Den globale COVID-19-pandemien har akselerert behovet for å verifisere og ombord brukere på nettet på tvers av flere bransjer, for eksempel finansielle tjenester, forsikring og helsetjenester. Når det kommer til brukeropplevelse er det avgjørende å tilby en friksjonsfri transaksjon samtidig som man opprettholder en høy standard for identitetsverifisering. Spørsmålet er, hvordan verifiserer du virkelige mennesker i den digitale verden?
Amazon-anerkjennelse gir ferdigtrente ansiktsgjenkjennings- og analysefunksjoner for identitetsverifisering til dine nettapplikasjoner, for eksempel banktjenester, fordeler, e-handel og mye mer.
I dette innlegget presenterer vi "ID + Selfie" designmønster for identitetsbekreftelse og eksempelkode du kan bruke til å lage ditt eget REST-endepunkt for identitetsverifisering. Dette er et vanlig designmønster som du kan inkorporere i eksisterende eller nye løsninger som krever ansiktsbasert identitetsverifisering. Brukeren presenterer en form for identifikasjon som førerkort eller pass. Brukeren tar en selfie i sanntid med applikasjonen. Deretter sammenligner vi ansiktet fra dokumentet med sanntidsselfien tatt på enheten deres.
Amazon Rekognition CompareFaces API
I kjernen av "ID + Selfie"-designmønsteret er sammenligningen av ansiktet i selfien med ansiktet på identifikasjonsdokumentet. Til dette bruker vi Amazon Rekognition CompareFaces
API. API-en sammenligner et ansikt i kildeinndatabildet med et eller flere ansikter som er oppdaget i målinndatabildet. I følgende eksempel sammenligner vi et eksempel på førerkort (til venstre) med en selfie (til høyre).
kilde | Target |
Følgende er et eksempel på API-koden:
Flere verdier returneres i Sammenlign Faces API-svar. Vi fokuserer på Similarity
verdi returnert inn FaceMatches
for å bekrefte at selfien samsvarer med ID-en som er oppgitt.
Forstå nøkkelinnstillingsparametere
SimilarityThreshold
er satt til 80 % som standard og vil bare returnere resultater med en likhetspoeng større enn eller lik 80 %. Juster verdien ved å spesifisere SimilarityThreshold
parameter.
QualityFilter
er en inngangsparameter for å filtrere ut oppdagede ansikter som ikke oppfyller en påkrevd kvalitetslinje. Kvalitetslinjen er basert på en rekke vanlige brukstilfeller. Bruk QualityFilter
for å angi kvalitetslinjen ved å spesifisere LOW
, MEDIUM
eller HIGH
. Hvis du ikke vil filtrere ansikter av dårlig kvalitet, spesifiser NONE
. Standardverdien er NONE
.
Løsningsoversikt
Du kan opprette en "ID + Selfie" API for digital identitetsverifisering ved å distribuere følgende komponenter:
- Et REST API med en POST-metode som lar oss sende selfie- og identifikasjonsnyttelasten og returnerer et svar, i dette tilfellet likhetspoengene
- En funksjon for å motta nyttelasten, konvertere bildene til riktig format og kalle Amazon Rekognition
compare_faces
API.
Vi implementerer Amazon API-gateway for REST API-funksjonalitet og AWS Lambda for funksjonen.
Følgende diagram illustrerer løsningsarkitekturen og arbeidsflyten.
Arbeidsflyten inneholder følgende trinn:
- Brukeren laster opp det nødvendige identifikasjonsdokumentet og en selfie.
- Klienten sender inn identifikasjonsdokumentet og selfien til REST-endepunktet.
- REST-endepunktet returnerer en likhetspoeng til klienten.
- En evaluering gjøres gjennom forretningslogikk i søknaden din. For eksempel, hvis likhetspoengsummen er under 80 %, mislykkes den i den digitale identitetskontrollen; ellers består den den digitale identitetskontrollen.
- Klienten sender status til brukeren.
Lambdakode
Lambda-funksjonen konverterer den innkommende nyttelasten fra base64 til byte for hvert bilde og sender deretter kilden (selfie) og målet (identifikasjon) til Amazon Rekognition compare_faces
API og returnerer likhetspoengsummen mottatt i hoveddelen av API-svaret. Se følgende kode:
Distribuer prosjektet
Dette prosjektet er tilgjengelig for distribusjon gjennom AWS-prøver med AWS skyutviklingssett (AWS CDK). Du kan klone depotet og bruke følgende AWS CDK-prosess for å distribuere til AWS-kontoen din.
- Sett opp en bruker som har tillatelser til å programmere distribuere løsningsressursene gjennom AWS CDK.
- Sett opp AWS kommandolinjegrensesnitt (AWS CLI). For instruksjoner, se Konfigurering av AWS CLI.
- Hvis dette er første gang du bruker AWS CDK, fullfør forutsetningene som er oppført i Arbeider med AWS CDK i Python.
- Klone GitHub repository.
- Lag det virtuelle miljøet. Kommandoen du bruker avhenger av operativsystemet ditt:
- Hvis du bruker Windows, kjør følgende kommando i terminalvinduet fra kilden til det klonede depotet:
- Hvis du bruker Mac eller Linux, kjør følgende kommando i terminalvinduet fra kilden til det klonede depotet:
- Etter å ha aktivert det virtuelle miljøet, installer appens standardavhengigheter:
- Nå som miljøet er satt opp og kravene er oppfylt, kan vi utstede AWS CDK-distribusjonskommandoen for å distribuere dette prosjektet til AWS:
Foreta API-anrop
Vi må sende nyttelasten i base64-format til REST-endepunktet. Vi bruker en Python-fil for å foreta API-kallet, som lar oss åpne kilde- og målfilene, konvertere dem til base64 og sende nyttelasten til API-gatewayen. Denne koden er tilgjengelig i depotet.
Legg merke til at SOURCE
og TARGET
filplasseringer vil være på ditt lokale filsystem, og URL-en er API-gateway-URLen generert under opprettelsen av prosjektet.
Rydd opp
Vi brukte AWS CDK til å bygge dette prosjektet, slik at vi kan åpne prosjektet vårt lokalt og utstede følgende AWS CDK-kommando for å rydde opp i ressursene:
konklusjonen
Der har du det, "ID + Selfie" designmønsteret med en enkel API som du kan integrere med applikasjonen din for å utføre digital identitetsverifisering. I neste innlegg i serien vår utvider vi dette mønsteret ytterligere ved å trekke ut tekst fra identifikasjonsdokumentet og søke i en samling ansikter for å forhindre duplisering.
For å lære mer, sjekk ut Amazon Rekognition utviklerveiledning på å oppdage og analysere ansikter.
Om forfatterne
Mike Ames er en hovedarkitekt for anvendt AI/ML-løsninger med AWS. Han hjelper bedrifter med å bruke maskinlæring og AI-tjenester for å bekjempe svindel, sløsing og misbruk. På fritiden kan du finne ham på terrengsykling, kickboksing eller gitar i et 90-talls metalband.
Noah Donaldson er en løsningsarkitekt hos AWS som støtter føderale finansielle organisasjoner. Han er begeistret for AI/ML-teknologi som kan redusere manuelle prosesser, forbedre kundeopplevelser og bidra til å løse interessante problemer. Utenom jobben liker han å tilbringe tid på isen sammen med sønnen og spille hockey, jakte med sin eldste datter og skyte bøyler med sin yngste datter.
- AI
- ai kunst
- ai art generator
- du har en robot
- Amazon-anerkjennelse
- kunstig intelligens
- sertifisering av kunstig intelligens
- kunstig intelligens i bankvirksomhet
- kunstig intelligens robot
- kunstig intelligens roboter
- programvare for kunstig intelligens
- AWS maskinlæring
- blockchain
- blockchain konferanse ai
- coingenius
- samtale kunstig intelligens
- kryptokonferanse ai
- dall sin
- dyp læring
- Grunnleggende (100)
- google det
- maskinlæring
- plato
- plato ai
- Platon Data Intelligence
- Platon spill
- PlatonData
- platogaming
- skala ai
- syntaks
- zephyrnet