Usługi finansowe, ekonomia koncertów, telekomunikacja, opieka zdrowotna, sieci społecznościowe i inni klienci korzystają z weryfikacji twarzy podczas wprowadzania online, uwierzytelniania o podwyższonym poziomie, ograniczeń dostępu na podstawie wieku i wykrywania botów. Tacy klienci weryfikują tożsamość użytkownika, dopasowując twarz użytkownika na selfie zarejestrowanym przez aparat urządzenia ze zdjęciem dokumentu tożsamości wydanym przez organ państwowy lub wcześniej ustalonym zdjęciem profilowym. Oszacują również wiek użytkownika za pomocą analizy twarzy, zanim zezwolą na dostęp do treści z ograniczeniami wiekowymi. Jednak przestępcy coraz częściej przeprowadzają fałszywe ataki, wykorzystując zdjęcia twarzy lub filmy użytkownika publikowane publicznie, przechwytywane potajemnie lub tworzone syntetycznie w celu uzyskania nieautoryzowanego dostępu do konta użytkownika. Aby powstrzymać to oszustwo, a także zmniejszyć koszty z nim związane, klienci muszą dodać wykrywanie życia przed wykonaniem dopasowania twarzy lub oszacowania wieku w przepływie pracy weryfikacji twarzy, aby potwierdzić, że użytkownik przed kamerą jest prawdziwą i żywą osobą .
Jesteśmy podekscytowani, aby przedstawić Amazon Rekognition Funkcja Face Liveness pomaga łatwo i precyzyjnie zapobiegać oszustwom podczas weryfikacji twarzy. W tym poście zaczynamy od omówienia funkcji Face Liveness, przypadków jej użycia i doświadczeń użytkowników końcowych; przedstawić przegląd swoich możliwości wykrywania fałszerstw; i pokaż, jak możesz dodać Face Liveness do swoich aplikacji internetowych i mobilnych.
Omówienie funkcji Face Liveness
Dziś klienci wykrywają żywotność za pomocą różnych rozwiązań. Niektórzy klienci wykorzystują otwarte lub komercyjne modele uczenia maszynowego (ML) do wykrywania punktów orientacyjnych twarzy w swoich aplikacjach internetowych i mobilnych, aby sprawdzać, czy użytkownicy prawidłowo wykonują określone gesty, takie jak uśmiechanie się, kiwanie głową, potrząsanie głową, mruganie oczami lub otwieranie ust. Rozwiązania te są kosztowne w budowie i utrzymaniu, nie odstraszają zaawansowanych fałszywych ataków przeprowadzanych przy użyciu fizycznych masek 3D lub wstrzykiwanych filmów, a ich ukończenie wymaga dużego nakładu pracy ze strony użytkownika. Niektórzy klienci korzystają z funkcji udostępniania twarzy innych firm, które mogą wykrywać tylko fałszywe ataki prezentowane w aparacie (takie jak drukowane lub cyfrowe zdjęcia lub filmy na ekranie), które dobrze sprawdzają się w przypadku użytkowników w wybranych regionach geograficznych i często są całkowicie zarządzane przez klienta. Wreszcie, niektóre rozwiązania dla klientów polegają na sprzętowych czujnikach podczerwieni i innych czujnikach w aparatach telefonicznych lub komputerowych do wykrywania ożywienia twarzy, ale rozwiązania te są kosztowne, specyficzne dla sprzętu i działają tylko dla użytkowników z wybranymi urządzeniami z najwyższej półki.
Dzięki Face Liveness możesz w ciągu kilku sekund wykryć, że prawdziwi użytkownicy, a nie źli aktorzy używający podróbek, uzyskują dostęp do Twoich usług. Funkcja Face Liveness obejmuje następujące kluczowe funkcje:
- Analizuje krótkie wideo selfie od użytkownika w czasie rzeczywistym, aby wykryć, czy użytkownik jest prawdziwy, czy fałszywy
- Zwraca wynik pewności życia — metrykę poziomu pewności od 0 do 100, która wskazuje prawdopodobieństwo, że dana osoba jest prawdziwa i żywa
- Zwraca wysokiej jakości obraz referencyjny — ramkę selfie z kontrolą jakości, której można użyć do dalszych działań Dopasowywanie twarzy Amazon Rekognition or oszacowanie wieku analiza
- Zwraca do czterech obrazów kontrolnych — klatek z wideo selfie, które można wykorzystać do przechowywania ścieżek kontrolnych
- Wykrywa fałszerstwa prezentowane w aparacie, takie jak wydrukowane zdjęcie, zdjęcie cyfrowe, cyfrowe wideo lub maska 3D, a także fałszerstwa, które omijają aparat, takie jak nagrane wcześniej lub głęboko fałszywe wideo
- Można go łatwo dodać do aplikacji działających na większości urządzeń wyposażonych w przednią kamerę, korzystając z gotowych komponentów interfejsu użytkownika AWS Amplify typu open source
Ponadto nie jest wymagane zarządzanie infrastrukturą, implementacja specyficzna dla sprzętu ani wiedza specjalistyczna w zakresie uczenia maszynowego. Ta funkcja automatycznie skaluje się w górę lub w dół w odpowiedzi na zapotrzebowanie, a płacisz tylko za wykonane testy żywotności twarzy. Face Liveness wykorzystuje modele uczenia maszynowego wyszkolone na różnych zestawach danych, aby zapewnić wysoką dokładność w odniesieniu do odcieni skóry, przodków i urządzeń użytkowników.
Przypadków użycia
Poniższy diagram ilustruje typowy przepływ pracy z użyciem funkcji Ożywienie twarzy.
Funkcji Face Liveness można używać w następujących procesach weryfikacji użytkowników:
- Dołączanie użytkowników – Możesz ograniczyć fałszywe tworzenie kont w swojej usłudze, weryfikując nowych użytkowników za pomocą Face Liveness przed dalszym przetwarzaniem. Na przykład klient usług finansowych może użyć Face Liveness do wykrycia rzeczywistego i rzeczywistego użytkownika, a następnie wykonać dopasowanie twarzy, aby sprawdzić, czy jest to właściwy użytkownik przed otwarciem konta online. Może to zniechęcić sprawcę do wykorzystywania zdjęć innej osoby w mediach społecznościowych do otwierania fałszywych kont bankowych.
- Uwierzytelnianie o podwyższonym poziomie – Możesz wzmocnić weryfikację działań użytkowników o dużej wartości w swoich usługach, takich jak zmiana urządzenia, zmiana hasła i przelewy pieniężne, za pomocą funkcji Face Liveness przed wykonaniem czynności. Na przykład klient korzystający z usługi wspólnych przejazdów lub dostarczający jedzenie może użyć funkcji Face Liveness do wykrycia rzeczywistego i żywego użytkownika, a następnie przeprowadzić dopasowanie twarzy za pomocą ustalonego zdjęcia profilowego w celu zweryfikowania tożsamości kierowcy lub dostawcy przed jazdą lub dostawą w celu promowania bezpieczeństwa. Może to zniechęcić nieautoryzowanych dostawców i kierowców do kontaktu z użytkownikami końcowymi.
- Weryfikacja wieku użytkownika – Możesz zniechęcić nieletnich użytkowników do uzyskiwania dostępu do treści online podlegających ograniczeniom. Na przykład sprzedawcy wyrobów tytoniowych online lub klienci gier hazardowych online mogą używać Face Liveness do wykrywania prawdziwego i żywego użytkownika, a następnie oszacować wiek za pomocą analizy twarzy w celu zweryfikowania wieku użytkownika przed udzieleniem mu dostępu do treści usługi. Może to zniechęcić niepełnoletniego użytkownika do korzystania z kart kredytowych lub zdjęć rodziców i uzyskiwania dostępu do szkodliwych lub nieodpowiednich treści.
- Wykrywanie botów – Możesz uniknąć angażowania się botów w Twoją usługę, używając Face Liveness zamiast „prawdziwych ludzkich” kontroli captcha. Na przykład klienci korzystający z mediów społecznościowych mogą korzystać z funkcji Face Liveness, aby przeprowadzać kontrole prawdziwych ludzi, aby trzymać boty na dystans. To znacznie zwiększa koszty i wysiłek wymagane przez użytkowników kierujących aktywnością botów, ponieważ kluczowe działania botów muszą teraz przejść kontrolę żywotności twarzy.
Doświadczenie użytkownika końcowego
Gdy użytkownicy końcowi muszą zarejestrować się lub uwierzytelnić w Twojej aplikacji, Face Liveness zapewnia interfejs użytkownika i informacje zwrotne w czasie rzeczywistym, aby użytkownik mógł szybko uchwycić krótki film typu selfie przedstawiający przesuwanie twarzy w owal renderowany na ekranie urządzenia. Gdy twarz użytkownika zbliża się do owalu, na ekranie urządzenia wyświetlana jest seria kolorowych świateł, a wideo selfie jest bezpiecznie przesyłane strumieniowo do API chmury, gdzie zaawansowane modele ML analizują wideo w czasie rzeczywistym. Po zakończeniu analizy otrzymasz wynik prognozy żywotności (wartość z przedziału 0–100), obraz referencyjny i obrazy kontrolne. W zależności od tego, czy wynik pewności działania na żywo jest powyżej, czy poniżej progów ustawionych przez klienta, możesz wykonać dalsze zadania weryfikacyjne dla użytkownika. Jeśli wynik aktywności jest poniżej progu, możesz poprosić użytkownika o ponowienie próby lub skierować go do alternatywnej metody weryfikacji.
Sekwencja ekranów, na które będzie narażony użytkownik końcowy, jest następująca:
- Sekwencja rozpoczyna się ekranem startowym, który zawiera wprowadzenie i światłoczułe ostrzeżenie. Skłania użytkownika końcowego do wykonania instrukcji, aby udowodnić, że jest prawdziwą osobą.
- Po dokonaniu wyboru przez użytkownika końcowego Rozpocznij sprawdzanie, wyświetlany jest ekran aparatu i sprawdzanie rozpoczyna odliczanie od 3.
- Pod koniec odliczania rozpoczyna się nagrywanie wideo, a na ekranie pojawia się owal. Użytkownik końcowy jest proszony o przesunięcie twarzy do owalu. Gdy funkcja Face Liveness wykryje, że twarz znajduje się we właściwej pozycji, użytkownik końcowy jest proszony o zatrzymanie się w celu wyświetlenia sekwencji kolorów.
- Wideo jest przesyłane do wykrywania na żywo i pojawia się ekran ładowania z komunikatem „Weryfikacja”.
- Użytkownik końcowy otrzymuje powiadomienie o powodzeniu lub monit o ponowienie próby.
Oto jak wygląda doświadczenie użytkownika w akcji w przykładowej implementacji Face Liveness.
Wykrywanie fałszerstw
Face Liveness może powstrzymać prezentację i ominąć fałszywe ataki. Omówmy główne typy podróbek i zobaczmy, jak odstrasza je Face Liveness.
Ataki na fałszywe prezentacje
Są to fałszywe ataki, w których zły aktor przedstawia twarz innego użytkownika przed kamerą za pomocą drukowanych lub cyfrowych artefaktów. Zły aktor może wykorzystać wydruk twarzy użytkownika, wyświetlić twarz użytkownika na wyświetlaczu urządzenia za pomocą zdjęcia lub filmu lub założyć maskę 3D, która wygląda jak użytkownik. Face Liveness może z powodzeniem wykrywać tego typu ataki fałszowania prezentacji, jak pokazujemy w poniższym przykładzie.
Poniżej przedstawiono atak polegający na sfałszowaniu prezentacji przy użyciu cyfrowego wideo na wyświetlaczu urządzenia.
Poniżej przedstawiono przykład ataku polegającego na sfałszowaniu prezentacji przy użyciu zdjęcia cyfrowego na wyświetlaczu urządzenia.
Poniższy przykład przedstawia atak polegający na fałszowaniu prezentacji przy użyciu maski 3D.
Poniższy przykład przedstawia atak polegający na fałszowaniu prezentacji przy użyciu wydrukowanego zdjęcia.
Ataki omijające lub wstrzykiwanie wideo
Są to fałszywe ataki, w których zły aktor omija kamerę, aby wysłać wideo selfie bezpośrednio do aplikacji za pomocą wirtualnej kamery.
Komponenty Face Liveness
Amazon Rekognition Face Liveness wykorzystuje wiele komponentów:
- Wzmocnienie AWS internetowych i mobilnych zestawów SDK z
FaceLivenessDetector
składnik - Pakiety SDK AWS
- Interfejsy API w chmurze
Przyjrzyjmy się roli każdego komponentu i dowiedzmy się, w jaki sposób można z łatwością wykorzystać te komponenty razem, aby dodać Face Liveness do swoich aplikacji w ciągu zaledwie kilku dni.
Wzmocnij internetowe i mobilne zestawy SDK za pomocą komponentu FaceLivenessDetector
Wzmocnienie FaceLivenessDetector
komponent integruje funkcję Face Liveness z Twoją aplikacją. Obsługuje interfejs użytkownika i informacje zwrotne dla użytkowników w czasie rzeczywistym podczas robienia selfie wideo.
Gdy aplikacja kliencka renderuje plik FaceLivenessDetector
komponentu, ustanawia połączenie z usługą przesyłania strumieniowego Amazon Rekognition, renderuje owal na ekranie użytkownika końcowego i wyświetla sekwencję kolorowych świateł. Nagrywa również i przesyła strumieniowo wideo w czasie rzeczywistym do usługi przesyłania strumieniowego Amazon Rekognition i odpowiednio renderuje komunikat o sukcesie lub niepowodzeniu.
Pakiety AWS SDK i interfejsy API w chmurze
Podczas konfigurowania aplikacji do integracji z funkcją Face Liveness używa ona następujących operacji API:
- Sesja CreateFaceLiveness – Rozpoczyna sesję Face Liveness, pozwalając na użycie modelu wykrywania Face Liveness w Twojej aplikacji. Zwraca
SessionId
dla utworzonej sesji. - StartFaceLivenessSesja – Nazywa się
FaceLivenessDetector
część. Uruchamia strumień zdarzeń zawierający informacje o odpowiednich zdarzeniach i atrybutach w bieżącej sesji. - Wyniki GetFaceLivenessSessionResults – Pobiera wyniki określonej sesji Face Liveness, w tym wynik pewności Face Liveness, obraz referencyjny i obrazy kontrolne.
Możesz przetestować Amazon Rekognition Face Liveness za pomocą dowolnego obsługiwanego zestawu SDK AWS, takiego jak AWS Python SDK Boto3 albo AWS SDK dla Javy V2.
Doświadczenie programisty
Poniższy schemat ilustruje architekturę rozwiązania.
Proces sprawdzania żywotności twarzy obejmuje kilka kroków:
- Użytkownik końcowy inicjuje sprawdzenie żywotności twarzy w aplikacji klienckiej.
- Aplikacja kliencka wywołuje backend klienta, który z kolei wywołuje Amazon Rekognition. Usługa tworzy sesję Face Liveness i zwraca unikat
SessionId
. - Aplikacja kliencka renderuje plik
FaceLivenessDetector
składnik za pomocą otrzymanegoSessionId
i odpowiednie wywołania zwrotne. - Połączenia
FaceLivenessDetector
komponent nawiązuje połączenie z usługą przesyłania strumieniowego Amazon Rekognition, renderuje owal na ekranie użytkownika i wyświetla sekwencję kolorowych świateł.FaceLivenessDetector
nagrywa i przesyła strumieniowo wideo w czasie rzeczywistym do usługi przesyłania strumieniowego Amazon Rekognition. - Amazon Rekognition przetwarza wideo w czasie rzeczywistym, przechowuje wyniki, w tym obraz referencyjny i obrazy kontrolne, które są przechowywane w zasobniku Amazon Simple Storage Service (S3), i zwraca
DisconnectEvent
doFaceLivenessDetector
składnik po zakończeniu przesyłania strumieniowego. - Połączenia
FaceLivenessDetector
składnik wywołuje odpowiednie wywołania zwrotne, aby zasygnalizować aplikacji klienckiej, że przesyłanie strumieniowe zostało zakończone i że wyniki są gotowe do pobrania. - Aplikacja kliencka wywołuje zaplecze klienta w celu uzyskania flagi logicznej wskazującej, czy użytkownik był aktywny, czy nie. Backend klienta wysyła żądanie do Amazon Rekognition, aby uzyskać wynik zaufania, referencje i obrazy audytu. Zaplecze klienta używa tych atrybutów do określenia, czy użytkownik jest aktywny, i zwraca odpowiednią odpowiedź do aplikacji klienckiej.
- Na koniec aplikacja kliencka przekazuje odpowiedź do
FaceLivenessDetector
komponent, który odpowiednio renderuje komunikat o sukcesie lub niepowodzeniu, aby zakończyć przepływ.
Wnioski
W tym poście pokazaliśmy, w jaki sposób nowa funkcja Face Liveness w Amazon Rekognition wykrywa, czy użytkownik przechodzący proces weryfikacji twarzy jest fizycznie obecny przed kamerą, a nie jest złym aktorem stosującym fałszywy atak. Korzystając z Face Liveness, możesz zapobiegać oszustwom w procesach weryfikacji użytkowników opartych na twarzy.
Zacznij już dziś, odwiedzając Strona funkcji Face Liveness aby uzyskać więcej informacji i uzyskać dostęp do przewodnika programisty. Chmurowe interfejsy API usługi Amazon Rekognition Face Liveness są dostępne we wschodnich stanach USA (Wirginia Północna), zachodnich stanach USA (Oregon), Europie (Irlandia), regionie Azji i Pacyfiku (Mumbaj) oraz Azji i Pacyfiku (Tokio).
O autorach
Zuhayra Raghiba jest architektem rozwiązań AI Services w AWS. Specjalizuje się w stosowanej sztucznej inteligencji/uczeniu maszynowym i jest pasjonatem umożliwiania klientom korzystania z chmury w celu szybszego wprowadzania innowacji i przekształcania ich firm.
Pavan Prasanna Kumar jest Senior Product Managerem w AWS. Pasjonuje go pomaganie klientom w rozwiązywaniu ich wyzwań biznesowych za pomocą sztucznej inteligencji. W wolnym czasie lubi grać w squasha, słuchać podcastów biznesowych i odkrywać nowe kawiarnie i restauracje.
Tuszar Agrawal kieruje Product Management dla Amazon Rekognition. W tej roli koncentruje się na budowaniu możliwości widzenia komputerowego, które rozwiązują krytyczne problemy biznesowe dla klientów AWS. Lubi spędzać czas z rodziną i słuchać muzyki.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/detect-real-and-live-users-and-deter-bad-actors-using-amazon-rekognition-face-liveness/
- :Jest
- $W GÓRĘ
- 100
- 3d
- 7
- a
- O nas
- powyżej
- dostęp
- Dostęp
- Konto
- Konta
- precyzja
- dokładnie
- w poprzek
- Działania
- działania
- zajęcia
- działalność
- aktorzy
- w dodatku
- dodatek
- zaawansowany
- Po
- AI
- Usługi AI
- AI / ML
- Pozwalać
- alternatywny
- Amazonka
- Amazon Rekognition
- Usługa Amazon Simple Storage (S3)
- analiza
- w czasie rzeczywistym sprawiają,
- i
- Inne
- api
- Pszczoła
- Aplikacja
- Zastosowanie
- aplikacje
- stosowany
- właściwy
- odpowiednio
- architektura
- SĄ
- sztuczny
- sztuczna inteligencja
- AS
- Azja
- Azja i Pacyfik
- powiązany
- At
- atakować
- Ataki
- atrybuty
- Audyt
- uwierzytelniać
- Uwierzytelnianie
- automatycznie
- dostępny
- AWS
- Backend
- Łazienka
- Bank
- konta bankowe
- Zatoka
- BE
- bo
- zanim
- jest
- poniżej
- pomiędzy
- Bot
- boty
- budować
- Budowanie
- biznes
- biznes
- by
- kawiarnie
- nazywa
- Połączenia
- aparat fotograficzny
- kamery
- CAN
- możliwości
- zdobyć
- karta
- Kartki okolicznosciowe
- Etui
- wyzwania
- zmiana
- ZOBACZ
- Wykrywanie urządzeń szpiegujących
- klient
- Chmura
- handlowy
- kompletny
- całkowicie
- składnik
- składniki
- komputer
- Wizja komputerowa
- pewność siebie
- Potwierdzać
- połączenie
- zawartość
- Koszty:
- Koszty:
- stworzony
- tworzy
- tworzenie
- kredyt
- Karty Kredytowe
- krytyczny
- Aktualny
- klient
- Rozwiązania dla klientów
- Klientów
- zbiory danych
- Dni
- dostawa
- Kreowanie
- wykazać
- W zależności
- rozwijać
- Wykrywanie
- Ustalać
- Deweloper
- urządzenie
- urządzenia
- cyfrowy
- bezpośrednio
- Wyświetlacz
- wyświetlacze
- inny
- na dół
- sterowniki
- jazdy
- podczas
- każdy
- z łatwością
- Wschód
- gospodarka
- wysiłek
- umożliwiając
- ujmujący
- ustanowiony
- ustanawia
- oszacowanie
- Europie
- wydarzenie
- wydarzenia
- przykład
- podniecony
- doświadczenie
- ekspertyza
- Exploring
- narażony
- Oczy
- Twarz
- maska
- Twarzowy
- FAIL
- Brak
- członków Twojej rodziny
- szybciej
- Cecha
- Korzyści
- informacja zwrotna
- kilka
- budżetowy
- usługi finansowe
- pływ
- koncentruje
- obserwuj
- następujący
- następujący sposób
- W razie zamówieenia projektu
- FRAME
- oszustwo
- nieuczciwy
- od
- z przodu
- Wzrost
- zyskuje
- Hazard
- geografie
- otrzymać
- gig economy
- będzie
- przyznanie
- poprowadzi
- Uchwyty
- szkodliwy
- głowa
- opieki zdrowotnej
- pomoc
- pomoc
- Wysoki
- High-End
- wysokiej jakości
- przytrzymaj
- W jaki sposób
- Jednak
- HTML
- HTTPS
- człowiek
- tożsamość
- obraz
- zdjęcia
- realizacja
- in
- obejmuje
- Włącznie z
- Zwiększenia
- coraz bardziej
- wskazuje
- Informacja
- Infrastruktura
- Inicjuje
- wprowadzać innowacje
- instrukcje
- integrować
- Integruje się
- Inteligencja
- Interfejs
- przedstawiać
- Wprowadzenie
- Irlandia
- IT
- JEGO
- Java
- jpg
- Trzymać
- Klawisz
- punkt orientacyjny
- Wyprowadzenia
- nauka
- najmu
- poziom
- lubić
- Słuchanie
- relacja na żywo
- Żywotność
- załadunek
- WYGLĄD
- maszyna
- uczenie maszynowe
- utrzymać
- Utrzymywanie
- WYKONUJE
- i konserwacjami
- kierownik
- maska
- Maski
- dopasowywanie
- Media
- wiadomość
- metoda
- metryczny
- ML
- Aplikacje mobilne
- Aplikacje mobilne
- model
- modele
- pieniądze
- Przekazy Pieniężne
- jeszcze
- większość
- usta
- ruch
- porusza się
- przeniesienie
- wielokrotność
- Bombaj
- Muzyka
- Potrzebować
- sieci
- Nowości
- nowi użytkownicy
- powiadomienie
- uzyskane
- of
- on
- Onboard
- Wprowadzenie
- Online
- hazard online
- koncepcja
- open source
- otwarcie
- operacje
- Oregon
- Inne
- zarys
- przegląd
- Pacyfik
- przechodzić
- przebiegi
- namiętny
- Hasło
- Zapłacić
- wykonać
- osoba
- telefon
- fizyczny
- Fizycznie
- obraz
- Zdjęcia
- Miejsce
- plato
- Analiza danych Platona
- PlatoDane
- gra
- Podcasty
- position
- Post
- napisali
- przepowiednia
- teraźniejszość
- presentation
- przedstawione
- prezenty
- Wcześniejszy
- problemy
- wygląda tak
- procesów
- przetwarzanie
- Produkt
- zarządzanie produktem
- product manager
- Profil
- promować
- Udowodnij
- zapewniać
- zapewnia
- publicznie
- Python
- jakość
- szybko
- gotowy
- real
- w czasie rzeczywistym
- otrzymać
- otrzymuje
- nagranie
- dokumentacja
- zmniejszyć
- regiony
- renderuje
- zażądać
- wymagać
- wymagany
- odpowiedź
- restauracji
- ograniczony
- ograniczenie
- Efekt
- sprzedawców
- powraca
- przeglądu
- zmarszczka
- Rola
- Trasa
- bieganie
- Bezpieczeństwo
- waga
- wynik
- Ekran
- Ekrany
- Sdk
- sekund
- bezpiecznie
- Ja
- senior
- czujniki
- Sekwencja
- Serie
- usługa
- Usługi
- Sesja
- kilka
- Short
- pokazać
- Targi
- Signal
- znacznie
- Prosty
- skóra
- Obserwuj Nas
- Media społecznościowe
- Sieć społecznościowa
- rozwiązanie
- Rozwiązania
- ROZWIĄZANIA
- kilka
- specjalizujący się
- specyficzny
- Spędzanie
- początek
- rozpoczęty
- rozpocznie
- Cel
- Nadal
- przechowywanie
- przechowywany
- sklep
- strumień
- strumieniowo
- Streaming
- Usługa transmisji strumieniowej
- Strumienie
- Wzmacniać
- składane
- sukces
- Z powodzeniem
- taki
- Utrzymany
- syntetycznie
- zadania
- Telco
- test
- że
- Połączenia
- ich
- Im
- sami
- Te
- innych firm
- próg
- Przez
- czas
- do
- już dziś
- razem
- Tokio
- przeszkolony
- transfery
- Przekształcać
- SKRĘCAĆ
- typy
- typowy
- ui
- wyjątkowy
- us
- posługiwać się
- Użytkownik
- Doświadczenie użytkownika
- Interfejs użytkownika
- Użytkownicy
- wartość
- różnorodny
- Weryfikacja
- zweryfikować
- Wideo
- Filmy
- virginia
- Wirtualny
- wizja
- ostrzeżenie
- sieć
- DOBRZE
- Zachód
- Co
- czy
- który
- Podczas
- będzie
- w
- Praca
- przepływów pracy
- You
- Twój
- zefirnet