AWS Amplify ve Amazon Rekognition örnek uygulamalarını kullanarak kimlik doğrulama projelerinizi hızlandırın

Amazon Rekognisyon Düzenlenmiş bir kimlik doğrulama süreci aracılığıyla dolandırıcılık saldırılarını azaltmanıza ve meşru müşteriler için işe alım sürtünmesini en aza indirmenize olanak tanır. Bu, müşteri güveninde ve emniyetinde bir artışa neden olabilir. Bu çözümün temel yetenekleri şunları içerir:

• Selfie kullanarak yeni bir kullanıcı kaydedin
• Kimlik kartı ve kimlik kartı verilerinin çıkarılmasıyla yüz eşleşmesinden sonra yeni bir kullanıcı kaydedin
• Geri dönen kullanıcının kimliğini doğrula

Amazon Rekognition önceden eğitilmiş teklifler sunar yüz tanıma Dahil olan kullanıcıların kimliklerini çevrimiçi doğrulamak için kullanıcı ekleme ve kimlik doğrulama iş akışlarınıza hızla ekleyebileceğiniz özellikler. Bu hizmeti kullanmak için makine öğrenimi (ML) uzmanlığı gerekmez.

Bir önceki içinde Facebook post, tipik bir kimlik doğrulama iş akışını tanımladık ve çeşitli Amazon Rekognition API'lerini kullanarak bir kimlik doğrulama çözümünün nasıl oluşturulacağını gösterdik. Bu gönderide, eksiksiz bir uçtan uca kimlik doğrulama çözümünü göstermek için yüz kimliği tabanlı bir kimlik doğrulama kullanıcı arabirimi ekledik. Uygulamamızda eksiksiz bir örnek uygulama sunuyoruz. GitHub deposu.

Çözüme genel bakış

Aşağıdaki referans mimarisi, kimlik doğrulamasını uygulamak için diğer AWS hizmetleriyle birlikte Amazon Rekognition'ı nasıl kullanabileceğinizi gösterir.

Mimari aşağıdaki bileşenleri içerir:

1. Kullanıcılar, içinde barındırılan ön uç web portalına erişir. AWS Yükseltme Amplify, ön uç web geliştiricilerinin güvenli, ölçeklenebilir tam yığın uygulamalar oluşturmasını ve dağıtmasını sağlayan uçtan uca bir çözümdür.
2. Uygulamalar Amazon API Ağ Geçidi istekleri doğru yönlendirmek için AWS Lambda kullanıcı akışına bağlı olarak işlev görür. Bu çözümde dört ana işlem vardır: kimlik doğrulama, kaydolma, kimlik kartıyla kaydolma ve güncelleme.
3. API Gateway, aşağıdakileri çalıştırmak için bir hizmet entegrasyonu kullanır. AWS Basamak İşlevleri API Gateway'den çağrılan belirli uç noktaya karşılık gelen durum makinesini ifade eder. Her adımda, Lambda işlevleri, gelen ve giden doğru çağrı setini tetiklemekten sorumludur. Amazon DinamoDB ve Amazon Basit Depolama Hizmeti (Amazon S3), ilgili Amazon Rekognition API'leri ile birlikte.
4. DynamoDB yüz kimliklerini tutar (face-id), S3 yolu URI'leri ve her biri için benzersiz kimlikler (örneğin çalışan kimlik numarası) face-id. Amazon S3, tüm yüz görüntülerini saklar.
5. Çözümün son ana bileşeni Amazon Rekognition'dır. Her akış (kimlik doğrulama, kaydolma, kimlik kartıyla kaydolma ve güncelleme), göreve bağlı olarak farklı Amazon Rekognition API'lerini çağırır.

Çözümü dağıtmadan önce aşağıdaki kavramları ve API açıklamalarını bilmek önemlidir:

• Koleksiyonlar – Amazon Rekognition, algılanan yüzlerle ilgili bilgileri sunucu tarafı kapsayıcılarında saklar. koleksiyon. Bir koleksiyonda saklanan yüz bilgilerini resimlerde, depolanmış videolarda ve akışlı videolarda bilinen yüzleri aramak için kullanabilirsiniz. Koleksiyonları çeşitli senaryolarda kullanabilirsiniz. Örneğin, aşağıdakileri kullanarak taranan rozet resimlerini depolamak için bir yüz koleksiyonu oluşturabilirsiniz. IndexYüzler Bir çalışan binaya girdiğinde, çalışanın yüzünün bir görüntüsü yakalanabilir ve binaya gönderilebilir. AramaYüzlerByImage operasyon. Yüz eşleşmesi yeterince yüksek bir benzerlik puanı veriyorsa (örneğin %99), çalışanın kimliğini doğrulayabilirsiniz.
• DetectFaces API'si – Bu API, girdi olarak sağlanan bir görüntüdeki yüzleri algılar ve yüzler hakkında bilgi verir. Bir kullanıcı kaydı iş akışında bu işlem, sonraki adıma geçmeden önce görüntüleri taramanıza yardımcı olabilir. Örneğin, bir fotoğrafın yüz içerip içermediğini, tanımlanan kişinin doğru yönde olup olmadığını ve güneş gözlüğü veya şapka gibi bir yüz engelleyici takıp takmadığını kontrol edebilirsiniz.
• IndexFaces API'si – Bu API, giriş görüntüsündeki yüzleri algılar ve bunları belirtilen koleksiyona ekler. Bu işlem, gelecekteki sorgular için bir koleksiyona taranan bir görüntü eklemek için kullanılır.
• SearchFacesByImage API'sı – Belirli bir giriş görüntüsü için, API önce görüntüdeki en büyük yüzü algılar ve ardından eşleşen yüzler için belirtilen koleksiyonu arar. İşlem, giriş yüzünün özelliklerini belirtilen koleksiyondaki yüz özellikleriyle karşılaştırır.
• Yüzleri Karşılaştır API'si – Bu API, kaynak giriş görüntüsündeki bir yüzü, hedef giriş görüntüsünde algılanan en büyük 100 yüzün her biriyle karşılaştırır. Kaynak görüntü birden fazla yüz içeriyorsa, hizmet en büyük yüzü algılar ve onu hedef görüntüde algılanan her yüzle karşılaştırır. Kullanım durumumuz için hem kaynak hem de hedef görüntünün tek bir yüz içermesini bekliyoruz.
• Yüzleri Sil API'si – Bu API, bir koleksiyondan yüzleri siler. Kaldırılacak bir koleksiyon kimliği ve bir dizi yüz kimliği belirtirsiniz.

İş Akışları

Çözüm, kullanıcı kaydı, kimlik doğrulama ve kullanıcı profili görüntüsünde güncellemeleri etkinleştirmek için bir iş akışı örneği sağlar. Bu bölümde her iş akışını detaylandırıyoruz.

Yüz özçekimi kullanarak yeni bir kullanıcı kaydedin

Aşağıdaki şekil, yeni bir kullanıcı kaydının iş akışını göstermektedir. Bu süreçteki tipik adımlar şunlardır:

1. Bir kullanıcı bir selfie görüntüsü yakalar.
2. Selfie görüntüsünün kalite kontrolü yapılır.
   not: Bu adımdan sonra canlılık algılama kontrolü de yapılabilir. Daha fazla ayrıntı için lütfen bunu okuyun blog.
3. Selfie, mevcut kullanıcı yüzlerinin bir veritabanına karşı kontrol edilir.

Aşağıdaki resim, yeni kullanıcı kaydı için Step Functions iş akışını göstermektedir.

Bu iş akışında üç işlev çağrılır: algılama-yüzler, arama yüzleri, ve indeks yüzleri. algılama-yüzler işlev Amazon Rekognition'ı çağırır DetectFaces Bir görüntüde bir yüzün algılanıp algılanmadığını ve kullanılabilir olup olmadığını belirlemek için API. Kalite kontrollerinden bazıları, görüntüde yalnızca bir yüzün bulunduğunun belirlenmesini, yüzün güneş gözlüğü veya şapka tarafından kapatılmadığından emin olunmasını ve yüzün döndürülmediğini doğrulamayı içerir. poz boyut. Görüntü kalite kontrolünden geçerse, arama yüzleri işlevi onaylayarak Amazon Rekognition koleksiyonlarında mevcut bir yüz eşleşmesini arar. FaceMatchEşik güven puanı, eşik hedefinizi karşılar. Daha fazla bilgi için bkz. Yüzleri eşleştirmek için benzerlik eşiklerini kullanma. Koleksiyonlarda yüz görüntüsü yoksa, indeks yüzleri koleksiyonlardaki yüzü indekslemek için işlev çağrılır. Yüz görüntüsü meta verileri DynamoDB tablosunda depolanır ve yüz görüntüleri bir S3 klasöründe depolanır.

Yeni kullanıcı kaydı başarılı olursa, DynamoDB'ye yüz görüntüsü öznitelik bilgisi eklenir. Akışı iş sürecine göre özelleştirebilirsiniz. Genellikle önceki şemada sunulan adımların bir kısmını veya tamamını içerir. Tüm adımları eşzamanlı olarak çalıştırmayı seçebilirsiniz (bir sonraki adıma geçmeden önce bir adımın tamamlanmasını bekleyin). Alternatif olarak, kullanıcı kayıt sürecini hızlandırmak ve müşteri deneyimini iyileştirmek için bazı adımları eşzamansız olarak çalıştırabilirsiniz (bu adımın tamamlanmasını beklemeyin). Adımlar başarılı olmazsa, kullanıcı kaydını geri almanız gerekir.

Kimlik kartı veri çıkarma ile bir kimlik kartıyla yüz eşleşmesinden sonra yeni bir kullanıcı kaydedin

Görüntülü kullanıcı kaydına ek olarak, bu iş akışı, kullanıcıların ehliyet gibi bir kimlik kartı ile kayıt olmalarını sağlar. Kimlik kartı ile yeni bir kullanıcı kaydetme adımları, yeni bir kullanıcı kaydetme adımlarına benzer.

Aşağıdaki resim, ID ile yeni kullanıcı kaydı için Step Functions iş akışını göstermektedir.

Bu iş akışında dört işlev çağrılır:  algılama-yüzler, arama yüzleri, indeks yüzleri ve karşılaştırma yüzleri. Bu iş akışındaki işlemlerin sırası, aşağıdakilerin eklenmesiyle kullanıcı kaydı iş akışına benzer: karşılaştırma yüzleri. Selfie görüntüsünün kalitesini doğruladıktan ve koleksiyonda yüz görüntüsünün bulunmadığından emin olduktan sonra, karşılaştırma yüzleri özçekim görüntüsünün kimlik kartındaki yüz görüntüsüyle eşleştiğini doğrulamak için işlev çağrılır. Görüntüler eşleşirse ilgili özellikler kimlik kartından çıkarılır. Yeni başlatılan kimlik belgelerini kullanarak anahtar/değer çiftlerini kimlik belgelerinden çıkarabilirsiniz. Amazon Metin Yazısı AnalyzeID API (ABD bölgeleri için) veya Amazon Rekognition DetectText API (ABD dışı bölgeler ve İngilizce dışı diller). Kimlik kartından çıkarılan özellikler birleştirilir ve kullanıcının yüzü, kimlik kartı aracılığıyla koleksiyonda indekslenir. indeks yüzleri fonksiyonu.

Yüz görüntüsü meta verileri DynamoDB tablosunda depolanır ve yüz görüntüleri bir S3 klasöründe depolanır.

Resimler eşleşmezse veya yinelenen bir kayıt algılanırsa, kullanıcı bir oturum açma hatası alır. Oturum açma hataları, bir Amazon Bulut İzleme olay ve eylemler kullanılarak tetiklenebilir Amazon Basit Bildirim Servisi (Amazon SNS), başarısız oturum açmaların izlenmesi ve izlenmesi için güvenlik operasyonlarını bilgilendirmek için. Daha fazla bilgi için bkz. CloudWatch kullanarak Amazon SNS konularını izleme.

Geri dönen kullanıcının kimliğini doğrula

Diğer bir yaygın akış, mevcut veya geri dönen bir kullanıcı oturum açma işlemidir. Bu akışta, önceden kaydedilmiş bir yüze karşı kullanıcı yüzünün (selfie) kontrolü gerçekleştirilir. Bu süreçteki tipik adımlar arasında kullanıcı yüz yakalama (selfie), selfie görüntü kalitesinin kontrolü ve selfie'nin aranması ve yüzler veritabanıyla karşılaştırılması yer alır. Aşağıdaki diyagram olası bir akışı göstermektedir.

Aşağıdaki resim, mevcut bir kullanıcının kimliğini doğrulamak için iş akışını göstermektedir.

Bu Adım İşlevi iş akışı üç işlevi çağırır: algılama-yüzler, karşılaştırma yüzleri ve arama yüzleri. Sonra algılama-yüzler işlevi, yakalanan yüz görüntüsünün geçerli olduğunu doğrular, karşılaştırma yüzleri işlevi, mevcut bir kullanıcıyla eşleşen S3 klasöründeki bir yüz görüntüsü için DynamoDB tablosundaki bağlantıyı kontrol eder. Bir eşleşme bulunursa, kullanıcı başarıyla kimlik doğrulaması yapar. Bir eşleşme bulunamazsa, koleksiyonlardaki yüz görüntüsünü aramak için arama yüzleri işlevi çağrılır. Kullanıcı doğrulanır ve koleksiyonlarda yüz görüntüsü varsa kimlik doğrulama işlemi tamamlanır. Aksi takdirde, kullanıcının erişimi reddedilir.

Önkoşullar

Başlamadan önce aşağıdaki ön koşulları tamamlayın:

1. Bir AWS hesabı oluşturun.
2. kurmak AWS Komut Satırı Arayüzü (AWS CLI) sürüm 2 yerel makinenizde. Talimatlar için bkz. AWS CLI'nin en son sürümünü yükleme veya güncelleme.
3. AWS CLI'yi kurun.
4. Node.js'yi yükleyin yerel makinenizde.
5. Örnek depoyu yerel makinenizde klonlayın:

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

Çözümü dağıtın

Çözümü tercih ettiğiniz Bölgede AWS hesabınızda sağlamak için uygun CloudFormation yığınını seçin. Bu çözüm, kimlik doğrulama iş akışlarını çalıştırmak için Step Functions ve Amazon Rekognition API'leriyle entegre API Gateway'i dağıtır.

Aşağıdaki başlatma düğmelerinden birine tıklamak, çözümü belirli bir bölgedeki AWS Hesabınıza sağlayacaktır.

  K. Virginia (us-east-1)

  oregon (us-west-2)

Ön uç uygulamasını dağıtmak için yerel makinenizde aşağıdaki adımları çalıştırın:

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

Web kullanıcı arayüzünü çağırın

Web portalı Amplify ile dağıtılır. Amplify konsolunda, barındırılan web uygulaması ortamını ve URL'yi bulun. URL'yi kopyalayın ve tarayıcınızdan erişin.

Yüz özçekimi kullanarak yeni bir kullanıcı kaydedin

Aşağıdaki adımlarla kendinizi bir kullanıcı olarak kaydedin:

1. Amplify'den sağlanan web URL'sini açın.
2. Klinik Kaydol
3. Kameranızı etkinleştirin ve bir yüz görüntüsü çekin.
4. Kullanıcı adınızı ve ayrıntılarınızı girin.
5. Klinik Kaydol Hesabınızı kaydetmek için.

Geri dönen kullanıcının kimliğini doğrula

Kaydolduktan sonra, kimlik doğrulama mekanizması olarak yüz kimliğini kullanarak oturum açarsınız.

1. Amplify tarafından sağlanan web URL'sini açın
2. Yüz kimliğinizi yakalayın.
3. Kullanıcı kimliğinizi girin.
4. Klinik Giriş Yap.

Yüz kimliğiniz kayıt resmiyle doğrulandıktan sonra “Giriş başarılı” mesajı alırsınız.

Kimlik kartı veri çıkarma ile bir kimlik kartıyla yüz eşleşmesinden sonra yeni bir kullanıcı kaydedin

Bir kimlikle kullanıcı kaydını test etmek için aşağıdaki adımları tamamlayın:

1. Amplify tarafından sağlanan web URL'sini açın.
2. Klinik Kimlikle kaydolun
3. Kameranızı etkinleştirin ve bir yüz görüntüsü çekin.
4. Kimlik kartınızı sürükleyip bırakın
5. Klinik Kaydol.

Aşağıdaki ekran görüntüsü bir örneği göstermektedir. Uygulama, 256 KB'a kadar kimlik kartı görüntülerini destekler.

“Başarıyla Kayıt Olunan Kullanıcı” mesajı alırsınız.

Temizlemek

AWS hesabınızda ek ücretlerin tahakkuk etmesini önlemek için, AWS CloudFormation konsoluna giderek ve sağladığınız kaynakları silin. Riv-Prod yığını.

Yığının silinmesi, oluşturduğunuz S3 paketini silmez. Bu kova tüm yüz görüntülerini saklar. S3 paketini silmek istiyorsanız Amazon S3 konsoluna gidin, paketi boşaltın ve ardından kalıcı olarak silmek istediğinizi onaylayın.

Sonuç

Amazon Rekognition, kullanımı hiçbir ML uzmanlığı gerektirmeyen, kanıtlanmış, yüksek düzeyde ölçeklenebilir, derin öğrenme teknolojisini kullanarak kimlik doğrulama uygulamalarınıza görüntü analizi eklemeyi kolaylaştırır. Amazon Rekognition şunları sağlar: yüz tanıma ve karşılaştırma yetenekler. kombinasyonu ile Yüzleri Algıla, KarşılaştırYüzler, IndexYüzler, AramaYüzlerByImage, Metin Algıla ve  Analiz Kimliği, yeni kullanıcı kaydı ve mevcut kullanıcı oturum açma işlemleriyle ilgili ortak akışları uygulayabilirsiniz.

Amazon Rekognition koleksiyonları, algılanan yüzlerle ilgili bilgileri sunucu tarafı kapsayıcılarında depolamak için bir yöntem sağlar. Ardından, resimlerde bilinen yüzleri aramak için bir koleksiyonda saklanan yüz bilgilerini kullanabilirsiniz. Koleksiyonları kullanırken, koleksiyondaki yüzleri indeksledikten sonra orijinal fotoğrafları saklamanız gerekmez. Amazon Rekognition koleksiyonları gerçek görüntüleri sürdürmez. Bunun yerine, temel algılama algoritması giriş görüntüsündeki yüzleri algılar, yüz özelliklerini her yüz için bir özellik vektörüne çıkarır ve koleksiyonda saklar.

Kimlik doğrulama yolculuğunuza başlamak için şu adresi ziyaret edin: Amazon Rekognition kullanarak Kimlik Doğrulama.

yazarlar hakkında

asma kacchawaha AWS'de Makine Öğrenimi konusunda uzmanlığa sahip bir Çözüm Mimarıdır. Müşterilerin AWS'de ölçeklenebilir, güvenli ve uygun maliyetli iş yükleri tasarlamasına yardımcı olmaktan sorumludur.

Ramesh Thiagarajan San Francisco merkezli bir Kıdemli Çözüm Mimarıdır. Uygulamalı Bilimler alanında lisans derecesine ve Siber Güvenlik alanında yüksek lisans derecesine sahiptir. Buluta geçiş, bulut güvenliği, uyumluluk ve risk yönetimi konularında uzmanlaşmıştır. İş dışında tutkulu bir bahçıvandır ve emlak ve ev geliştirme projelerine hevesli bir ilgisi vardır.

Amit Gupta AWS'de Yapay Zeka Hizmetleri Çözümleri Mimarıdır. Müşterilere geniş ölçekte iyi tasarlanmış makine öğrenimi çözümleri sunma konusunda tutkulu.

Tim Murphy, AWS için Kıdemli Çözüm Mimarıdır ve kurumsal finansal hizmet müşterileriyle iş bulut merkezli çözümler oluşturur. Son on yılını yeni kurulan şirketler, kar amacı gütmeyen kuruluşlar, ticari kuruluşlar ve devlet kurumlarıyla çalışarak, altyapıyı uygun ölçekte dağıtarak geçirdi. Teknolojiyle ilgilenmediği boş zamanlarında, onu büyük olasılıkla dağlarda yürüyüş yaparken, dalgalarda sörf yaparken veya yeni bir şehirde bisiklet sürerken, dünyanın en ücra köşelerinde bulacaksınız.

Nate Bachmeier Her seferinde bir bulut entegrasyonuyla New York'u göçebe bir şekilde keşfeden bir AWS Kıdemli Çözüm Mimarıdır. Uygulamaları taşıma ve modernleştirme konusunda uzmanlaşmıştır. Bunun yanı sıra, Nate tam zamanlı bir öğrencidir ve iki çocuğu vardır.

Jessie Lee Fry AWS'de Bilgisayarla Görmeye odaklanan bir Snr AIML Uzmanıdır. Kuruluşların, sahtekarlıkla mücadele etmek ve müşterileri adına inovasyonu yönlendirmek için Makine Öğrenimi ve AI'dan yararlanmasına yardımcı olur. İş dışında ailesiyle vakit geçirmekten, seyahat etmekten ve Sorumlu Yapay Zeka hakkında her şeyi okumaktan hoşlanıyor.