Echtheit von Gesichtern erkennen - Amazon Rekognition

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Echtheit von Gesichtern erkennen

Mit Amazon Rekognition Face Liveness können Sie überprüfen, ob ein Benutzer, der eine Gesichtsüberprüfung durchläuft, physisch vor einer Kamera anwesend ist. Es erkennt auch gefälschte Angriffe, die auf eine Kamera gerichtet sind oder versuchen, eine Kamera zu umgehen. Benutzer können eine Face-Liveness-Kontrolle durchführen, indem sie ein kurzes Video-Selfie machen, bei dem sie einer Reihe von Anweisungen folgen, um ihre Anwesenheit zu überprüfen.

Die Echtheit von Gesichtern wird anhand einer probabilistischen Berechnung bestimmt, und nach der Überprüfung wird ein Zuverlässigkeitswert (zwischen 0 und 100) zurückgegeben. Je höher der Wert, desto größer ist die Zuverlässigkeit, dass die Person, die den Scheck entgegennimmt, live ist. Face Liveness gibt auch einen Rahmen zurück, ein sogenanntes Referenzbild, das für Gesichtsvergleiche und -suchen verwendet werden kann. Wie bei jedem wahrscheinlichkeitsbasierten System kann Face Liveness keine perfekten Ergebnisse garantieren. Verwenden Sie es zusammen mit anderen Faktoren, um eine risikobasierte Entscheidung über die persönliche Identität der Benutzer zu treffen.

Face Liveness verwendet mehrere Komponenten:

  • AWS Amplify SDK (React, Swift (iOS) und Android) mit Komponente FaceLivenessDetector

  • AWS SDKs

  • AWS Cloud APIs

Wenn Sie Ihre Anwendung für die Integration mit dem Face-Liveness-Feature konfigurieren, verwendet sie die folgenden API-Operationen:

  • CreateFaceLivenessSession- Startet eine Face Liveness-Sitzung, sodass das Face Liveness-Erkennungsmodell in Ihrer Anwendung verwendet werden kann. Gibt a SessionId für die erstellte Sitzung zurück. Ermöglicht es Ihnen auch ChallengePrefrence, Ihre festzulegen, sodass Sie die FaceMovementChallenge Option verwenden können.

  • StartFaceLivenessSession- Von AWS Amplify FaceLivenessDetector angerufen. Startet einen Ereignisstrom mit Informationen zu relevanten Ereignissen und Attributen in der aktuellen Sitzung.

  • GetFaceLivenessSessionResults- Ruft die Ergebnisse einer bestimmten Face Liveness-Sitzung ab, einschließlich eines Face Liveness-Konfidenzwerts, eines Referenzbilds und von Auditbildern.

Sie werden das AWS Amplify SDK verwenden, um die Face Liveness-Funktion in Ihre Workflows zur gesichtsbasierten Überprüfung für Webanwendungen zu integrieren. Wenn sich Benutzer über Ihre Anwendung anmelden oder authentifizieren, senden Sie sie an den Workflow zur Face-Liveness-Kontrolle im Amplify SDK. Das Amplify SDK kümmert sich um die Benutzeroberfläche und das Feedback der Benutzer in Echtzeit, während sie ihr Video-Selfie aufnehmen.

Wenn sich FaceMovementAndLightChallenge das Gesicht des Benutzers bei Verwendung in das auf seinem Gerät angezeigte Oval bewegt, zeigt das Amplify SDK eine Abfolge von farbigen Lichtern auf dem Bildschirm an. Anschließend wird das Selfie-Video sicher in die Cloud gestreamt. APIs Alternativ bewegt sich das Gesicht des Benutzers bei der Verwendung FaceMovementChallenge in das auf seinem Gerät angezeigte Oval, es gibt jedoch keine Abfolge von farbigen Lichtern. 'FaceMovementAndLightChallenge' ist zwar nach wie vor die beste Einstellung, um die Genauigkeit zu maximieren, ermöglicht es Kunden jedoch, einer schnelleren Überprüfung der Aktualität Vorrang vor der Genauigkeit einzuräumen. FaceMovementChallenge Bei der Auswahl zwischen diesen Einstellungen sollten Kunden ihre jeweiligen Anwendungsfälle berücksichtigen, einschließlich erwarteter Angriffsarten, gewünschter Falschakzeptanz- und Falschablehnungsraten sowie zusätzlicher Prüfungen wie Geolokalisierung (z. B. basierend auf IP), One-Time-Pass-Codes (OTPs) usw. Kunden sollten diese Entscheidung treffen, nachdem sie die Leistung von Liveness anhand verschiedener Schwellenwerte für den Vertrauenswert für ihre spezifischen Inhalte getestet haben. Darüber hinaus sollten die Anwendungseigentümer bei beiden Typen von Verfügbarkeitsprüfungen Kontrollen implementieren, um das Gerät, von dem der Videostream gesendet wird, zu schützen. Nach Abschluss der Analyse erhalten Sie im Backend Folgendes:

  • Ein Face-Liveness-Zuverlässigkeitswert (zwischen 0 und 100)

  • Ein qualitativ hochwertiges Bild, das als Referenzbild bezeichnet wird und für den Gesichtsabgleich oder die Gesichtssuche verwendet werden kann

  • Ein Satz von bis zu vier Bildern, sogenannten Auditbildern, die aus dem Selfie-Video ausgewählt wurden

Face Liveness kann für eine Vielzahl von Anwendungsfällen genutzt werden. Face Liveness kann beispielsweise zusammen mit dem Gesichtsabgleich (mit CompareFacesund SearchFacesByImage) zur Identitätsprüfung, zur Altersschätzung auf Plattformen mit altersabhängiger Zugangsbeschränkung und zur Erkennung echter menschlicher Benutzer und zur Abschreckung von Bots verwendet werden.

In der Rekognition-Face-Liveness-KI-Servicekarte erfahren Sie mehr über die Anwendungsfälle, für die der Service vorgesehen ist, wie Machine Learning (ML) vom Service verwendet wird und welche wichtigen Überlegungen zur verantwortungsvollen Gestaltung und Nutzung des Dienstes zu beachten sind.

Sie können Schwellenwerte für Face-Liveness- und Gesichtsabgleich-Zuverlässigkeit festlegen. Ihre ausgewählten Schwellenwerte sollten Ihren Anwendungsfall widerspiegeln. Anschließend senden Sie dem Benutzer eine Identitätsprüfung approval/denial , die darauf basiert, dass die Punktzahl über oder unter den Schwellenwerten liegt. Falls dies verweigert wird, bitten Sie den Benutzer, es erneut zu versuchen oder ihn an eine andere Methode weiterzuleiten.

Die folgende Grafik zeigt den Benutzerablauf von den Anweisungen über die Überprüfung der Aktualität bis hin zum zurückgegebenen Ergebnis:

Der Benutzerfluss zeigt, dass sich das Gesicht zentriert, näher heranrückt, Stillhalten zur Überprüfung der Lebendigkeit und ein erfolgreiches Ergebnis mit einem Konfidenzwert.