Finančne storitve, gospodarstvo koncertov, telekomunikacije, zdravstvo, družabna omrežja in druge stranke uporabljajo preverjanje obraza med spletnim vkrcanjem, postopno avtentikacijo, starostno omejitvijo dostopa in zaznavanjem botov. Te stranke preverijo identiteto uporabnika tako, da ujemajo uporabnikov obraz v selfiju, ki ga je posnela kamera naprave, s fotografijo osebne izkaznice, ki jo je izdal državni organ, ali vnaprej določeno fotografijo profila. Prav tako ocenijo starost uporabnika z analizo obraza, preden dovolijo dostop do starostno omejene vsebine. Vendar zlobni akterji vse pogosteje izvajajo lažne napade z uporabo slik uporabnikovega obraza ali videoposnetkov, ki so javno objavljeni, na skrivaj posneti ali ustvarjeni sintetično, da pridobijo nepooblaščen dostop do uporabnikovega računa. Da bi preprečili to goljufijo in zmanjšali stroške, povezane z njo, morajo stranke dodati zaznavanje živosti, preden se izvede ujemanje obraza ali ocena starosti v njihovem delovnem procesu preverjanja obraza, da potrdijo, da je uporabnik pred kamero resnična in živa oseba. .
Z veseljem predstavljamo Amazonsko ponovno vžiganje Face Liveness vam pomaga enostavno in natančno preprečiti goljufije med preverjanjem obraza. V tej objavi začnemo s pregledom funkcije Face Liveness, primeri njene uporabe in izkušnjo končnega uporabnika; zagotoviti pregled svojih zmožnosti zaznavanja lažnih dejanj; in pokažite, kako lahko svojim spletnim in mobilnim aplikacijam dodate Face Liveness.
Pregled Face Liveness
Danes kupci zaznavajo živahnost z različnimi rešitvami. Nekatere stranke v svojih spletnih in mobilnih aplikacijah uporabljajo odprtokodne ali komercialne modele strojnega učenja za zaznavanje mejnikov obraza (ML), da preverijo, ali uporabniki pravilno izvajajo določene kretnje, kot so nasmeh, kimanje, zmajevanje z glavo, mežikanje z očmi ali odpiranje ust. Te rešitve so drage za gradnjo in vzdrževanje, ne odvrnejo naprednih lažnih napadov, izvedenih z uporabo fizičnih 3D mask ali vstavljenih videoposnetkov, in zahtevajo veliko truda uporabnika za dokončanje. Nekatere stranke uporabljajo funkcije za živost obraza tretjih oseb, ki lahko zaznajo samo lažne napade, prikazane v kameri (kot so natisnjene ali digitalne fotografije ali videoposnetki na zaslonu), ki dobro delujejo za uporabnike na izbranih geografskih območjih in jih pogosto v celoti upravljajo stranke. Nazadnje, nekatere rešitve za stranke se za zaznavanje živahnosti obraza zanašajo na strojno zasnovane infrardeče senzorje in druge senzorje v kamerah telefona ali računalnika, vendar so te rešitve drage, specifične za strojno opremo in delujejo samo za uporabnike z izbranimi napravami višjega cenovnega razreda.
S funkcijo Face Liveness lahko v nekaj sekundah zaznate, da do vaših storitev dostopajo resnični uporabniki in ne slabi akterji, ki uporabljajo ponaredke. Face Liveness vključuje te ključne funkcije:
- Analizira kratek videoposnetek selfija uporabnika v realnem času, da ugotovi, ali je uporabnik resničen ali lažnivec
- Vrne rezultat zaupanja živahnosti – meritev za raven zaupanja od 0–100, ki kaže verjetnost, da je oseba resnična in živa
- Vrne visokokakovostno referenčno sliko – okvir selfija s preverjanji kakovosti, ki se lahko uporabi za nadaljnjo uporabo Ujemanje obrazov Amazon Rekognition or ocena starosti Analiza
- Vrne do štiri revizijske slike – okvirje iz videoposnetka selfija, ki jih je mogoče uporabiti za vzdrževanje revizijskih sledi
- Zazna ponaredke, predstavljene kameri, kot je natisnjena fotografija, digitalna fotografija, digitalni video ali 3D maska, kot tudi ponaredke, ki obidejo kamero, na primer vnaprej posnet ali globoko ponarejen video
- Preprosto ga je mogoče dodati aplikacijam, ki se izvajajo v večini naprav s sprednjo kamero, z uporabo odprtokodnih vnaprej zgrajenih komponent AWS Amplify UI
Poleg tega ni potrebno upravljanje infrastrukture, implementacija, specifična za strojno opremo, ali strokovno znanje o ML. Funkcija se samodejno poveča ali zmanjša glede na povpraševanje, plačate pa samo za preverjanje živahnosti obraza, ki ga opravite. Face Liveness uporablja modele ML, ki so usposobljeni na različnih naborih podatkov, da zagotovi visoko natančnost glede na tone kože, prednike in naprave uporabnikov.
Uporabite primeri
Naslednji diagram prikazuje tipičen potek dela z uporabo Face Liveness.
Face Liveness lahko uporabite v naslednjih potekih dela za preverjanje uporabnikov:
- Vključitev uporabnika – Ustvarjanje goljufivih računov v vaši storitvi lahko zmanjšate s preverjanjem novih uporabnikov s funkcijo Face Liveness pred nadaljnjo obdelavo. Na primer, stranka finančnih storitev lahko uporabi Face Liveness za zaznavanje pravega in živega uporabnika in nato izvede ujemanje obrazov, da preveri, ali je to pravi uporabnik, preden odpre spletni račun. To lahko slabega igralca odvrne od uporabe slik druge osebe v družabnih omrežjih, da odpre goljufive bančne račune.
- Postopno preverjanje pristnosti – S Face Liveness lahko okrepite preverjanje uporabniških dejavnosti visoke vrednosti v svojih storitvah, kot so sprememba naprave, sprememba gesla in denarni prenosi, preden se aktivnost izvede. Na primer, stranka skupne vožnje ali dostave hrane lahko uporabi Face Liveness za zaznavanje resničnega in živega uporabnika in nato izvede ujemanje obrazov z uporabo uveljavljene slike profila, da preveri identiteto voznika ali sodelavca za dostavo pred vožnjo ali dostavo za spodbujanje varnosti. To lahko nepooblaščene dostavne sodelavce in voznike odvrne od sodelovanja s končnimi uporabniki.
- Preverjanje starosti uporabnika – Mladoletne uporabnike lahko odvrnete od dostopa do omejene spletne vsebine. Na primer, spletni trgovci s tobakom ali spletne igre na srečo lahko uporabijo Face Liveness za odkrivanje resničnega in živega uporabnika in nato izvedejo oceno starosti z analizo obraza, da preverijo starost uporabnika, preden mu odobrijo dostop do vsebine storitve. To lahko mladoletnega uporabnika odvrne od uporabe kreditne kartice ali fotografije svojih staršev in dostopa do škodljive ali neprimerne vsebine.
- Zaznavanje botov – Botom se lahko izognete sodelovanju z vašo storitvijo, tako da uporabite Face Liveness namesto "pravih človeških" preverjanj captcha. Uporabniki družbenih omrežij lahko na primer uporabijo Face Liveness za postavljanje resničnih človeških pregledov, da preprečijo bote. To bistveno poveča stroške in trud, ki ga zahtevajo uporabniki, ki vodijo dejavnost botov, ker morajo ključna dejanja botov zdaj prestati preverjanje živahnosti obraza.
Izkušnja končnega uporabnika
Ko se morajo končni uporabniki vključiti v vašo aplikacijo ali se avtentikirati v njej, Face Liveness nudi uporabniški vmesnik in povratne informacije v realnem času, da lahko uporabnik hitro zajame kratek selfi videoposnetek premikanja svojega obraza v oval, upodobljen na zaslonu njegove naprave. Ko se obraz uporabnika premakne v oval, se na zaslonu naprave prikaže niz barvnih luči in videoposnetek selfija se varno pretaka v API-je v oblaku, kjer napredni modeli ML analizirajo video v realnem času. Ko je analiza končana, prejmete oceno napovedi živahnosti (vrednost med 0–100), referenčno sliko in revizijske slike. Odvisno od tega, ali je rezultat zaupanja v živo nad ali pod pragovi, ki jih nastavi stranka, lahko za uporabnika izvedete naloge preverjanja na nižji stopnji. Če je rezultat živahnosti pod pragom, lahko uporabnika prosite, naj poskusi znova, ali ga usmerite na drugo metodo preverjanja.
Zaporedje zaslonov, ki jim bo izpostavljen končni uporabnik, je naslednje:
- Zaporedje se začne z začetnim zaslonom, ki vključuje uvod in opozorilo o občutljivosti na svetlobo. Končnega uporabnika pozove, naj sledi navodilom, da dokaže, da je resnična oseba.
- Po izbiri končnega uporabnika Začni preverjanje, se prikaže zaslon kamere in ček začne odštevati od 3.
- Ob koncu odštevanja se začne snemanje videa in na zaslonu se prikaže oval. Končni uporabnik je pozvan, da premakne svoj obraz v oval. Ko Face Liveness zazna, da je obraz v pravilnem položaju, je končni uporabnik pozvan, naj miruje za zaporedje barv, ki so prikazane.
- Video je poslan v zaznavanje živahnosti in prikaže se nalagalni zaslon s sporočilom »Preverjanje«.
- Končni uporabnik prejme obvestilo o uspehu ali poziv, naj poskusi znova.
Tako je videti uporabniška izkušnja v akciji v vzorčni izvedbi Face Liveness.
Zaznavanje prevare
Face Liveness lahko odvrne predstavitev in zaobide lažne napade. Oglejmo si ključne vrste prevar in poglejmo, kako jih Face Liveness odvrača.
Predstavitveni lažni napadi
To so lažni napadi, pri katerih zlobni igralec kameri predstavi obraz drugega uporabnika z uporabo tiskanih ali digitalnih artefaktov. Slab igralec lahko uporabi izpis obraza uporabnika, prikaže obraz uporabnika na zaslonu svoje naprave s pomočjo fotografije ali videoposnetka ali nosi 3D obrazno masko, ki je videti kot uporabnik. Face Liveness lahko uspešno odkrije tovrstne napade lažne predstavitve, kot prikazujemo v naslednjem primeru.
Naslednje prikazuje lažni napad predstavitve z uporabo digitalnega videa na zaslonu naprave.
V nadaljevanju je prikazan primer lažnega napada predstavitve z uporabo digitalne fotografije na zaslonu naprave.
Naslednji primer prikazuje lažni napad predstavitve z uporabo 3D maske.
Naslednji primer prikazuje lažni napad predstavitve z uporabo natisnjene fotografije.
Obvodni napadi ali napadi z video injekcijo
To so lažni napadi, pri katerih slabi igralec zaobide kamero in pošlje videoposnetek selfija neposredno v aplikacijo z uporabo virtualne kamere.
Komponente Face Liveness
Amazon Rekognition Face Liveness uporablja več komponent:
- Ojačaj AWS spletne in mobilne SDK-je z
FaceLivenessDetector
komponenta - SDK-ji za AWS
- API-ji v oblaku
Oglejmo si vlogo vsake komponente in kako lahko preprosto uporabite te komponente skupaj, da dodate Face Liveness v svoje aplikacije v samo nekaj dneh.
Razširite spletne in mobilne SDK-je s komponento FaceLivenessDetector
Amplify FaceLivenessDetector
komponenta integrira funkcijo Face Liveness v vašo aplikacijo. Upravlja z uporabniškim vmesnikom in povratnimi informacijami v realnem času za uporabnike, medtem ko posnamejo svoj video selfi.
Ko odjemalska aplikacija upodablja FaceLivenessDetector
komponento, vzpostavi povezavo s pretočno storitvijo Amazon Rekognition, prikaže oval na zaslonu končnega uporabnika in prikaže zaporedje barvnih luči. Prav tako snema in pretaka videoposnetke v realnem času v pretočno storitev Amazon Rekognition ter ustrezno prikaže sporočilo o uspehu ali neuspehu.
SDK-ji AWS in API-ji v oblaku
Ko svojo aplikacijo konfigurirate za integracijo s funkcijo Face Liveness, ta uporablja naslednje operacije API-ja:
- CreateFaceLivenessSession – Začne sejo Face Liveness, ki omogoča uporabo modela zaznavanja Face Liveness v vaši aplikaciji. Vrne a
SessionId
za ustvarjeno sejo. - StartFaceLivenessSession – Imenuje ga
FaceLivenessDetector
komponento. Zažene tok dogodkov, ki vsebuje informacije o ustreznih dogodkih in atributih v trenutni seji. - GetFaceLivenessSessionResults – Pridobi rezultate določene seje Face Liveness, vključno z oceno zaupanja Face Liveness, referenčno sliko in revizijskimi slikami.
Amazon Rekognition Face Liveness lahko preizkusite s katerim koli podprtim AWS SDK, kot je AWS Python SDK Boto3 ali AWS SDK za Javo V2.
Izkušnje za razvijalce
Naslednji diagram prikazuje arhitekturo rešitev.
Postopek preverjanja živahnosti obraza vključuje več korakov:
- Končni uporabnik sproži preverjanje Face Liveness v odjemalski aplikaciji.
- Odjemalska aplikacija pokliče strankino zaledje, ta pa pokliče Amazon Rekognition. Storitev ustvari sejo Face Liveness in vrne edinstveno
SessionId
. - Odjemalska aplikacija upodablja
FaceLivenessDetector
komponento z uporabo pridobljenegaSessionId
in ustrezne povratne klice. - O
FaceLivenessDetector
komponenta vzpostavi povezavo s pretočno storitvijo Amazon Rekognition, prikaže oval na uporabnikovem zaslonu in prikaže zaporedje barvnih luči.FaceLivenessDetector
snema in pretaka video v realnem času v storitev pretakanja Amazon Rekognition. - Amazon Rekognition obdela videoposnetek v realnem času, shrani rezultate, vključno z referenčno sliko in revizijskimi slikami, ki so shranjene v vedru storitve Amazon Simple Storage Service (S3), in vrne
DisconnectEvent
kFaceLivenessDetector
komponento, ko je pretakanje končano. - O
FaceLivenessDetector
komponenta pokliče ustrezne povratne klice, da odjemalski aplikaciji sporoči, da je pretakanje končano in da so rezultati pripravljeni za priklic. - Odjemalska aplikacija pokliče strankino zaledje, da dobi logično zastavico, ki označuje, ali je bil uporabnik v živo ali ne. Zaledje stranke pošlje zahtevo podjetju Amazon Rekognition, da pridobi oceno zaupanja, reference in revizijske slike. Zaledje stranke uporablja te atribute, da ugotovi, ali je uporabnik v živo, in vrne ustrezen odgovor odjemalski aplikaciji.
- Končno odjemalska aplikacija posreduje odgovor na
FaceLivenessDetector
komponento, ki ustrezno upodobi sporočilo o uspehu ali neuspehu za dokončanje toka.
zaključek
V tej objavi smo pokazali, kako nova funkcija Face Liveness v Amazon Rekognition zazna, ali je uporabnik, ki gre skozi postopek preverjanja obraza, fizično prisoten pred kamero in ni slab igralec, ki uporablja lažni napad. Z uporabo Face Liveness lahko preprečite goljufije v delovnih tokovih preverjanja uporabnikov na podlagi obraza.
Začnite danes z obiskom Stran s funkcijo Face Liveness za več informacij in dostop do vodnika za razvijalce. Oblačni API-ji Amazon Rekognition Face Liveness so na voljo v regijah Vzhod ZDA (S. Virginija), Zahod ZDA (Oregon), Evropa (Irska), Azija-Pacifik (Mumbai) in Azija-Pacifik (Tokio).
O avtorjih
Zuhayr Raghib je arhitekt rešitev za storitve umetne inteligence pri AWS. Specializiran je za uporabno umetno inteligenco/ML in strastno želi strankam omogočiti uporabo oblaka za hitrejše inovacije in preoblikovanje njihovih podjetij.
Pavan Prasanna Kumar je višji produktni vodja pri AWS. Strastno želi pomagati strankam pri reševanju njihovih poslovnih izzivov z umetno inteligenco. V prostem času uživa v igranju squasha, poslušanju poslovnih podcastov in raziskovanju novih kavarn in restavracij.
Tushar Agrawal vodi upravljanje izdelkov za Amazon Rekognition. V tej vlogi se osredotoča na izgradnjo zmogljivosti računalniškega vida, ki rešujejo kritične poslovne težave za stranke AWS. Rad preživlja čas z družino in posluša glasbo.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/machine-learning/detect-real-and-live-users-and-deter-bad-actors-using-amazon-rekognition-face-liveness/
- : je
- $GOR
- 100
- 3d
- 7
- a
- O meni
- nad
- dostop
- Dostop
- Račun
- računi
- natančnost
- natančno
- čez
- Ukrep
- dejavnosti
- dejavnosti
- dejavnost
- akterji
- dodano
- Poleg tega
- napredno
- po
- AI
- Storitve AI
- AI / ML
- Dovoli
- alternativa
- Amazon
- Amazonsko ponovno vžiganje
- Storitev Amazon Simple Storage (S3)
- Analiza
- analizirati
- in
- Še ena
- API
- API-ji
- aplikacija
- uporaba
- aplikacije
- uporabna
- primerno
- ustrezno
- Arhitektura
- SE
- umetni
- Umetna inteligenca
- AS
- asia
- azijska pacifična
- povezan
- At
- napad
- Napadi
- lastnosti
- Revizija
- preverjanje pristnosti
- Preverjanje pristnosti
- samodejno
- Na voljo
- AWS
- Backend
- Slab
- Banka
- bančni računi
- zaliv
- BE
- ker
- pred
- počutje
- spodaj
- med
- Bot
- bote
- izgradnjo
- Building
- poslovni
- podjetja
- by
- kavarne
- se imenuje
- poziva
- kamera
- kamere
- CAN
- Zmogljivosti
- zajemanje
- kartice
- Kartice
- primeri
- izzivi
- spremenite
- preveriti
- Pregledi
- stranke
- Cloud
- komercialna
- dokončanje
- popolnoma
- komponenta
- deli
- računalnik
- Računalniška vizija
- zaupanje
- Potrdi
- povezava
- vsebina
- strošek
- stroški
- ustvaril
- ustvari
- Oblikovanje
- kredit
- kreditne kartice
- kritično
- Trenutna
- stranka
- Rešitve za stranke
- Stranke, ki so
- nabor podatkov
- Dnevi
- dostava
- Povpraševanje
- izkazati
- Odvisno
- razporedi
- Odkrivanje
- Ugotovite,
- Razvojni
- naprava
- naprave
- digitalni
- neposredno
- zaslon
- prikazovalniki
- razne
- navzdol
- vozniki
- vožnjo
- med
- vsak
- enostavno
- East
- Gospodarstvo
- prizadevanje
- omogočanje
- angažiran
- ustanovljena
- vzpostavlja
- oceniti
- Evropa
- Event
- dogodki
- Primer
- razburjen
- izkušnje
- strokovno znanje
- Raziskovati
- izpostavljena
- oči
- Obraz
- obrazna maska
- obraza
- FAIL
- Napaka
- družina
- hitreje
- Feature
- Lastnosti
- povratne informacije
- Nekaj
- finančna
- finančne storitve
- Pretok
- Osredotoča
- sledi
- po
- sledi
- za
- FRAME
- goljufija
- goljufiva
- iz
- spredaj
- Gain
- pridobivanje
- Igre na srečo
- geografije
- dobili
- gig economy
- dogaja
- Odobritev
- vodi
- Ročaji
- škodljiva
- Glava
- zdravstveno varstvo
- pomoč
- pomoč
- visoka
- High-End
- visoka kvaliteta
- držite
- Kako
- Vendar
- HTML
- HTTPS
- človeškega
- identiteta
- slika
- slike
- Izvajanje
- in
- vključuje
- Vključno
- Poveča
- vedno
- označuje
- Podatki
- Infrastruktura
- Iniciatorji
- inovacije
- Navodila
- integrirati
- Integrira
- Intelligence
- vmesnik
- uvesti
- Predstavitev
- Irska
- IT
- ITS
- Java
- jpg
- Imejte
- Ključne
- mejnik
- Interesenti
- učenje
- najem
- Stopnja
- kot
- Poslušanje
- v živo
- Življenje
- nalaganje
- POGLEDI
- stroj
- strojno učenje
- vzdrževati
- vzdrževanje
- IZDELA
- upravljanje
- upravitelj
- Maska
- Maske
- ujemanje
- mediji
- Sporočilo
- Metoda
- meritev
- ML
- Mobilni
- Mobilne aplikacije
- Model
- modeli
- Denar
- Prenosi denarja
- več
- Najbolj
- usta
- premikanje
- premika
- premikanje
- več
- Mumbai
- Glasba
- Nimate
- mreženje
- Novo
- novih uporabnikov
- Obvestilo
- pridobljeni
- of
- on
- Na krovu
- Na vkrcanje
- na spletu
- spletne igre na srečo
- odprite
- open source
- o odprtju
- operacije
- Oregon
- Ostalo
- oris
- pregled
- Pacific
- mimo
- vozovnice
- strastno
- Geslo
- Plačajte
- Izvedite
- oseba
- telefon
- fizično
- Fizično
- slika
- slike
- Kraj
- platon
- Platonova podatkovna inteligenca
- PlatoData
- igranje
- Poddaje
- Stališče
- Prispevek
- objavljene
- napoved
- predstaviti
- predstavitev
- predstavljeni
- darila
- Predhodna
- Težave
- Postopek
- Procesi
- obravnavati
- Izdelek
- upravljanje izdelkov
- produktni vodja
- profil
- spodbujanje
- Dokaži
- zagotavljajo
- zagotavlja
- javno
- Python
- kakovost
- hitro
- pripravljen
- pravo
- v realnem času
- prejeti
- prejme
- Snemanje
- evidence
- zmanjša
- regije
- pomembno
- ometi
- zahteva
- zahteva
- obvezna
- Odgovor
- restavracije
- omejeno
- omejitev
- Rezultati
- trgovci na drobno
- vrne
- pregleda
- Ride
- vloga
- Pot
- tek
- Varnost
- luske
- rezultat
- Zaslon
- zasloni
- SDK
- sekund
- Varno
- Self
- višji
- senzorji
- Zaporedje
- Serija
- Storitev
- Storitve
- Zasedanje
- več
- Kratke Hlače
- Prikaži
- Razstave
- Signal
- bistveno
- Enostavno
- Skin
- socialna
- družbeni mediji
- Družabno mreženje
- Rešitev
- rešitve
- SOLVE
- nekaj
- specializacijo
- specifična
- Poraba
- Začetek
- začel
- začne
- Koraki
- Še vedno
- shranjevanje
- shranjeni
- trgovine
- tok
- pretočenih
- pretakanje
- storitev pretakanja
- tokovi
- Okrepiti
- predložen
- uspeh
- Uspešno
- taka
- Podprti
- sintetično
- Naloge
- Telco
- Test
- da
- O
- njihove
- Njih
- sami
- te
- tretjih oseb
- Prag
- skozi
- čas
- do
- danes
- skupaj
- tokio
- usposobljeni
- transferji
- Transform
- OBRAT
- Vrste
- tipičen
- ui
- edinstven
- us
- uporaba
- uporabnik
- Uporabniška izkušnja
- Uporabniški vmesnik
- Uporabniki
- vrednost
- različnih
- Preverjanje
- preverjanje
- Video
- Video posnetki
- Virginia
- Virtual
- Vizija
- opozorilo
- web
- Dobro
- West
- Kaj
- ali
- ki
- medtem
- bo
- z
- delo
- delovnih tokov
- Vi
- Vaša rutina za
- zefirnet