeicherten Gesichtsinformationen verwenden, um nach bekannten Gesichtern in Bildern, gespeicherten Videos und Streaming-Videos zu suchen. Sie können Sammlungen in einer Vielzahl von Szenarien verwenden. Sie können beispielsweise eine Gesichtssammlung erstellen, um gescannte Ausweisbilder zu speichern, indem Sie die verwenden IndexGesichter Wenn ein Mitarbeiter das Gebäude betritt, kann ein Bild des Gesichts des Mitarbeiters erfasst und an die gesendet werden SearchFacesByImage Betrieb. Wenn die Gesichtsübereinstimmung einen ausreichend hohen Ähnlichkeitswert ergibt (z. B. 99 %), können Sie den Mitarbeiter authentifizieren.
• DetectFaces-API – Diese API erkennt Gesichter in einem als Eingabe bereitgestellten Bild und gibt Informationen über Gesichter zurück. In einem Arbeitsablauf zur Benutzerregistrierung kann Ihnen dieser Vorgang beim Screening von Bildern helfen, bevor Sie mit dem nächsten Schritt fortfahren. Sie können beispielsweise überprüfen, ob ein Foto ein Gesicht enthält, ob die identifizierte Person in der richtigen Ausrichtung ist und ob sie keinen Gesichtsblocker wie eine Sonnenbrille oder eine Mütze trägt.
• IndexFaces-API – Diese API erkennt Gesichter im Eingabebild und fügt sie der angegebenen Sammlung hinzu. Diese Operation wird verwendet, um ein gefiltertes Bild zu einer Sammlung für zukünftige Abfragen hinzuzufügen.
• SearchFacesByImage-API – Für ein bestimmtes Eingabebild erkennt die API zuerst das größte Gesicht im Bild und durchsucht dann die angegebene Sammlung nach übereinstimmenden Gesichtern. Die Operation vergleicht die Merkmale des Eingabegesichts mit Gesichtsmerkmalen in der angegebenen Sammlung.
• CompareFaces-API – Diese API vergleicht ein Gesicht im Quelleingabebild mit jedem der 100 größten Gesichter, die im Zieleingabebild erkannt wurden. Wenn das Quellbild mehrere Gesichter enthält, erkennt der Dienst das größte Gesicht und vergleicht es mit jedem im Zielbild erkannten Gesicht. Für unseren Anwendungsfall erwarten wir, dass sowohl das Quell- als auch das Zielbild ein einzelnes Gesicht enthalten.
• DeleteFaces-API – Diese API löscht Gesichter aus einer Sammlung. Sie geben eine Sammlungs-ID und ein Array von zu entfernenden Gesichts-IDs an.

Workflows

Die Lösung bietet ein Beispiel für Workflows, um Benutzerregistrierung, Authentifizierung und Aktualisierungen des Benutzerprofilbilds zu ermöglichen. Wir beschreiben jeden Workflow in diesem Abschnitt.

Registrieren Sie einen neuen Benutzer mit einem Gesichts-Selfie

Die folgende Abbildung zeigt den Ablauf einer neuen Benutzerregistrierung. Typische Schritte in diesem Prozess sind:

1. Ein Benutzer nimmt ein Selfie-Bild auf.
2. Eine Qualitätsprüfung des Selfie-Bildes wird durchgeführt.
   Note: Nach diesem Schritt kann auch eine Lebenderkennungsprüfung durchgeführt werden. Für weitere Details lesen Sie bitte dies Blog.
3. Das Selfie wird mit einer Datenbank bestehender Benutzergesichter verglichen.

Die folgende Abbildung veranschaulicht den Step Functions-Workflow für die Registrierung neuer Benutzer.

In diesem Workflow werden drei Funktionen aufgerufen: Gesichter erkennen, Suchgesichter und Indexflächendem „Vermischten Geschmack“. Seine Gesichter erkennen Funktion ruft die Amazon Rekognition auf DetectFaces API, um festzustellen, ob ein Gesicht in einem Bild erkannt wird und verwendbar ist. Einige der Qualitätsprüfungen umfassen die Feststellung, dass nur ein Gesicht im Bild vorhanden ist, die Sicherstellung, dass das Gesicht nicht durch eine Sonnenbrille oder einen Hut verdeckt wird, und die Bestätigung, dass das Gesicht nicht gedreht wird, indem verwendet wird Pose Abmessungen. Wenn das Bild die Qualitätsprüfung besteht, wird die Suchgesichter Funktion sucht in den Amazon Rekognition-Sammlungen nach einer vorhandenen Gesichtsübereinstimmung, indem sie die bestätigt FaceMatchThreshold Konfidenzwert entspricht Ihrem Schwellenwertziel. Weitere Informationen finden Sie unter Verwenden von Ähnlichkeitsschwellenwerten zum Abgleichen von Gesichtern. Wenn das Gesichtsbild nicht in den Sammlungen vorhanden ist, wird die Indexflächen -Funktion wird aufgerufen, um das Gesicht in den Sammlungen zu indizieren. Die Metadaten der Gesichtsbilder werden in der DynamoDB-Tabelle und die Gesichtsbilder in einem S3-Bucket gespeichert.

Wenn die Registrierung des neuen Benutzers erfolgreich ist, werden die Attributinformationen des Gesichtsbilds in DynamoDB hinzugefügt. Sie können den Ablauf entsprechend dem Geschäftsprozess anpassen. Es enthält oft einige oder alle der Schritte, die im vorherigen Diagramm dargestellt sind. Sie können wählen, ob Sie alle Schritte synchron ausführen möchten (warten Sie, bis ein Schritt abgeschlossen ist, bevor Sie mit dem nächsten Schritt fortfahren). Alternativ können Sie einige der Schritte asynchron ausführen (warten Sie nicht, bis dieser Schritt abgeschlossen ist), um den Benutzerregistrierungsprozess zu beschleunigen und das Kundenerlebnis zu verbessern. Wenn die Schritte nicht erfolgreich sind, müssen Sie die Benutzerregistrierung rückgängig machen.

Registrieren Sie einen neuen Benutzer nach dem Gesichtsabgleich mit einem Ausweis mit Ausweisdatenextraktion

Zusätzlich zur Benutzerregistrierung mit Bild ermöglicht dieser Workflow Benutzern, sich mit einem Ausweis wie einem Führerschein zu registrieren. Die Schritte zum Registrieren eines neuen Benutzers mit einer ID-Karte ähneln den Schritten zum Registrieren eines neuen Benutzers.

Die folgende Abbildung veranschaulicht den Step Functions-Workflow für die Registrierung neuer Benutzer mit ID.

In diesem Workflow werden vier Funktionen aufgerufen:  Gesichter erkennen, Suchgesichter, Indexflächen und Vergleiche-Gesichter. Die Abfolge der Vorgänge in diesem Workflow ähnelt dem Workflow für die Benutzerregistrierung mit dem Zusatz von Vergleiche-Gesichter. Nachdem Sie die Qualität des Selfie-Bildes überprüft und sichergestellt haben, dass das Gesichtsbild nicht in der Sammlung vorhanden ist, wird die Vergleiche-Gesichter wird aufgerufen, um zu überprüfen, ob das Selfie-Bild mit dem Gesichtsbild auf der ID-Karte übereinstimmt. Stimmen die Bilder überein, werden die relevanten Eigenschaften aus dem Ausweis extrahiert. Mit dem neu eingeführten können Sie Schlüssel-Wert-Paare aus Identitätsdokumenten extrahieren Amazontext AnalyzeID API (für US-Regionen) oder Amazon Rekognition DetectText API (Nicht-US-Regionen und nicht-englische Sprachen). Die aus dem Personalausweis extrahierten Eigenschaften werden zusammengeführt und das Gesicht des Nutzers wird über die in der Sammlung indiziert Indexflächen Funktion.

Die Metadaten der Gesichtsbilder werden in der DynamoDB-Tabelle und die Gesichtsbilder in einem S3-Bucket gespeichert.

Wenn die Bilder nicht übereinstimmen oder eine doppelte Registrierung erkannt wird, erhält der Benutzer einen Anmeldefehler. Anmeldefehler können mit einem protokolliert werden Amazon CloudWatch Ereignis und Aktionen können mit ausgelöst werden Amazon Simple Notification Service (Amazon SNS), um Sicherheitsvorgänge zur Überwachung und Nachverfolgung fehlgeschlagener Anmeldungen zu benachrichtigen. Weitere Informationen finden Sie unter Überwachen von Amazon SNS-Themen mit CloudWatch.

Authentifizieren Sie wiederkehrende Benutzer

Ein weiterer häufiger Ablauf ist eine bestehende oder wiederkehrende Benutzeranmeldung. In diesem Ablauf wird eine Überprüfung des Benutzergesichts (Selfie) gegen ein zuvor registriertes Gesicht durchgeführt. Zu den typischen Schritten in diesem Prozess gehören die Gesichtserfassung (Selfie) des Benutzers, die Überprüfung der Selfie-Bildqualität sowie die Suche und der Vergleich des Selfies mit der Gesichtsdatenbank. Das folgende Diagramm zeigt einen möglichen Ablauf.

Das folgende Bild veranschaulicht den Arbeitsablauf zum Authentifizieren eines vorhandenen Benutzers.

Dieser Step-Function-Workflow ruft drei Funktionen auf: Gesichter erkennen, Vergleiche-Gesichter und Suchgesichter. Nach dem Gesichter erkennen Funktion überprüft, ob das erfasste Gesichtsbild gültig ist, die Vergleiche-Gesichter -Funktion überprüft den Link in der DynamoDB-Tabelle auf ein Gesichtsbild im S3-Bucket, das mit einem vorhandenen Benutzer übereinstimmt. Wenn eine Übereinstimmung gefunden wird, authentifiziert sich der Benutzer erfolgreich. Wenn keine Übereinstimmung gefunden wird, wird die Funktion search-faces aufgerufen, um nach dem Gesichtsbild in den Sammlungen zu suchen. Der Benutzer wird verifiziert und der Authentifizierungsprozess wird abgeschlossen, wenn sein Gesichtsbild in den Sammlungen vorhanden ist. Andernfalls wird der Zugriff des Benutzers verweigert.

Voraussetzungen:

Erfüllen Sie die folgenden Voraussetzungen, bevor Sie beginnen:

1. Erstellen Sie ein AWS-Konto.
2. Installieren Sie das AWS-Befehlszeilenschnittstelle (AWS CLI) Version 2 auf Ihrem lokalen Computer. Anweisungen finden Sie unter Installieren oder Aktualisieren der neuesten Version der AWS CLI.
3. Richten Sie die AWS CLI ein.
4. Installieren Sie Node.js auf Ihrem lokalen Computer.
5. Klonen Sie das Beispiel-Repository auf Ihrem lokalen Computer:

git clone https://github.com/aws-samples/rekognition-identity-verification.git

Stellen Sie die Lösung bereit

Wählen Sie den geeigneten CloudFormation-Stack aus, um die Lösung in Ihrem AWS-Konto in Ihrer bevorzugten Region bereitzustellen. Diese Lösung stellt API Gateway integriert mit Step Functions und Amazon Rekognition-APIs bereit, um die Workflows zur Identitätsprüfung auszuführen.

Durch Klicken auf eine der folgenden Startschaltflächen wird die Lösung in Ihrem AWS-Konto in der jeweiligen Region bereitgestellt.

  Nord-Virginia (us-east-1)

  Oregon (us-west-2)

Führen Sie die folgenden Schritte auf Ihrem lokalen Computer aus, um die Front-End-Anwendung bereitzustellen:

cd rekognition-identity-verification 
./fe-deployment.sh

Rufen Sie die Web-UI auf

Das Webportal wird mit Amplify bereitgestellt. Suchen Sie in der Amplify-Konsole die gehostete Webanwendungsumgebung und die URL. Kopieren Sie die URL und greifen Sie über Ihren Browser darauf zu.

Registrieren Sie einen neuen Benutzer mit einem Gesichts-Selfie

Registrieren Sie sich als Benutzer mit den folgenden Schritten:

1. Öffnen Sie die von Amplify bereitgestellte Web-URL.
2. Auswählen Registrieren
3. Aktivieren Sie Ihre Kamera und nehmen Sie ein Gesichtsbild auf.
4. Geben Sie Ihren Benutzernamen und Details ein.
5. Auswählen Registrieren um Ihr Konto zu registrieren.

Authentifizieren Sie wiederkehrende Benutzer

Nachdem Sie sich registriert haben, melden Sie sich mit der Gesichts-ID als Authentifizierungsmechanismus an.

1. Öffnen Sie die von Amplify bereitgestellte Web-URL
2. Erfassen Sie Ihre Gesichts-ID.
3. Geben Sie Ihre Benutzer-ID ein.
4. Auswählen Login.

Sie erhalten die Meldung „Anmeldung erfolgreich“, nachdem Ihre Gesichts-ID mit dem Registrierungsbild verifiziert wurde.

Registrieren Sie einen neuen Benutzer nach dem Gesichtsabgleich mit einem Ausweis mit Ausweisdatenextraktion

Führen Sie die folgenden Schritte aus, um die Benutzerregistrierung mit einer ID zu testen:

1. Öffnen Sie die von Amplify bereitgestellte Web-URL.
2. Auswählen Registrieren Sie sich mit ID
3. Aktivieren Sie Ihre Kamera und nehmen Sie ein Gesichtsbild auf.
4. Ziehen Sie Ihren Personalausweis per Drag-and-Drop
5. Auswählen Registrieren.

Der folgende Screenshot zeigt ein Beispiel. Die Anwendung unterstützt Ausweisbilder von bis zu 256 KB.

Sie erhalten die Meldung „Erfolgreich registrierter Benutzer“.

Aufräumen

Um zu verhindern, dass zusätzliche Gebühren in Ihrem AWS-Konto anfallen, löschen Sie die von Ihnen bereitgestellten Ressourcen, indem Sie zur AWS CloudFormation-Konsole navigieren und die Riv-Prod Stapel.

Durch das Löschen des Stacks wird der von Ihnen erstellte S3-Bucket nicht gelöscht. Dieser Bucket speichert alle Gesichtsbilder. Wenn Sie den S3-Bucket löschen möchten, navigieren Sie zur Amazon S3-Konsole, leeren Sie den Bucket und bestätigen Sie dann, dass Sie ihn dauerhaft löschen möchten.

Zusammenfassung

Amazon Rekognition macht es einfach, Bildanalysen zu Ihren Anwendungen zur Identitätsprüfung hinzuzufügen, indem es bewährte, hochgradig skalierbare Deep-Learning-Technologie verwendet, für deren Verwendung keine ML-Kenntnisse erforderlich sind. Amazon Rekognition bietet Gesichtserkennung und -vergleich Fähigkeiten. Mit einer Kombination aus Gesichter erkennen, Gesichter vergleichen, IndexGesichter, SearchFacesByImage, Text erkennen und  AnalyseID, können Sie die üblichen Abläufe rund um die Registrierung neuer Benutzer und Anmeldungen bestehender Benutzer implementieren.

Amazon Rekognition-Sammlungen bieten eine Methode zum Speichern von Informationen über erkannte Gesichter in serverseitigen Containern. Sie können dann die in einer Sammlung gespeicherten Gesichtsinformationen verwenden, um in Bildern nach bekannten Gesichtern zu suchen. Wenn Sie Sammlungen verwenden, müssen Sie keine Originalfotos speichern, nachdem Sie Gesichter in der Sammlung indiziert haben. Amazon Rekognition-Sammlungen speichern keine tatsächlichen Bilder. Stattdessen erkennt der zugrunde liegende Erkennungsalgorithmus die Gesichter im Eingabebild, extrahiert Gesichtsmerkmale in einen Merkmalsvektor für jedes Gesicht und speichert ihn in der Sammlung.

Um Ihre Reise zur Identitätsprüfung zu beginnen, besuchen Sie Identitätsprüfung mit Amazon Rekognition.

Über die Autoren

Vineet Kacchawaha ist ein Lösungsarchitekt bei AWS mit Expertise im maschinellen Lernen. Er ist dafür verantwortlich, Kunden bei der Entwicklung skalierbarer, sicherer und kostengünstiger Workloads auf AWS zu unterstützen.

Ramesh Thiagarajan ist ein Senior Solutions Architect mit Sitz in San Francisco. Er hat einen Bachelor of Science in Angewandten Wissenschaften und einen Master in Cyber ​​Security. Er ist spezialisiert auf Cloud-Migration, Cloud-Sicherheit, Compliance und Risikomanagement. Außerhalb der Arbeit ist er ein leidenschaftlicher Gärtner und hat ein großes Interesse an Immobilien- und Heimwerkerprojekten.

Amit Gupta ist AI Services Solutions Architect bei AWS. Er ist begeistert davon, Kunden maßstabsgetreue Lösungen für maschinelles Lernen in großem Maßstab zu ermöglichen.

Tim Murfy ist Senior Solutions Architect für AWS und arbeitet mit Finanzdienstleistungskunden von Unternehmen zusammen, um Cloud-zentrische Lösungen für Unternehmen zu entwickeln. Er hat das letzte Jahrzehnt damit verbracht, mit Startups, gemeinnützigen Organisationen, Handelsunternehmen und Regierungsbehörden zusammenzuarbeiten und Infrastruktur in großem Maßstab bereitzustellen. In seiner Freizeit, wenn er nicht an Technik bastelt, findet man ihn höchstwahrscheinlich in entlegenen Gegenden der Erde, wo er Berge erwandert, Wellen surft oder mit dem Fahrrad durch eine neue Stadt fährt.

Nate Bachmeier ist ein AWS Senior Solutions Architect, der New York nomadisch erkundet, eine Cloud-Integration nach der anderen. Er ist spezialisiert auf die Migration und Modernisierung von Anwendungen. Außerdem ist Nate Vollzeitstudent und hat zwei Kinder.

Jessie-Lee Fry ist ein Snr AIML-Spezialist mit Schwerpunkt auf Computer Vision bei AWS. Sie hilft Unternehmen, maschinelles Lernen und KI zu nutzen, um Betrug zu bekämpfen und Innovationen im Namen ihrer Kunden voranzutreiben. Außerhalb der Arbeit verbringt sie gerne Zeit mit ihrer Familie, reist und liest alles über Responsible AI.