Gyorsítsa fel a személyazonosság-ellenőrzési projektjeit az AWS Amplify és az Amazon Rekognition mintamegvalósításaival

Amazon felismerés lehetővé teszi a csalárd támadások mérséklését és minimalizálja a belépési súrlódásokat a jogos ügyfelek számára az egyszerűsített személyazonosság-ellenőrzési folyamat révén. Ez az ügyfelek bizalmának és biztonságának növekedését eredményezheti. Ennek a megoldásnak a legfontosabb képességei a következők:

• Új felhasználó regisztrálása szelfi segítségével
• Új felhasználó regisztrálása arcegyeztetés után személyi igazolvány és személyi igazolvány adatkinyerése ellen
• A visszatérő felhasználó hitelesítése

Az Amazon Rekognition előre kiképzett arcfelismerő olyan képességek, amelyeket gyorsan hozzáadhat felhasználói belépési és hitelesítési munkafolyamataihoz, hogy online ellenőrizhesse a bejelentkezett felhasználók személyazonosságát. A szolgáltatás használatához nincs szükség gépi tanulási (ML) szakértelemre.

Egy előzőben Hozzászólás, leírtunk egy tipikus személyazonosság-ellenőrzési munkafolyamatot, és megmutattuk, hogyan hozhat létre személyazonosság-ellenőrzési megoldást különféle Amazon Rekognition API-k segítségével. Ebben a bejegyzésben hozzáadtunk egy arcidentitás-alapú hitelesítési felhasználói felületet, amely egy teljes, végpontok közötti személyazonosság-ellenőrzési megoldást mutat be. Teljes mintamegvalósítást biztosítunk nálunk GitHub tárház.

Megoldás áttekintése

A következő referenciaarchitektúra bemutatja, hogyan használhatja az Amazon Rekognitiont más AWS-szolgáltatásokkal együtt a személyazonosság-ellenőrzés megvalósítására.

Az architektúra a következő összetevőket tartalmazza:

1. A felhasználók hozzáférnek a webes felületen tárolt front-end portálhoz AWS erősítés Az Amplify egy teljes körű megoldás, amely lehetővé teszi a front-end webfejlesztők számára, hogy biztonságos, méretezhető full stack alkalmazásokat építsenek és telepítsenek.
2. Az alkalmazások meghívnak Amazon API átjáró hogy a kéréseket a megfelelő helyre irányítsa AWS Lambda funkció a felhasználói folyamattól függően. Ebben a megoldásban négy fő művelet van: hitelesítés, regisztráció, regisztráció személyi igazolvánnyal és frissítés.
3. Az API Gateway szolgáltatásintegrációt használ a futtatásához AWS lépésfunkciók Az API-átjáróból meghívott adott végpontnak megfelelő expressz állapotú gép. Az egyes lépéseken belül a Lambda funkciók felelősek a megfelelő híváskészlet kiváltásáért Amazon DynamoDB és a Amazon egyszerű tárolási szolgáltatás (Amazon S3), valamint a vonatkozó Amazon Rekognition API-kkal.
4. A DynamoDB arcazonosítókat (face-id), S3 útvonal URI-k és egyedi azonosítók (például alkalmazotti azonosító szám) mindegyikhez face-id. Az Amazon S3 tárolja az összes arcképet.
5. A megoldás utolsó fő összetevője az Amazon Rekognition. Minden egyes folyamat (hitelesítés, regisztráció, regisztráció azonosítókártyával és frissítés) a feladattól függően különböző Amazon Rekognition API-kat hív meg.

A megoldás üzembe helyezése előtt fontos ismerni a következő fogalmakat és API-leírásokat:

• Gyűjtemények – Az Amazon Rekognition az észlelt arcokról szóló információkat szerveroldali tárolókban tárolja gyűjtemény. A gyűjteményben tárolt arcinformációk segítségével megkeresheti az ismert arcokat a képeken, a tárolt videókon és a streaming videókon. A gyűjteményeket különféle forgatókönyvekben használhatja. Létrehozhat például egy arcgyűjteményt a beszkennelt jelvényképek tárolására a következő használatával IndexArcok Amikor egy alkalmazott belép az épületbe, az alkalmazott arcának képe rögzíthető és elküldhető a Search FacesByImage művelet. Ha az arcegyeztetés kellően magas (mondjuk 99%) hasonlósági pontszámot ad, akkor hitelesítheti az alkalmazottat.
• DetectFaces API – Ez az API észleli az arcokat a bemenetként megadott képen belül, és információkat ad vissza az arcokról. A felhasználói regisztrációs munkafolyamatban ez a művelet segíthet a képek áttekintésében, mielőtt a következő lépésre lépne. Például ellenőrizheti, hogy a fényképen szerepel-e arc, hogy az azonosított személy megfelelő tájolásban van-e, és nem visel-e arcvédőt, például napszemüveget vagy sapkát.
• IndexFaces API – Ez az API észleli az arcokat a bemeneti képben, és hozzáadja őket a megadott gyűjteményhez. Ezzel a művelettel egy átvizsgált képet adunk a gyűjteményhez a jövőbeli lekérdezésekhez.
• SearchFacesByImage API – Egy adott bemeneti kép esetében az API először a kép legnagyobb arcát észleli, majd a megadott gyűjteményben keresi a megfelelő arcokat. A művelet összehasonlítja a bemeneti arc jellemzőit a megadott gyűjtemény arcvonásaival.
• CompareFaces API – Ez az API összehasonlít egy arcot a forrás bemeneti képében a cél bemeneti képen észlelt 100 legnagyobb arc mindegyikével. Ha a forráskép több arcot tartalmaz, a szolgáltatás észleli a legnagyobb arcot, és összehasonlítja a célképben észlelt minden arccal. Felhasználási esetünkben azt várjuk, hogy a forrás- és a célkép is egyetlen arcot tartalmazzon.
• DeleteFaces API – Ez az API törli az arcokat egy gyűjteményből. Meg kell adni egy gyűjteményazonosítót és az eltávolítandó arcazonosítók tömbjét.

Munkafolyamatok

A megoldás munkafolyamatok mintáját kínálja a felhasználói regisztráció, hitelesítés és a felhasználói profilkép frissítéseinek lehetővé tételéhez. Ebben a részben részletezzük az egyes munkafolyamatokat.

Új felhasználó regisztrálása arcszelfi használatával

A következő ábra egy új felhasználó regisztrációjának munkafolyamatát mutatja be. Ennek a folyamatnak a tipikus lépései a következők:

1. A felhasználó szelfi képet készít.
2. A szelfikép minőségellenőrzése megtörténik.
   Megjegyzések: E lépés után az élénkségérzékelés ellenőrzése is elvégezhető. További részletekért kérjük, olvassa el ezt blog.
3. A szelfit a rendszer összeveti a meglévő felhasználói arcokat tartalmazó adatbázissal.

A következő kép a Step Functions munkafolyamatot mutatja be új felhasználók regisztrációjához.

Ebben a munkafolyamatban három függvény hívható meg: észlel-arcok, kereső-arcokés index-arcok Az észlel-arcok függvény meghívja az Amazon Rekognitiont DetectFaces API annak meghatározására, hogy a rendszer észlelt-e egy arcot a képen, és használható-e. A minőségellenőrzések némelyike ​​magában foglalja annak megállapítását, hogy csak egy arc látható-e a képen, hogy az arcot ne takarja el napszemüveg vagy sapka, valamint annak ellenőrzése, hogy az arc nincs-e elforgatva a póz dimenzió. Ha a kép átmegy a minőségellenőrzésen, a kereső-arcok funkció megkeresi a meglévő arcegyezést az Amazon Rekognition gyűjteményében, megerősítve a FaceMatchThreshold a megbízhatósági pontszám megfelel a küszöbcélnak. További információkért lásd: Hasonlósági küszöbök használata az arcok egyeztetésére. Ha az arckép nem létezik a gyűjteményekben, a index-arcok függvény meghívása az arc indexeléséhez a gyűjteményekben. Az arckép metaadatait a DynamoDB tábla, az arcképeket pedig egy S3 tárolóban tárolja.

Ha az új felhasználó regisztrációja sikeres, az arckép attribútum információi hozzáadódnak a DynamoDB-hez. Testreszabhatja a folyamatot az üzleti folyamatnak megfelelően. Gyakran tartalmazza az előző diagramon bemutatott lépések egy részét vagy mindegyikét. Dönthet úgy, hogy az összes lépést szinkronban futtatja (várja meg, amíg egy lépés befejeződik, mielőtt a következő lépésre lépne). Alternatív megoldásként néhány lépést aszinkron módon is futtathat (ne várja meg a lépés befejezését), hogy felgyorsítsa a felhasználói regisztrációs folyamatot és javítsa az ügyfélélményt. Ha a lépések nem járnak sikerrel, vissza kell vonnia a felhasználói regisztrációt.

Új felhasználó regisztrálása face match után személyi igazolvánnyal szemben személyi igazolvány adatkinyeréssel

A képpel történő felhasználói regisztráció mellett ez a munkafolyamat lehetővé teszi a felhasználók számára, hogy azonosító kártyával, például jogosítvánnyal regisztráljanak. Az új felhasználó személyi igazolvánnyal történő regisztrálásának lépései hasonlóak az új felhasználó regisztrálásának lépéseihez.

A következő kép a Step Functions munkafolyamatot mutatja be új felhasználói regisztrációhoz azonosítóval.

Ebben a munkafolyamatban négy függvény hívható meg:  észlel-arcok, kereső-arcok, index-arcok és a arcok összehasonlítása. Ebben a munkafolyamatban a műveletek sorrendje hasonló a felhasználói regisztrációs munkafolyamathoz, a következő hozzáadásával arcok összehasonlítása. Miután ellenőrizte a szelfi kép minőségét, és meggyőződött arról, hogy az arckép nem szerepel a gyűjteményben, a arcok összehasonlítása funkciót hívja meg annak ellenőrzésére, hogy a szelfi kép megegyezik-e az igazolványon szereplő arcképpel. Ha a képek egyeznek, akkor a vonatkozó tulajdonságok kinyerésre kerülnek az igazolványból. A személyazonosító okmányokból kulcs-érték párokat bonthat ki az újonnan elindított eszközzel Amazon szöveg AnalyzeID API (az Egyesült Államok régióihoz) vagy Amazon Rekognition DetectText API (nem egyesült államokbeli régiók és nem angol nyelvek). A személyi igazolványból kinyert tulajdonságok összevonásra kerülnek, és a felhasználó arcát indexeli a gyűjteményben keresztül index-arcok funkciót.

Az arckép metaadatait a DynamoDB tábla, az arcképeket pedig egy S3 tárolóban tárolja.

Ha a képek nem egyeznek, vagy ismétlődő regisztrációt észlel, a felhasználó bejelentkezési hibát kap. A bejelentkezési hibák naplózhatók egy amazonfelhőóra esemény, és műveletek indíthatók el a használatával Amazon Simple Notification Service (Amazon SNS), hogy értesítse a biztonsági műveleteket a sikertelen bejelentkezések megfigyelésére és nyomon követésére. További információkért lásd: Az Amazon SNS témaköreinek figyelése a CloudWatch segítségével.

A visszatérő felhasználó hitelesítése

Egy másik gyakori folyamat a meglévő vagy visszatérő felhasználói bejelentkezés. Ebben a folyamatban a rendszer ellenőrzi a felhasználói arcot (szelfit) egy korábban regisztrált arccal. A folyamat tipikus lépései közé tartozik a felhasználói arcok rögzítése (szelfi), a szelfi képminőségének ellenőrzése, valamint a szelfi keresése és összehasonlítása az arcok adatbázisában. A következő diagram egy lehetséges áramlást mutat be.

A következő kép egy meglévő felhasználó hitelesítésének munkafolyamatát mutatja be.

Ez a Step Function munkafolyamat három függvényt hív meg: észlel-arcok, arcok összehasonlítása és a kereső-arcok. Azután észlel-arcok funkció ellenőrzi, hogy a rögzített arckép érvényes-e, a arcok összehasonlítása A funkció ellenőrzi a DynamoDB táblában lévő hivatkozást, hogy van-e olyan arckép az S3 tárolóban, amely megfelel egy meglévő felhasználónak. Ha talál egyezést, a felhasználó sikeresen hitelesíti magát. Ha nem található egyezés, az arckép keresése a gyűjteményekben az arcok keresése funkciót hívja meg. A felhasználó ellenőrzése megtörténik, és a hitelesítési folyamat befejeződik, ha az arcképe megtalálható a gyűjteményekben. Ellenkező esetben a felhasználó hozzáférése megtagadva.

Előfeltételek

Mielőtt elkezdené, teljesítse a következő előfeltételeket:

1. Hozzon létre egy AWS-fiókot.
2. Telepítse a AWS parancssori interfész (AWS CLI) 2-es verzióját a helyi gépen. Az utasításokat lásd Az AWS CLI legújabb verziójának telepítése vagy frissítése.
3. Állítsa be az AWS CLI-t.
4. Telepítse a Node.js fájlt a helyi gépen.
5. A minta repo klónozása a helyi gépen:

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

Telepítse a megoldást

Válassza ki a megfelelő CloudFormation-vermet a megoldás biztosításához az AWS-fiókjában a kívánt régióban. Ez a megoldás a Step Functions és az Amazon Rekognition API-kkal integrált API-átjárót telepít a személyazonosság-ellenőrzési munkafolyamatok futtatásához.

A következő indítógombok egyikére kattintva a megoldás az adott régióban található AWS-fiókjába kerül.

  N. Virginia (us-east-1)

  Oregon (us-west-2)

Futtassa a következő lépéseket a helyi gépen a Front-end alkalmazás üzembe helyezéséhez:

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

Hívja meg a webes felhasználói felületet

A webportál az Amplify segítségével kerül telepítésre. Az Amplify konzolon keresse meg a tárolt webalkalmazás-környezetet és az URL-t. Másolja ki az URL-t, és nyissa meg a böngészőből.

Új felhasználó regisztrálása arcszelfi használatával

Regisztrálja magát felhasználóként a következő lépésekkel:

1. Nyissa meg az Amplify által biztosított webes URL-t.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Regisztráció
3. Engedélyezze a kamerát, és készítsen arcképet.
4. Adja meg felhasználónevét és adatait.
5. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Regisztrálj hogy regisztrálja fiókját.

A visszatérő felhasználó hitelesítése

A regisztráció után bejelentkezik az arcazonosítóval hitelesítési mechanizmusként.

1. Nyissa meg az Amplify által biztosított web URL-t
2. Rögzítse arcazonosítóját.
3. Írja be felhasználói azonosítóját.
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Bejelentkezés.

A „Bejelentkezés sikeres” üzenet jelenik meg, miután arcazonosítóját a regisztrációs képpel ellenőrizték.

Új felhasználó regisztrálása face match után személyi igazolvánnyal szemben személyi igazolvány adatkinyeréssel

A felhasználói regisztráció azonosítóval történő teszteléséhez hajtsa végre a következő lépéseket:

1. Nyissa meg az Amplify által biztosított web URL-t.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Regisztrálj azonosítóval
3. Engedélyezze a kamerát, és készítsen arcképet.
4. Húzza át személyi igazolványát
5. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Regisztráció.

A következő képernyőkép egy példát mutat be. Az alkalmazás legfeljebb 256 KB méretű igazolványképeket támogat.

„Sikeresen regisztrált felhasználó” üzenetet kap.

Tisztítsuk meg

A további költségek felhalmozódásának elkerülése érdekében az AWS-fiókjában törölje a biztosított erőforrásokat az AWS CloudFormation konzolra való navigálással, és törölje a Riv-Prod Kazal.

A verem törlése nem törli a létrehozott S3 tárolót. Ez a vödör az összes arcképet tárolja. Ha törölni szeretné az S3 tárolót, lépjen az Amazon S3 konzolra, ürítse ki, majd erősítse meg, hogy véglegesen törli.

Következtetés

Az Amazon Rekognition megkönnyíti a képelemzés hozzáadását a személyazonosság-ellenőrző alkalmazásaihoz a bevált, nagymértékben skálázható, mély tanulási technológia segítségével, amelynek használatához nincs szükség ML-szakértelemre. Az Amazon Rekognition biztosítja arcfelismerés és összehasonlítás képességeit. A kombinációval a Arcok észlelése, Arcok összehasonlítása, IndexArcok, Search FacesByImage, Szöveg észlelése és a  AnalyzeID, megvalósíthatja az új felhasználói regisztráció és a meglévő felhasználói bejelentkezések körüli általános folyamatokat.

Az Amazon Rekognition gyűjtemények lehetőséget biztosítanak az észlelt arcok információinak szerveroldali tárolókban való tárolására. Ezután a gyűjteményben tárolt arcinformációk segítségével kereshet ismert arcokat a képeken. Gyűjtemények használatakor nem kell eredeti fotókat tárolnia, miután indexelte a gyűjteményben lévő arcokat. Az Amazon Rekognition gyűjtemények nem őrzik meg a tényleges képeket. Ehelyett a mögöttes észlelési algoritmus észleli az arcokat a bemeneti képen, az arcvonásokat minden archoz egy jellemzővektorba vonja ki, és eltárolja a gyűjteményben.

A személyazonosság-ellenőrzés felé vezető út megkezdéséhez látogassa meg a webhelyet Személyazonosság-ellenőrzés az Amazon Rekognition segítségével.

A szerzőkről

Vineet Kacchawaha az AWS megoldástervezője, aki a gépi tanulás terén jártas. Feladata, hogy segítsen az ügyfeleknek skálázható, biztonságos és költséghatékony munkaterhelések kialakításában az AWS-en.

Ramesh Thiagarajan Senior Solutions Architect San Francisco-i székhelyű. Alkalmazott tudományokból bachelor fokozatot és kiberbiztonsági mesterképzést szerzett. Felhőmigrációra, felhőbiztonságra, megfelelőségre és kockázatkezelésre specializálódott. Munkán kívül szenvedélyes kertész, és lelkesen érdeklődik az ingatlan- és lakásfelújítási projektek iránt.

Amit Gupta az AWS AI Services Solutions Architect-je. Szenvedélyesen törekszik arra, hogy ügyfelei széleskörű, jól megtervezett gépi tanulási megoldásokat biztosítsanak.

Tim Murphy az AWS vezető megoldástervezője, aki olyan vállalati pénzügyi szolgáltató ügyfelekkel dolgozik, akik üzleti felhő-központú megoldásokat építenek ki. Az elmúlt évtizedben startupokkal, non-profit szervezetekkel, kereskedelmi vállalatokkal és kormányzati ügynökségekkel dolgozott, az infrastruktúra nagyarányú telepítésével. Szabadidejében, amikor nem bütyköl a technológiával, nagy valószínűséggel a föld távoli területein találja majd, túrázva a hegyekben, szörfözve a hullámokon vagy kerékpározva egy új városon.

Nate Bachmeier az AWS Senior Solutions Architect, aki nomád módon fedezi fel New Yorkot, egy-egy felhőintegrációval. Szakterülete az alkalmazások migrálása és modernizálása. Ezen kívül Nate nappali tagozatos diák, és két gyereke van.

Jessie-Lee Fry a Snr AIML szakértő, aki az AWS Computer Vision területére összpontosít. Segít a szervezeteknek kihasználni a gépi tanulást és az AI-t a csalás elleni küzdelemben és az innováció előmozdításában ügyfeleik érdekében. A munkán kívül szívesen tölt időt a családjával, utazik, és mindent elolvas a Felelős AI-ról.