Przyspiesz swoje projekty weryfikacji tożsamości dzięki przykładowym wdrożeniom AWS Amplify i Amazon Rekognition

Amazon Rekognition pozwala łagodzić nieuczciwe ataki i minimalizować problemy z wprowadzaniem legalnych klientów dzięki usprawnionemu procesowi weryfikacji tożsamości. Może to skutkować wzrostem zaufania i bezpieczeństwa klientów. Kluczowe możliwości tego rozwiązania to:

• Zarejestruj nowego użytkownika za pomocą selfie
• Zarejestruj nowego użytkownika po dopasowaniu twarzy do dowodu osobistego i ekstrakcji danych z dowodu osobistego
• Uwierzytelnij powracającego użytkownika

Amazon Rekognition oferuje przeszkolenie rozpoznawanie twarzy funkcje, które można szybko dodać do przepływów pracy związanych z wprowadzaniem użytkowników i uwierzytelnianiem w celu weryfikacji tożsamości zarejestrowanych użytkowników online. Do korzystania z tej usługi nie jest wymagana wiedza na temat uczenia maszynowego (ML).

W ostatnich pisać, opisaliśmy typowy proces weryfikacji tożsamości i pokazaliśmy, jak zbudować rozwiązanie do weryfikacji tożsamości przy użyciu różnych interfejsów API Amazon Rekognition. W tym poście dodaliśmy interfejs użytkownika do uwierzytelniania opartego na tożsamości twarzy, aby pokazać kompletne rozwiązanie do weryfikacji tożsamości typu end-to-end. Zapewniamy pełną przykładową realizację w naszym Repozytorium GitHub.

Omówienie rozwiązania

Poniższa architektura referencyjna pokazuje, w jaki sposób można wykorzystać Amazon Rekognition wraz z innymi usługami AWS, aby wdrożyć weryfikację tożsamości.

Architektura obejmuje następujące komponenty:

1. Użytkownicy uzyskują dostęp do frontowego portalu internetowego hostowanego w Wzmocnienie AWS Amplify to kompleksowe rozwiązanie, które umożliwia front-endowym programistom internetowym tworzenie i wdrażanie bezpiecznych, skalowalnych aplikacji z pełnym stosem.
2. Aplikacje wywołują Brama Amazon API kierować żądania do właściwych AWS Lambda funkcja zależna od przepływu użytkownika. W tym rozwiązaniu istnieją cztery główne działania: uwierzytelnianie, rejestracja, rejestracja za pomocą dowodu osobistego i aktualizacja.
3. API Gateway wykorzystuje integrację usług do uruchomienia Funkcje kroków AWS ekspresowa maszyna stanów odpowiadająca określonemu punktowi końcowemu wywoływanemu z bramy interfejsu API. W każdym kroku funkcje Lambda są odpowiedzialne za wywołanie prawidłowego zestawu wywołań do i z Amazon DynamoDB i Usługa Amazon Simple Storage (Amazon S3), wraz z odpowiednimi interfejsami API rozpoznawania Amazon.
4. DynamoDB przechowuje identyfikatory twarzy (face-id), identyfikatory URI ścieżki S3 i unikalne identyfikatory (na przykład numer identyfikacyjny pracownika) dla każdego face-id. Amazon S3 przechowuje wszystkie obrazy twarzy.
5. Ostatnim głównym składnikiem rozwiązania jest Amazon Rekognition. Każdy przepływ (uwierzytelnianie, rejestracja, rejestracja za pomocą dowodu osobistego i aktualizacja) wywołuje różne interfejsy API Amazon Rekognition w zależności od zadania.

Zanim wdrożymy rozwiązanie, ważne jest poznanie następujących pojęć i opisów API:

• Kategorie – Amazon Rekognition przechowuje informacje o wykrytych twarzach w kontenerach po stronie serwera, znanych jako kolekcje. Za pomocą informacji o twarzy przechowywanych w kolekcji można wyszukiwać znane twarze na obrazach, przechowywanych wideo i przesyłanych strumieniowo wideo. Kolekcji można używać w różnych scenariuszach. Na przykład możesz utworzyć kolekcję twarzy do przechowywania zeskanowanych obrazów odznak, używając Indeks twarzy Gdy pracownik wchodzi do budynku, obraz twarzy pracownika może zostać uchwycony i przesłany do Szukaj twarzy według obrazu operacja. Jeśli dopasowanie twarzy daje wystarczająco wysoki wynik podobieństwa (powiedzmy 99%), możesz uwierzytelnić pracownika.
• API DetectFaces – Ten interfejs API wykrywa twarze na obrazie dostarczonym jako dane wejściowe i zwraca informacje o twarzach. W przepływie pracy rejestracji użytkownika ta operacja może pomóc w wyświetlaniu obrazów przed przejściem do następnego kroku. Możesz na przykład sprawdzić, czy zdjęcie zawiera twarz, czy zidentyfikowana osoba jest we właściwej orientacji i czy nie nosi osłony twarzy, takiej jak okulary przeciwsłoneczne lub czapka.
• Interfejs API IndexFaces – Ten interfejs API wykrywa twarze w obrazie wejściowym i dodaje je do określonej kolekcji. Ta operacja służy do dodawania obrazu ekranowanego do kolekcji dla przyszłych zapytań.
• API SearchFacesByImage – W przypadku danego obrazu wejściowego interfejs API najpierw wykrywa największą twarz na obrazie, a następnie przeszukuje określoną kolekcję pod kątem pasujących twarzy. Operacja porównuje cechy powierzchni wejściowej z cechami powierzchni w określonej kolekcji.
• Interfejs API PorównajFaski – Ten interfejs API porównuje twarz w źródłowym obrazie wejściowym z każdą ze 100 największych twarzy wykrytych w docelowym obrazie wejściowym. Jeśli obraz źródłowy zawiera wiele twarzy, usługa wykrywa największą twarz i porównuje ją z każdą twarzą wykrytą na obrazie docelowym. W naszym przypadku użycia oczekujemy, że zarówno obraz źródłowy, jak i docelowy będą zawierać jedną twarz.
• UsuńFace API – Ten interfejs API usuwa twarze z kolekcji. Podajesz identyfikator kolekcji i tablicę identyfikatorów twarzy do usunięcia.

Przepływy pracy

Rozwiązanie udostępnia przykładowe przepływy pracy umożliwiające rejestrację użytkownika, uwierzytelnianie i aktualizacje obrazu profilu użytkownika. W tej sekcji szczegółowo opisujemy każdy przepływ pracy.

Zarejestruj nowego użytkownika za pomocą selfie z twarzą

Poniższy rysunek przedstawia przebieg procesu rejestracji nowego użytkownika. Typowe etapy tego procesu to:

1. Użytkownik robi zdjęcie selfie.
2. Przeprowadzana jest kontrola jakości obrazu selfie.
   Note: Po tym kroku można również przeprowadzić kontrolę wykrywania żywotności. Aby uzyskać więcej informacji, przeczytaj to blog.
3. Selfie jest sprawdzane w bazie danych istniejących twarzy użytkowników.

Poniższy obraz ilustruje przepływ pracy Step Functions dla rejestracji nowego użytkownika.

W tym przepływie pracy wywoływane są trzy funkcje: wykrywanie twarzy, wyszukiwania-twarze, indeks-twarze, wykrywanie twarzy funkcja wywołuje Amazon Rekognition DetectFaces API do określenia, czy twarz została wykryta na obrazie i czy nadaje się do użytku. Niektóre kontrole jakości obejmują ustalenie, czy na zdjęciu widoczna jest tylko jedna twarz, upewnienie się, że twarz nie jest zasłonięta przez okulary przeciwsłoneczne lub kapelusz oraz sprawdzenie, czy twarz nie jest obrócona za pomocą poza wymiar. Jeśli obraz przejdzie kontrolę jakości, wyszukiwania-twarze funkcja wyszukuje istniejące dopasowanie twarzy w kolekcjach Amazon Rekognition, potwierdzając Próg dopasowania twarzy wynik zaufania spełnia Twój cel progowy. Aby uzyskać więcej informacji, zobacz Korzystanie z progów podobieństwa w celu dopasowania twarzy. Jeśli obraz twarzy nie istnieje w kolekcjach, indeks-twarze wywoływana jest funkcja indeksowania twarzy w kolekcjach. Metadane obrazu twarzy są przechowywane w tabeli DynamoDB, a obrazy twarzy są przechowywane w wiadrze S3.

Jeśli rejestracja nowego użytkownika się powiedzie, informacje o atrybucie obrazu twarzy zostaną dodane do DynamoDB. Możesz dostosować przepływ zgodnie z procesem biznesowym. Często zawiera niektóre lub wszystkie kroki przedstawione na poprzednim schemacie. Możesz uruchomić wszystkie kroki synchronicznie (poczekaj na zakończenie jednego kroku, zanim przejdziesz do następnego). Alternatywnie możesz uruchomić niektóre kroki asynchronicznie (nie czekaj na zakończenie tego kroku), aby przyspieszyć proces rejestracji użytkownika i poprawić wrażenia klienta. Jeśli kroki nie powiodą się, musisz wycofać rejestrację użytkownika.

Zarejestruj nowego użytkownika po dopasowaniu twarzy do dowodu osobistego z ekstrakcją danych z dowodu osobistego

Oprócz rejestracji użytkownika za pomocą obrazu, ten przepływ pracy umożliwia użytkownikom rejestrację za pomocą karty identyfikacyjnej, takiej jak prawo jazdy. Czynności rejestracji nowego użytkownika z dowodem osobistym są podobne do czynności rejestracji nowego użytkownika.

Poniższy obraz ilustruje przepływ pracy Step Functions dla rejestracji nowego użytkownika z identyfikatorem.

W tym przepływie pracy wywoływane są cztery funkcje:  wykrywanie twarzy, wyszukiwania-twarze, indeks-twarze i porównaj twarze. Sekwencja operacji w tym obiegu jest podobna do obiegu rejestracji użytkownika z dodatkiem porównaj twarze. Po sprawdzeniu jakości obrazu selfie i upewnieniu się, że obraz twarzy nie jest obecny w kolekcji, porównaj twarze Funkcja jest wywoływana w celu sprawdzenia, czy obraz selfie pasuje do obrazu twarzy na dowodu osobistym. Jeśli obrazy się zgadzają, odpowiednie właściwości są pobierane z dowodu osobistego. Możesz wyodrębnić pary klucz-wartość z dokumentów tożsamości za pomocą nowo uruchomionego Ekstrakt z amazonki AnalyzeID API (dla regionów USA) lub Amazon Rekognition DetectText API (regiony poza Stanami Zjednoczonymi i języki inne niż angielski). Wyodrębnione właściwości z dowodu osobistego są scalane, a twarz użytkownika jest indeksowana w kolekcji za pomocą indeks-twarze funkcja.

Metadane obrazu twarzy są przechowywane w tabeli DynamoDB, a obrazy twarzy są przechowywane w wiadrze S3.

Jeśli obrazy nie pasują lub zostanie wykryta zduplikowana rejestracja, użytkownik otrzymuje błąd logowania. Błędy logowania mogą być rejestrowane za pomocą Amazon Cloud Watch zdarzenie, a działania można wyzwolić za pomocą Usługa prostego powiadomienia Amazon (Amazon SNS) do powiadamiania o operacjach bezpieczeństwa w celu monitorowania i śledzenia nieudanych logowań. Aby uzyskać więcej informacji, zobacz Monitorowanie tematów Amazon SNS za pomocą CloudWatch.

Uwierzytelnij powracającego użytkownika

Innym powszechnym przepływem jest istniejący lub powracający login użytkownika. W tym przepływie porównywanie twarzy użytkownika (selfie) z wcześniej zarejestrowaną twarzą. Typowe kroki w tym procesie obejmują przechwytywanie twarzy użytkownika (selfie), sprawdzanie jakości obrazu selfie oraz wyszukiwanie i porównywanie selfie z bazą danych twarzy. Poniższy diagram przedstawia możliwy przepływ.

Poniższy obraz ilustruje przepływ pracy dla uwierzytelniania istniejącego użytkownika.

Ten przepływ pracy funkcji krokowej wywołuje trzy funkcje: wykrywanie twarzy, porównaj twarze i wyszukiwania-twarze. Po wykrywanie twarzy funkcja weryfikuje, czy przechwycony obraz twarzy jest prawidłowy, porównaj twarze funkcja sprawdza link w tabeli DynamoDB pod kątem obrazu twarzy w zasobniku S3, który pasuje do istniejącego użytkownika. Jeśli zostanie znalezione dopasowanie, użytkownik pomyślnie się uwierzytelnia. Jeśli dopasowanie nie zostanie znalezione, wywoływana jest funkcja search-faces w celu wyszukania obrazu twarzy w kolekcjach. Użytkownik jest weryfikowany, a proces uwierzytelniania kończy się, jeśli jego wizerunek twarzy znajduje się w kolekcjach. W przeciwnym razie dostęp użytkownika jest odmawiany.

Wymagania wstępne

Zanim zaczniesz, spełnij następujące wymagania wstępne:

1. Utwórz konto AWS.
2. Instalacja Interfejs wiersza poleceń AWS (AWS CLI) w wersji 2 na komputerze lokalnym. Aby uzyskać instrukcje, zobacz Instalowanie lub aktualizowanie najnowszej wersji AWS CLI.
3. Skonfiguruj interfejs AWS CLI.
4. Zainstaluj Node.js na twojej lokalnej maszynie.
5. Sklonuj przykładowe repozytorium na swoim komputerze lokalnym:

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

Wdróż rozwiązanie

Wybierz odpowiedni stos CloudFormation, aby udostępnić rozwiązanie na swoim koncie AWS w preferowanym regionie. To rozwiązanie wdraża API Gateway zintegrowane z Step Functions i Amazon Rekognition API do uruchamiania przepływów pracy weryfikacji tożsamości.

Kliknięcie jednego z poniższych przycisków uruchamiania spowoduje udostępnienie rozwiązania na Twoim koncie AWS w określonym regionie.

  Północna Wirginia (us-east-1)

  Oregon (us-west-2)

Uruchom następujące kroki na komputerze lokalnym, aby wdrożyć aplikację frontonu:

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

Wywołaj interfejs sieciowy

Portal internetowy jest wdrażany z Amplify. W konsoli Amplify znajdź środowisko hostowanej aplikacji internetowej i adres URL. Skopiuj adres URL i uzyskaj do niego dostęp z przeglądarki.

Zarejestruj nowego użytkownika za pomocą selfie z twarzą

Zarejestruj się jako użytkownik, wykonując następujące czynności:

1. Otwórz internetowy adres URL dostarczony przez Amplify.
2. Dodaj Zarejestruj się
3. Włącz aparat i zrób zdjęcie twarzy.
4. Wpisz swoją nazwę użytkownika i szczegóły.
5. Dodaj Zapisz się aby zarejestrować swoje konto.

Uwierzytelnij powracającego użytkownika

Po zarejestrowaniu się logujesz, używając Face ID jako mechanizmu uwierzytelniania.

1. Otwórz internetowy adres URL dostarczony przez Amplify
2. Uchwyć swój identyfikator twarzy.
3. Wpisz swój identyfikator użytkownika.
4. Dodaj Zaloguj.

Po zweryfikowaniu identyfikatora twarzy za pomocą obrazu rejestracyjnego otrzymasz komunikat „Logowanie powiodło się”.

Zarejestruj nowego użytkownika po dopasowaniu twarzy do dowodu osobistego z ekstrakcją danych z dowodu osobistego

Aby przetestować rejestrację użytkownika przy użyciu identyfikatora, wykonaj następujące czynności:

1. Otwórz internetowy adres URL dostarczony przez Amplify.
2. Dodaj Zarejestruj się z ID
3. Włącz aparat i zrób zdjęcie twarzy.
4. Przeciągnij i upuść swój dowód osobisty
5. Dodaj Zarejestruj się.

Poniższy zrzut ekranu przedstawia przykład. Aplikacja obsługuje obrazy dowodu osobistego o wielkości do 256 KB.

Otrzymasz wiadomość „Pomyślnie zarejestrowany użytkownik”.

Sprzątać

Aby zapobiec naliczaniu dodatkowych opłat na koncie AWS, usuń udostępnione zasoby, przechodząc do konsoli AWS CloudFormation i usuwając Riv-Prod stos.

Usunięcie stosu nie powoduje usunięcia utworzonego zasobnika S3. To wiadro przechowuje wszystkie obrazy twarzy. Jeśli chcesz usunąć zasobnik S3, przejdź do konsoli Amazon S3, opróżnij zasobnik, a następnie potwierdź, że chcesz go trwale usunąć.

Wnioski

Amazon Rekognition ułatwia dodawanie analizy obrazu do aplikacji weryfikujących tożsamość przy użyciu sprawdzonej, wysoce skalowalnej technologii głębokiego uczenia, która nie wymaga żadnej wiedzy z zakresu ML. Rozpoznawanie Amazon zapewnia wykrywanie i porównywanie twarzy możliwości. Z kombinacją Wykryj twarze, PorównajTwarze, Indeks twarzy, Szukaj twarzy według obrazu, Wykryj tekst i  Identyfikator analizy, można zaimplementować typowe przepływy wokół rejestracji nowych użytkowników i istniejących loginów użytkowników.

Kolekcje Amazon Rekognition zapewniają metodę przechowywania informacji o wykrytych twarzach w kontenerach po stronie serwera. Informacje o twarzy przechowywane w kolekcji można następnie wykorzystać do wyszukiwania znanych twarzy na zdjęciach. Korzystając z kolekcji, nie musisz przechowywać oryginalnych zdjęć po zaindeksowaniu twarzy w kolekcji. Kolekcje Amazon Rekognition nie zachowują rzeczywistych obrazów. Zamiast tego bazowy algorytm wykrywania wykrywa twarze na obrazie wejściowym, wyodrębnia rysy twarzy do wektora cech dla każdej twarzy i przechowuje je w kolekcji.

Aby rozpocząć podróż w kierunku weryfikacji tożsamości, odwiedź Weryfikacja tożsamości za pomocą Amazon Rekognition.

O autorach

Vineeta Kacchawahy jest architektem rozwiązań w AWS z doświadczeniem w uczeniu maszynowym. Jest odpowiedzialny za pomaganie klientom w architekturze skalowalnych, bezpiecznych i opłacalnych obciążeń w AWS.

Ramesh Thiagarajan jest starszym architektem rozwiązań z siedzibą w San Francisco. Posiada tytuł licencjata nauk stosowanych oraz tytuł magistra cyberbezpieczeństwa. Specjalizuje się w migracji do chmury, bezpieczeństwie chmury, zgodności i zarządzaniu ryzykiem. Poza pracą z zamiłowania ogrodnik, interesuje się nieruchomościami i projektami remontowymi.

Amit Gupta jest architektem rozwiązań AI Services w AWS. Jego pasją jest udostępnianie klientom dobrze zaprojektowanych rozwiązań uczenia maszynowego na dużą skalę.

Tima Murphay jest starszym architektem rozwiązań w AWS, pracującym z klientami korporacyjnymi usługami finansowymi tworzącymi biznesowe rozwiązania oparte na chmurze. Ostatnią dekadę spędził pracując ze start-upami, organizacjami non-profit, przedsiębiorstwami komercyjnymi i agencjami rządowymi, wdrażając infrastrukturę na dużą skalę. W wolnym czasie, kiedy nie majstruje przy technologii, najprawdopodobniej znajdziesz go w odległych rejonach ziemi, wędrując po górach, surfując po falach lub jeżdżąc rowerem po nowym mieście.

Nate'a Bachmeiera jest starszym architektem rozwiązań AWS, który nomadycznie eksploruje Nowy Jork, integrując jedną chmurę na raz. Specjalizuje się w migracji i modernizacji aplikacji. Poza tym Nate studiuje na pełny etat i ma dwójkę dzieci.

Jessie Lee Fry jest specjalistą Snr AIML, skupiającym się na widzeniu komputerowym w AWS. Pomaga organizacjom wykorzystać uczenie maszynowe i sztuczną inteligencję do zwalczania oszustw i wprowadzania innowacji w imieniu swoich klientów. Poza pracą lubi spędzać czas z rodziną, podróżować i czytać wszystko o Odpowiedzialnej AI.