Percepat proyek verifikasi identitas Anda menggunakan implementasi sampel AWS Amplify dan Amazon Rekognition

Rekognisi Amazon memungkinkan Anda untuk mengurangi serangan penipuan dan meminimalkan gesekan orientasi untuk pelanggan yang sah melalui proses verifikasi identitas yang disederhanakan. Hal ini dapat mengakibatkan peningkatan kepercayaan dan keamanan pelanggan. Kemampuan utama dari solusi ini meliputi:

• Daftarkan pengguna baru menggunakan selfie
• Daftarkan pengguna baru setelah pencocokan wajah dengan kartu ID dan ekstraksi data kartu ID
• Otentikasi pengguna yang kembali

Amazon Rekognition menawarkan pra-pelatihan pengenalan wajah kemampuan yang dapat Anda tambahkan dengan cepat ke alur kerja orientasi dan autentikasi pengguna untuk memverifikasi identitas pengguna yang diikutsertakan secara online. Tidak diperlukan keahlian machine learning (ML) untuk menggunakan layanan ini.

Sebelumnya pos, kami menjelaskan alur kerja verifikasi identitas umum dan menunjukkan kepada Anda cara membangun solusi verifikasi identitas menggunakan berbagai API Amazon Rekognition. Dalam posting ini, kami telah menambahkan antarmuka pengguna otentikasi berbasis identitas wajah untuk menunjukkan solusi verifikasi identitas ujung ke ujung yang lengkap. Kami menyediakan contoh implementasi lengkap di kami Repositori GitHub.

Ikhtisar solusi

Arsitektur referensi berikut menunjukkan bagaimana Anda dapat menggunakan Amazon Rekognition, bersama dengan layanan AWS lainnya, untuk menerapkan verifikasi identitas.

Arsitekturnya mencakup komponen-komponen berikut:

1. Pengguna mengakses portal web front-end yang dihosting di dalam Amplifikasi AWS Amplify adalah solusi ujung ke ujung yang memungkinkan pengembang web front-end untuk membangun dan menerapkan aplikasi tumpukan penuh yang aman dan dapat diskalakan.
2. Aplikasi memanggil Gerbang API Amazon untuk merutekan permintaan ke yang benar AWS Lambda fungsi tergantung pada aliran pengguna. Ada empat tindakan utama dalam solusi ini: mengotentikasi, mendaftar, mendaftar dengan kartu ID, dan memperbarui.
3. API Gateway menggunakan integrasi layanan untuk menjalankan Fungsi Langkah AWS mesin keadaan ekspres yang sesuai dengan titik akhir spesifik yang dipanggil dari API Gateway. Dalam setiap langkah, fungsi Lambda bertanggung jawab untuk memicu rangkaian panggilan yang benar ke dan dari Amazon DynamoDB dan Layanan Penyimpanan Sederhana Amazon (Amazon S3), bersama dengan Amazon Rekognition API yang relevan.
4. DynamoDB menyimpan ID wajah (face-id), URI jalur S3, dan ID unik (misalnya nomor ID karyawan) untuk masing-masing face-id. Amazon S3 menyimpan semua gambar wajah.
5. Komponen utama terakhir dari solusi ini adalah Amazon Rekognition. Setiap alur (mengotentikasi, mendaftar, mendaftar dengan kartu ID, dan memperbarui) memanggil API Amazon Rekognition yang berbeda tergantung pada tugasnya.

Sebelum kami menerapkan solusi, penting untuk mengetahui konsep dan deskripsi API berikut:

• koleksi – Amazon Rekognition menyimpan informasi tentang wajah yang terdeteksi dalam wadah sisi server yang dikenal sebagai koleksi. Anda dapat menggunakan informasi wajah yang disimpan dalam koleksi untuk mencari wajah yang dikenal dalam gambar, video yang disimpan, dan video streaming. Anda dapat menggunakan koleksi dalam berbagai skenario. Misalnya, Anda dapat membuat koleksi wajah untuk menyimpan gambar lencana yang dipindai dengan menggunakan Wajah Indeks Ketika seorang karyawan memasuki gedung, gambar wajah karyawan dapat diambil dan dikirim ke CariWajahByImage operasi. Jika kecocokan wajah menghasilkan skor kesamaan yang cukup tinggi (katakanlah 99%), Anda dapat mengautentikasi karyawan tersebut.
• API Deteksi Wajah – API ini mendeteksi wajah dalam gambar yang diberikan sebagai input dan mengembalikan informasi tentang wajah. Dalam alur kerja pendaftaran pengguna, operasi ini dapat membantu Anda menyaring gambar sebelum pindah ke langkah berikutnya. Misalnya, Anda dapat memeriksa apakah foto berisi wajah, apakah orang yang diidentifikasi memiliki orientasi yang benar, dan apakah mereka tidak mengenakan pelindung wajah seperti kacamata hitam atau topi.
• API IndexFaces – API ini mendeteksi wajah dalam gambar input dan menambahkannya ke koleksi yang ditentukan. Operasi ini digunakan untuk menambahkan gambar yang disaring ke koleksi untuk kueri di masa mendatang.
• CariFacesByImage API – Untuk gambar masukan yang diberikan, API pertama-tama mendeteksi wajah terbesar dalam gambar, lalu mencari koleksi yang ditentukan untuk wajah yang cocok. Operasi membandingkan fitur wajah input dengan fitur wajah dalam koleksi yang ditentukan.
• Bandingkan Wajah API – API ini membandingkan wajah dalam gambar input sumber dengan masing-masing dari 100 wajah terbesar yang terdeteksi dalam gambar input target. Jika gambar sumber berisi beberapa wajah, layanan akan mendeteksi wajah terbesar dan membandingkannya dengan setiap wajah yang terdeteksi pada gambar target. Untuk kasus penggunaan kami, kami mengharapkan gambar sumber dan target berisi satu wajah.
• Hapus Faces API – API ini menghapus wajah dari koleksi. Anda menentukan ID koleksi dan larik ID wajah yang akan dihapus.

Workflows

Solusinya menyediakan contoh alur kerja untuk mengaktifkan pendaftaran pengguna, otentikasi, dan pembaruan untuk gambar profil pengguna. Kami merinci setiap alur kerja di bagian ini.

Daftarkan pengguna baru menggunakan selfie wajah

Gambar berikut menunjukkan alur kerja pendaftaran pengguna baru. Langkah-langkah khas dalam proses ini adalah:

1. Seorang pengguna mengambil gambar selfie.
2. Pemeriksaan kualitas gambar selfie dilakukan.
   Note: Pemeriksaan deteksi keaktifan juga dapat dilakukan setelah langkah ini. Untuk lebih jelasnya silahkan baca ini blog.
3. Selfie diperiksa terhadap database wajah pengguna yang ada.

Gambar berikut mengilustrasikan alur kerja Fungsi Langkah untuk pendaftaran pengguna baru.

Tiga fungsi dipanggil dalam alur kerja ini: deteksi-wajah, pencarian-wajah, dan wajah-indeks. itu deteksi-wajah fungsi memanggil Pengakuan Amazon DetectFaces API untuk menentukan apakah wajah terdeteksi dalam gambar dan dapat digunakan. Beberapa pemeriksaan kualitas termasuk menentukan bahwa hanya satu wajah yang ada dalam gambar, memastikan wajah tidak tertutup oleh kacamata hitam atau topi, dan memastikan bahwa wajah tidak diputar dengan menggunakan pose dimensi. Jika gambar lolos pemeriksaan kualitas, pencarian-wajah fungsi mencari kecocokan wajah yang ada di koleksi Amazon Rekognition dengan mengonfirmasi Ambang Batas FaceMatch skor kepercayaan memenuhi tujuan ambang Anda. Untuk informasi lebih lanjut, lihat Menggunakan ambang kesamaan untuk mencocokkan wajah. Jika gambar wajah tidak ada di koleksi, wajah-indeks fungsi dipanggil untuk mengindeks wajah dalam koleksi. Metadata gambar wajah disimpan dalam tabel DynamoDB dan gambar wajah disimpan dalam ember S3.

Jika pendaftaran pengguna baru berhasil, informasi atribut gambar wajah ditambahkan di DynamoDB. Anda dapat menyesuaikan aliran sesuai dengan proses bisnis. Ini sering berisi beberapa atau semua langkah yang disajikan dalam diagram sebelumnya. Anda dapat memilih untuk menjalankan semua langkah secara sinkron (tunggu satu langkah selesai sebelum melanjutkan ke langkah berikutnya). Sebagai alternatif, Anda dapat menjalankan beberapa langkah secara asinkron (jangan menunggu langkah itu selesai) untuk mempercepat proses pendaftaran pengguna dan meningkatkan pengalaman pelanggan. Jika langkah-langkah tersebut tidak berhasil, Anda harus memutar kembali pendaftaran pengguna.

Daftarkan pengguna baru setelah pencocokan wajah dengan kartu ID dengan ekstraksi data kartu ID

Selain pendaftaran pengguna dengan gambar, alur kerja ini memungkinkan pengguna untuk mendaftar dengan kartu identitas seperti SIM. Langkah-langkah untuk mendaftarkan pengguna baru dengan KTP sama dengan langkah-langkah untuk mendaftarkan pengguna baru.

Gambar berikut mengilustrasikan alur kerja Fungsi Langkah untuk pendaftaran pengguna baru dengan ID.

Empat fungsi dipanggil dalam alur kerja ini:  deteksi-wajah, pencarian-wajah, wajah-indeks dan bandingkan wajah. Urutan operasi dalam alur kerja ini mirip dengan alur kerja pendaftaran pengguna dengan tambahan: bandingkan wajah. Setelah memverifikasi kualitas gambar selfie dan memastikan gambar wajah tidak ada dalam koleksi, bandingkan wajah fungsi dipanggil untuk memverifikasi gambar selfie cocok dengan gambar wajah di kartu ID. Jika gambar cocok, properti yang relevan diekstraksi dari kartu ID. Anda dapat mengekstrak pasangan nilai kunci dari dokumen identitas menggunakan yang baru diluncurkan Teks Amazon AnalyzeID API (untuk wilayah AS) atau Pengakuan Amazon DetectText API (wilayah non-AS dan bahasa non-Inggris). Properti yang diekstraksi dari kartu ID digabungkan dan wajah pengguna diindeks dalam koleksi melalui wajah-indeks fungsi.

Metadata gambar wajah disimpan dalam tabel DynamoDB dan gambar wajah disimpan dalam ember S3.

Jika gambar tidak cocok atau registrasi duplikat terdeteksi, pengguna menerima kegagalan login. Kegagalan login dapat dicatat menggunakan amazoncloudwatch acara, dan tindakan dapat dipicu menggunakan Layanan Pemberitahuan Sederhana Amazon (Amazon SNS) untuk memberi tahu operasi keamanan untuk memantau dan melacak login yang gagal. Untuk informasi lebih lanjut, lihat Memantau topik Amazon SNS menggunakan CloudWatch.

Otentikasi pengguna yang kembali

Alur umum lainnya adalah login pengguna yang sudah ada atau yang kembali. Dalam alur ini, pemeriksaan wajah pengguna (selfie) dilakukan terhadap wajah yang terdaftar sebelumnya. Langkah-langkah umum dalam proses ini termasuk pengambilan wajah pengguna (selfie), pemeriksaan kualitas gambar selfie, dan pencarian dan perbandingan selfie dengan database wajah. Diagram berikut menunjukkan aliran yang mungkin.

Gambar berikut mengilustrasikan alur kerja untuk mengautentikasi pengguna yang sudah ada.

Alur kerja Fungsi Langkah ini memanggil tiga fungsi: deteksi-wajah, bandingkan wajah dan pencarian-wajah. Setelah deteksi-wajah fungsi memverifikasi bahwa gambar wajah yang diambil valid, bandingkan wajah fungsi memeriksa tautan di tabel DynamoDB untuk gambar wajah di bucket S3 yang cocok dengan pengguna yang ada. Jika kecocokan ditemukan, pengguna berhasil mengotentikasi. Jika kecocokan tidak ditemukan, fungsi pencarian-wajah dipanggil untuk mencari gambar wajah dalam koleksi. Pengguna diverifikasi dan proses otentikasi selesai jika gambar wajah mereka ada di koleksi. Jika tidak, akses pengguna ditolak.

Prasyarat

Sebelum Anda memulai, selesaikan prasyarat berikut:

1. Buat akun AWS.
2. Instal Antarmuka Baris Perintah AWS (AWS CLI) versi 2 di mesin lokal Anda. Untuk petunjuk, lihat Menginstal atau memperbarui versi terbaru AWS CLI.
3. Siapkan AWS CLI.
4. Instal Node.js di mesin lokal Anda.
5. Kloning sampel repo di mesin lokal Anda:

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

Terapkan solusinya

Pilih tumpukan CloudFormation yang sesuai untuk menyediakan solusi di akun AWS Anda di Wilayah pilihan Anda. Solusi ini menerapkan API Gateway yang terintegrasi dengan Step Functions dan Amazon Rekognition API untuk menjalankan alur kerja verifikasi identitas.

Mengklik salah satu tombol peluncuran berikut akan menyediakan solusi ke Akun AWS Anda di wilayah tertentu.

  Virginia Utara (us-east-1)

  Oregon (us-west-2)

Jalankan langkah-langkah berikut di mesin lokal Anda untuk menerapkan aplikasi Front-end:

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

Panggil UI web

Portal web disebarkan dengan Amplify. Di konsol Amplify, temukan lingkungan aplikasi web yang dihosting dan URL. Salin URL dan akses dari browser Anda.

Daftarkan pengguna baru menggunakan selfie wajah

Daftarkan diri Anda sebagai pengguna dengan langkah-langkah berikut:

1. Buka URL web yang disediakan dari Amplify.
2. Pilih Daftar
3. Aktifkan kamera Anda dan ambil gambar wajah.
4. Masukkan nama pengguna dan detail Anda.
5. Pilih Daftar untuk mendaftarkan akun Anda.

Otentikasi pengguna yang kembali

Setelah Anda terdaftar, Anda masuk menggunakan ID wajah sebagai mekanisme otentikasi.

1. Buka URL web yang disediakan oleh Amplify
2. Tangkap ID wajah Anda.
3. Masukkan ID pengguna Anda.
4. Pilih Login.

Anda mendapatkan pesan “Login berhasil” setelah ID wajah Anda diverifikasi dengan gambar pendaftaran.

Daftarkan pengguna baru setelah pencocokan wajah dengan kartu ID dengan ekstraksi data kartu ID

Untuk menguji pendaftaran pengguna dengan ID, selesaikan langkah-langkah berikut:

1. Buka URL web yang disediakan oleh Amplify.
2. Pilih Daftar dengan ID
3. Aktifkan kamera Anda dan ambil gambar wajah.
4. Seret dan jatuhkan kartu identitas Anda
5. Pilih Daftar.

Tangkapan layar berikut menunjukkan sebuah contoh. Aplikasi ini mendukung gambar kartu ID hingga 256 KB.

Anda menerima pesan "Pengguna Terdaftar Berhasil".

Membersihkan

Untuk mencegah timbulnya biaya tambahan di akun AWS Anda, hapus sumber daya yang Anda sediakan dengan menavigasi ke konsol AWS CloudFormation dan menghapus Riv-Prod tumpukan.

Menghapus tumpukan tidak menghapus keranjang S3 yang Anda buat. Bucket ini menyimpan semua gambar wajah. Jika Anda ingin menghapus bucket S3, navigasikan ke konsol Amazon S3, kosongkan bucket, lalu konfirmasikan bahwa Anda ingin menghapusnya secara permanen.

Kesimpulan

Amazon Rekognition memudahkan untuk menambahkan analisis gambar ke aplikasi verifikasi identitas Anda menggunakan teknologi pembelajaran mendalam yang terbukti, sangat skalabel, dan tidak memerlukan keahlian ML untuk digunakan. Pengakuan Amazon menyediakan deteksi dan perbandingan wajah kemampuan. Dengan kombinasi Deteksi Wajah, Bandingkan Wajah, Wajah Indeks, CariWajahByImage, DeteksiTeks dan  AnalisisID, Anda dapat menerapkan alur umum seputar pendaftaran pengguna baru dan login pengguna yang sudah ada.

Koleksi Amazon Rekognition menyediakan metode untuk menyimpan informasi tentang wajah yang terdeteksi dalam container sisi server. Anda kemudian dapat menggunakan informasi wajah yang disimpan dalam koleksi untuk mencari wajah yang dikenal dalam gambar. Saat menggunakan koleksi, Anda tidak perlu menyimpan foto asli setelah mengindeks wajah dalam koleksi. Koleksi Amazon Rekognition tidak mempertahankan gambar yang sebenarnya. Sebagai gantinya, algoritma pendeteksian yang mendasarinya mendeteksi wajah dalam gambar input, mengekstrak fitur wajah ke dalam vektor fitur untuk setiap wajah, dan menyimpannya dalam koleksi.

Untuk memulai perjalanan Anda menuju verifikasi identitas, kunjungi Verifikasi Identitas menggunakan Amazon Rekognition.

Tentang penulis

Vineet Kacchawaha adalah Arsitek Solusi di AWS dengan keahlian dalam Pembelajaran Mesin. Dia bertanggung jawab untuk membantu pelanggan merancang beban kerja yang skalabel, aman, dan hemat biaya di AWS.

Ramesh Thiagarajan adalah Arsitek Solusi Senior yang berbasis di San Francisco. Dia memegang gelar Bachelor of Science di Applied Sciences dan master di Cyber ​​Security. Dia berspesialisasi dalam migrasi cloud, keamanan cloud, kepatuhan, dan manajemen risiko. Di luar pekerjaan, dia adalah seorang tukang kebun yang bersemangat, dan memiliki minat besar dalam proyek real estat dan perbaikan rumah.

Amit Gupta adalah Arsitek Solusi Layanan AI di AWS. Dia bersemangat dalam membantu pelanggan dengan solusi pembelajaran mesin yang dirancang dengan baik dalam skala besar.

Tim Murphy adalah Arsitek Solusi Senior untuk AWS, bekerja dengan pelanggan layanan keuangan perusahaan yang membangun solusi bisnis yang berpusat pada cloud. Dia telah menghabiskan dekade terakhir bekerja dengan perusahaan rintisan, nirlaba, perusahaan komersial, dan lembaga pemerintah, menyebarkan infrastruktur dalam skala besar. Di waktu luangnya ketika dia tidak mengutak-atik teknologi, kemungkinan besar Anda akan menemukannya di daerah yang jauh di bumi, mendaki gunung, berselancar di ombak, atau bersepeda melintasi kota baru.

Nate Bachmeier adalah Arsitek Solusi Senior AWS yang menjelajahi New York secara nomaden, satu demi satu integrasi cloud. Dia berspesialisasi dalam migrasi dan modernisasi aplikasi. Selain itu, Nate adalah siswa penuh waktu dan memiliki dua anak.

Jessie-Lee Goreng adalah Spesialis AIML Snr dengan fokus pada Computer Vision di AWS. Dia membantu organisasi memanfaatkan Pembelajaran Mesin dan AI untuk memerangi penipuan dan mendorong inovasi atas nama pelanggan mereka. Di luar pekerjaan, dia senang menghabiskan waktu bersama keluarganya, bepergian, dan membaca semua tentang AI yang Bertanggung Jawab.