Serviços financeiros, economia de shows, telecomunicações, saúde, redes sociais e outros clientes usam verificação facial durante a integração on-line, autenticação avançada, restrição de acesso com base na idade e detecção de bot. Esses clientes verificam a identidade do usuário comparando o rosto do usuário em uma selfie capturada pela câmera de um dispositivo com uma foto de carteira de identidade emitida pelo governo ou foto de perfil pré-estabelecida. Eles também estimam a idade do usuário usando análise facial antes de permitir o acesso ao conteúdo com restrição de idade. No entanto, agentes mal-intencionados implantam cada vez mais ataques falsos usando imagens ou vídeos do rosto do usuário postados publicamente, capturados secretamente ou criados sinteticamente para obter acesso não autorizado à conta do usuário. Para impedir essa fraude, bem como reduzir os custos associados a ela, os clientes precisam adicionar a detecção de vivacidade antes que a correspondência facial ou a estimativa de idade seja realizada em seu fluxo de trabalho de verificação facial para confirmar que o usuário na frente da câmera é uma pessoa real e viva .
Estamos empolgados em apresentar Reconhecimento da Amazônia Face Liveness para ajudá-lo a impedir fraudes com facilidade e precisão durante a verificação facial. Nesta postagem, começamos com uma visão geral do recurso Face Liveness, seus casos de uso e a experiência do usuário final; fornecer uma visão geral de seus recursos de detecção de falsificação; e mostre como você pode adicionar o Face Liveness aos seus aplicativos da web e móveis.
Visão geral da vivacidade facial
Hoje, os clientes detectam vivacidade usando várias soluções. Alguns clientes usam modelos de aprendizado de máquina (ML) de detecção de marcos faciais comerciais ou de código aberto em seus aplicativos móveis e da Web para verificar se os usuários realizam gestos específicos corretamente, como sorrir, acenar com a cabeça, balançar a cabeça, piscar os olhos ou abrir a boca. Essas soluções são caras para construir e manter, falham em impedir ataques avançados de spoof executados usando máscaras 3D físicas ou vídeos injetados e exigem alto esforço do usuário para serem concluídas. Alguns clientes usam recursos de vivacidade facial de terceiros que podem detectar apenas ataques falsos apresentados à câmera (como fotos ou vídeos impressos ou digitais em uma tela), que funcionam bem para usuários em regiões geográficas selecionadas e geralmente são totalmente gerenciados pelo cliente. Por fim, algumas soluções de clientes contam com infravermelho baseado em hardware e outros sensores em câmeras de telefone ou computador para detectar vivacidade facial, mas essas soluções são caras, específicas de hardware e funcionam apenas para usuários com dispositivos de última geração selecionados.
Com o Face Liveness, você pode detectar em segundos que usuários reais, e não pessoas mal-intencionadas usando spoofs, estão acessando seus serviços. O Face Liveness inclui estes recursos principais:
- Analisa um pequeno vídeo de selfie do usuário em tempo real para detectar se o usuário é real ou uma paródia
- Retorna uma pontuação de confiança de vivacidade — uma métrica para o nível de confiança de 0 a 100 que indica a probabilidade de uma pessoa ser real e viva
- Retorna uma imagem de referência de alta qualidade — um quadro de selfie com verificações de qualidade que pode ser usado para downstream Correspondência facial do Amazon Rekognition or estimativa de idade análise
- Retorna até quatro imagens de auditoria — quadros do vídeo selfie que podem ser usados para manter trilhas de auditoria
- Detecta falsificações apresentadas à câmera, como uma foto impressa, foto digital, vídeo digital ou máscara 3D, bem como falsificações que ignoram a câmera, como um vídeo pré-gravado ou deepfake
- Pode ser facilmente adicionado a aplicativos executados na maioria dos dispositivos com uma câmera frontal usando componentes de interface do usuário do AWS Amplify pré-criados de código aberto
Além disso, nenhum gerenciamento de infraestrutura, implementação específica de hardware ou experiência em ML é necessário. O recurso aumenta ou diminui automaticamente em resposta à demanda, e você paga apenas pelas verificações de vivacidade facial que executa. O Face Liveness usa modelos de ML treinados em diversos conjuntos de dados para fornecer alta precisão em tons de pele, ancestrais e dispositivos do usuário.
Os casos de uso
O diagrama a seguir ilustra um fluxo de trabalho típico usando Face Liveness.
Você pode usar o Face Liveness nos seguintes fluxos de trabalho de verificação do usuário:
- Integração do usuário – Você pode reduzir a criação de contas fraudulentas em seu serviço validando novos usuários com Face Liveness antes do processamento downstream. Por exemplo, um cliente de serviços financeiros pode usar o Face Liveness para detectar um usuário real e ao vivo e, em seguida, executar a correspondência facial para verificar se esse é o usuário certo antes de abrir uma conta online. Isso pode impedir que um malfeitor use fotos de outra pessoa nas redes sociais para abrir contas bancárias fraudulentas.
- Autenticação avançada – Você pode fortalecer a verificação de atividades de usuário de alto valor em seus serviços, como alteração de dispositivo, alteração de senha e transferências de dinheiro, com o Face Liveness antes que a atividade seja realizada. Por exemplo, um cliente de compartilhamento de carona ou entrega de comida pode usar o Face Liveness para detectar um usuário real e ao vivo e, em seguida, realizar a correspondência facial usando uma imagem de perfil estabelecida para verificar a identidade de um motorista ou entregador antes de uma viagem ou entrega para promover a segurança. Isso pode impedir que associados e motoristas de entrega não autorizados se envolvam com os usuários finais.
- verificação de idade do usuário – Você pode impedir que usuários menores de idade acessem conteúdo online restrito. Por exemplo, varejistas de tabaco on-line ou clientes de jogos de azar on-line podem usar o Face Liveness para detectar um usuário real e ao vivo e, em seguida, realizar uma estimativa de idade usando análise facial para verificar a idade do usuário antes de conceder acesso ao conteúdo do serviço. Isso pode impedir que um usuário menor de idade use os cartões de crédito ou a foto de seus pais e obtenha acesso a conteúdo prejudicial ou inapropriado.
- Detecção de bot – Você pode evitar que bots interajam com seu serviço usando Face Liveness no lugar de verificações de captcha “realmente humanas”. Por exemplo, os clientes de mídia social podem usar o Face Liveness para fazer verificações humanas reais para manter os bots afastados. Isso aumenta significativamente o custo e o esforço exigidos pelos usuários que conduzem a atividade do bot porque as principais ações do bot agora precisam passar por uma verificação de vivacidade facial.
Experiência do usuário final
Quando os usuários finais precisam se integrar ou se autenticar em seu aplicativo, o Face Liveness fornece a interface do usuário e feedback em tempo real para que o usuário capture rapidamente um pequeno vídeo de selfie movendo seu rosto em um oval renderizado na tela do dispositivo. À medida que o rosto do usuário se move para o oval, uma série de luzes coloridas é exibida na tela do dispositivo e o vídeo da selfie é transmitido com segurança para as APIs da nuvem, onde modelos avançados de ML analisam o vídeo em tempo real. Após a conclusão da análise, você recebe uma pontuação de previsão de vivacidade (um valor entre 0–100), uma imagem de referência e imagens de auditoria. Dependendo se a pontuação de confiança de vivacidade está acima ou abaixo dos limites definidos pelo cliente, você pode executar tarefas de verificação downstream para o usuário. Se a pontuação de vivacidade estiver abaixo do limite, você pode pedir ao usuário para tentar novamente ou encaminhá-lo para um método de verificação alternativo.
A sequência de telas a que o usuário final será exposto é a seguinte:
- A sequência começa com uma tela inicial que inclui uma introdução e um aviso fotossensível. Ele solicita que o usuário final siga as instruções para provar que é uma pessoa real.
- Após o usuário final escolher Iniciar verificação, uma tela de câmera é exibida e a verificação inicia uma contagem regressiva a partir de 3.
- No final da contagem regressiva, uma gravação de vídeo é iniciada e uma forma oval aparece na tela. O usuário final é solicitado a mover seu rosto para o oval. Quando o Face Liveness detecta que o rosto está na posição correta, o usuário final é solicitado a aguardar uma sequência de cores que são exibidas.
- O vídeo é enviado para detecção de vivacidade e uma tela de carregamento com a mensagem “Verificando” é exibida.
- O usuário final recebe uma notificação de sucesso ou um prompt para tentar novamente.
Aqui está a aparência da experiência do usuário em ação em uma implementação de amostra do Face Liveness.
Detecção de falsificação
O Face Liveness pode impedir a apresentação e contornar ataques de falsificação. Vamos delinear os principais tipos de spoof e ver o Face Liveness como dissuadi-los.
Ataques de falsificação de apresentação
Esses são ataques falsos em que um malfeitor apresenta o rosto de outro usuário para a câmera usando artefatos impressos ou digitais. O malfeitor pode usar uma impressão do rosto de um usuário, exibir o rosto do usuário na tela do dispositivo usando uma foto ou vídeo ou usar uma máscara facial 3D que se pareça com o usuário. O Face Liveness pode detectar com sucesso esses tipos de ataques de falsificação de apresentação, como demonstramos no exemplo a seguir.
O seguinte mostra um ataque de falsificação de apresentação usando um vídeo digital na tela do dispositivo.
Veja a seguir um exemplo de ataque de falsificação de apresentação usando uma foto digital na tela do dispositivo.
O exemplo a seguir mostra um ataque de falsificação de apresentação usando uma máscara 3D.
O exemplo a seguir mostra um ataque de falsificação de apresentação usando uma foto impressa.
Ataques de bypass ou injeção de vídeo
Esses são ataques falsos em que um agente mal-intencionado ignora a câmera para enviar um vídeo de selfie diretamente para o aplicativo usando uma câmera virtual.
Componentes de vivacidade facial
O Amazon Rekognition Face Liveness usa vários componentes:
- Amplificar AWS SDKs da Web e móveis com o
FaceLivenessDetector
componente - SDKs da AWS
- APIs de nuvem
Vamos revisar a função de cada componente e como você pode facilmente usar esses componentes juntos para adicionar Face Liveness em seus aplicativos em apenas alguns dias.
Amplifique os SDKs da web e móveis com o componente FaceLivenessDetector
o amplificador FaceLivenessDetector
componente integra o recurso Face Liveness em seu aplicativo. Ele lida com a interface do usuário e feedback em tempo real para os usuários enquanto eles capturam seu vídeo selfie.
Quando um aplicativo cliente renderiza o FaceLivenessDetector
componente, ele estabelece uma conexão com o serviço de streaming Amazon Rekognition, renderiza uma forma oval na tela do usuário final e exibe uma sequência de luzes coloridas. Ele também grava e transmite vídeo em tempo real para o serviço de streaming Amazon Rekognition e renderiza adequadamente a mensagem de sucesso ou falha.
SDKs da AWS e APIs de nuvem
Quando você configura seu aplicativo para integração com o recurso Face Liveness, ele usa as seguintes operações de API:
- CreateFaceLivenessSession – Inicia uma sessão de Face Liveness, permitindo que o modelo de detecção de Face Liveness seja usado em seu aplicativo. Retorna um
SessionId
para a sessão criada. - StartFaceLivenessSession – É chamado pelo
FaceLivenessDetector
componente. Inicia um fluxo de eventos contendo informações sobre eventos e atributos relevantes na sessão atual. - GetFaceLivenessSessionResults – Recupera os resultados de uma sessão específica de Face Liveness, incluindo uma pontuação de confiança de Face Liveness, imagem de referência e imagens de auditoria.
Você pode testar o Amazon Rekognition Face Liveness com qualquer AWS SDK compatível, como o SDK AWS Python Boto3 ou de AWS SDK para Java V2.
Experiência do desenvolvedor
O diagrama a seguir ilustra a arquitetura da solução.
O processo de verificação da vivacidade facial envolve várias etapas:
- O usuário final inicia uma verificação de Face Liveness no aplicativo cliente.
- O aplicativo cliente chama o back-end do cliente, que por sua vez chama o Amazon Rekognition. O serviço cria uma sessão de Face Liveness e retorna uma
SessionId
. - O aplicativo cliente renderiza o
FaceLivenessDetector
componente usando o obtidoSessionId
e retornos de chamada apropriados. - A
FaceLivenessDetector
O componente estabelece uma conexão com o serviço de streaming Amazon Rekognition, renderiza uma forma oval na tela do usuário e exibe uma sequência de luzes coloridas.FaceLivenessDetector
grava e transmite vídeo em tempo real para o serviço de streaming Amazon Rekognition. - O Amazon Rekognition processa o vídeo em tempo real, armazena os resultados, incluindo a imagem de referência e as imagens de auditoria que são armazenadas em um bucket do Amazon Simple Storage Service (S3) e retorna um
DisconnectEvent
aoFaceLivenessDetector
componente quando o streaming estiver completo. - A
FaceLivenessDetector
O componente chama os retornos de chamada apropriados para sinalizar ao aplicativo cliente que o streaming está completo e que as pontuações estão prontas para recuperação. - O aplicativo cliente chama o back-end do cliente para obter um sinalizador booleano indicando se o usuário estava ativo ou não. O back-end do cliente faz a solicitação ao Amazon Rekognition para obter a pontuação de confiança, referência e imagens de auditoria. O back-end do cliente usa esses atributos para determinar se o usuário está ativo e retorna uma resposta apropriada ao aplicativo cliente.
- Finalmente, o aplicativo cliente passa a resposta para o
FaceLivenessDetector
componente, que processa adequadamente a mensagem de sucesso ou falha para concluir o fluxo.
Conclusão
Nesta postagem, mostramos como o novo recurso Face Liveness no Amazon Rekognition detecta se um usuário que está passando por um processo de verificação facial está fisicamente presente na frente de uma câmera e não é um agente mal-intencionado usando um ataque de falsificação. Usando o Face Liveness, você pode impedir a fraude em seus fluxos de trabalho de verificação de usuário com base no rosto.
Comece hoje mesmo visitando o Página do recurso Face Liveness para obter mais informações e acessar o guia do desenvolvedor. As APIs de nuvem do Amazon Rekognition Face Liveness estão disponíveis nas regiões Leste dos EUA (N. Virgínia), Oeste dos EUA (Oregon), Europa (Irlanda), Ásia-Pacífico (Mumbai) e Ásia-Pacífico (Tóquio).
Sobre os autores
Zuhayr Raghib é arquiteto de soluções de serviços de IA da AWS. Especializado em AI/ML aplicada, ele é apaixonado por permitir que os clientes usem a nuvem para inovar mais rapidamente e transformar seus negócios.
Pavan Prasanna Kumar é gerente de produto sênior da AWS. Ele é apaixonado por ajudar os clientes a resolver seus desafios de negócios por meio da inteligência artificial. Em seu tempo livre, ele gosta de jogar squash, ouvir podcasts de negócios e explorar novos cafés e restaurantes.
Tushar Agrawal lidera o gerenciamento de produtos do Amazon Rekognition. Nessa função, ele se concentra na criação de recursos de visão computacional que resolvem problemas críticos de negócios para clientes da AWS. Gosta de passar tempo com a família e ouvir música.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- Platoblockchain. Inteligência Metaverso Web3. Conhecimento Ampliado. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/detect-real-and-live-users-and-deter-bad-actors-using-amazon-rekognition-face-liveness/
- :é
- $UP
- 100
- 3d
- 7
- a
- Sobre
- acima
- Acesso
- acessando
- Conta
- Contas
- precisão
- exatamente
- em
- Açao Social
- ações
- atividades
- atividade
- atores
- adicionado
- Adição
- avançado
- Depois de
- AI
- Serviços de IA
- AI / ML
- Permitindo
- alternativa
- Amazon
- Reconhecimento da Amazônia
- Serviço de armazenamento simples da Amazon (S3)
- análise
- analisar
- e
- Outro
- api
- APIs
- app
- Aplicação
- aplicações
- aplicado
- apropriado
- adequadamente
- arquitetura
- SOMOS
- artificial
- inteligência artificial
- AS
- Ásia
- Ásia-Pacífico
- associado
- At
- ataque
- Ataques
- atributos
- auditor
- autenticar
- Autenticação
- automaticamente
- disponível
- AWS
- Backend
- Mau
- Bank
- contas bancárias
- Bay
- BE
- Porque
- antes
- ser
- abaixo
- entre
- Bot
- bots
- construir
- Prédio
- negócio
- negócios
- by
- cafés
- chamado
- chamadas
- Câmera
- câmeras
- CAN
- capacidades
- capturar
- cartão
- Cartões
- casos
- desafios
- alterar
- verificar
- Cheques
- cliente
- Na nuvem
- comercial
- completar
- completamente
- componente
- componentes
- computador
- Visão de Computador
- confiança
- Confirmar
- da conexão
- conteúdo
- Custo
- custos
- criado
- cria
- criação
- crédito
- Cartões de crédito
- crítico
- Atual
- cliente
- Soluções para clientes
- Clientes
- conjuntos de dados
- dias
- Entrega
- Demanda
- demonstrar
- Dependendo
- implantar
- Detecção
- Determinar
- Developer
- dispositivo
- Dispositivos/Instrumentos
- digital
- diretamente
- Ecrã
- monitores
- diferente
- down
- Drivers
- condução
- durante
- cada
- facilmente
- Leste
- economia
- esforço
- permitindo
- noivando
- estabelecido
- estabelece
- estimativa
- Europa
- Evento
- eventos
- exemplo
- animado
- vasta experiência
- experiência
- Explorando
- exposto
- Olhos
- Rosto
- máscara falsa
- Facial
- FALHA
- Falha
- família
- mais rápido
- Característica
- Funcionalidades
- retornos
- poucos
- financeiro
- serviços financeiros
- fluxo
- concentra-se
- seguir
- seguinte
- segue
- Escolha
- QUADRO
- fraude
- fraudulento
- da
- frente
- Ganho
- ganhando
- Jogos de azar
- geografias
- ter
- economia gig
- vai
- concessão
- guia
- Alças
- prejudicial
- cabeça
- saúde
- ajudar
- ajuda
- Alta
- High-End
- alta qualidade
- segurar
- Como funciona o dobrador de carta de canal
- Contudo
- HTML
- HTTPS
- humano
- Identidade
- imagem
- imagens
- implementação
- in
- inclui
- Incluindo
- Aumenta
- cada vez mais
- indicam
- INFORMAÇÕES
- Infraestrutura
- Inicia
- inovar
- instruções
- integrar
- Integra-se
- Inteligência
- Interface
- introduzir
- Introdução
- Irlanda
- IT
- ESTÁ
- Java
- jpg
- Guarda
- Chave
- ponto de referência
- Leads
- aprendizagem
- de locação
- Nível
- como
- Escuta
- viver
- Vivacidade
- carregamento
- OLHARES
- máquina
- aprendizado de máquina
- a manter
- Manter
- FAZ
- de grupos
- Gerente
- máscara
- Máscaras
- correspondente
- Mídia
- mensagem
- método
- métrico
- ML
- Móvel Esteira
- Aplicações móveis
- modelo
- modelos
- dinheiro
- Transferências de dinheiro
- mais
- a maioria
- boca
- mover
- movimentos
- em movimento
- múltiplo
- Mumbai
- Música
- você merece...
- networking
- Novo
- Novos usuários
- notificação
- obtido
- of
- on
- A bordo
- Onboarding
- online
- jogos de azar online
- aberto
- open source
- abertura
- Operações
- Oregon
- Outros
- esboço
- Visão geral
- Pacífico
- passar
- passes
- apaixonado
- Senha
- Pagar
- Realizar
- pessoa
- telefone
- físico
- Fisicamente
- fotografia
- FOTOS
- Lugar
- platão
- Inteligência de Dados Platão
- PlatãoData
- jogar
- Podcasts
- posição
- Publique
- publicado
- predição
- presente
- apresentação de negócios
- apresentado
- presentes
- Prévio
- problemas
- processo
- processos
- em processamento
- Produto
- gestão de produtos
- gerente de produto
- Perfil
- a promover
- Prove
- fornecer
- fornece
- publicamente
- Python
- qualidade
- rapidamente
- pronto
- reais
- em tempo real
- receber
- recebe
- gravação
- registros
- reduzir
- regiões
- relevante
- torna
- solicitar
- requerer
- requeridos
- resposta
- Restaurantes
- restringido
- restrição
- Resultados
- varejistas
- Retorna
- rever
- Viajar
- Tipo
- Rota
- corrida
- Segurança
- Escalas
- Ponto
- Peneira
- telas
- Sdk
- segundo
- firmemente
- selfie
- senior
- sensor
- Seqüência
- Série
- serviço
- Serviços
- Sessão
- vários
- Baixo
- mostrar
- Shows
- Signal
- de forma considerável
- simples
- Pele
- Redes Sociais
- meios de comunicação social
- As redes sociais
- solução
- Soluções
- RESOLVER
- alguns
- especializando
- específico
- Passar
- começo
- começado
- começa
- Passos
- Ainda
- armazenamento
- armazenadas
- lojas
- transmitir canais
- fluídas
- de streaming
- Serviço de transmissão
- córregos
- Fortalecer
- apresentado
- sucesso
- entraram com sucesso
- tal
- Suportado
- sinteticamente
- tarefas
- Telco
- teste
- que
- A
- deles
- Eles
- si mesmos
- Este
- De terceiros
- limiar
- Através da
- tempo
- para
- hoje
- juntos
- Tóquio
- treinado
- fáceis
- Transformar
- VIRAR
- tipos
- típico
- ui
- único
- us
- usar
- Utilizador
- Experiência do Usuário
- Interface de Usuário
- usuários
- valor
- vário
- Verificação
- verificar
- Vídeo
- VÍDEOS
- Virgínia
- Virtual
- visão
- aviso
- web
- BEM
- Ocidente
- O Quê
- se
- qual
- enquanto
- precisarão
- de
- Atividades:
- fluxos de trabalho
- Vocês
- investimentos
- zefirnet