本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 检测人脸活跃度 Amazon Rekognition Face Liveness 可以帮助您验证正在进行面部验证的用户是否真实出现在摄像头前。它可以检测出现在摄像头前的仿冒攻击或绕过摄像头的攻击。用户可以通过自拍短视频来完成 Face Liveness 检查，其中，自拍短视频使其根据一系列提示来验证自己是否真实存在。 Face Liveness 通过概率计算确定，然后在检查后返回置信度分数（介于 0—100 之间）。分数越高，对于接受检查的人是真实的就越有信心。Face Liveness 还会返回一个框架，称为参考图像，可用于人脸比较和搜索。与任何基于概率的系统一样，Face Liveness 不能保证完美的结果。将其与其他因素结合使用，对用户的个人身份做出基于风险的决定。 Face Liveness 使用多个组件： + AWS 带组件的 Amplify SDK（[React](https://ui.docs.amplify.aws/react/connected-components/liveness)、[Swift (iOS](https://ui.docs.amplify.aws/swift/connected-components/liveness)) 和[安卓](https://ui.docs.amplify.aws/android/connected-components/liveness)） FaceLivenessDetector + AWS 软件开发工具包 + AWS 云端 API 当您将应用程序配置为与 Face Liveness 功能集成时，它会使用以下 API 操作： + [CreateFaceLivenessSession](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateFaceLivenessSession.html)-启动 Face Liveness 会话，让您的应用程序中使用 Face Liveness 检测模型。 SessionId 为创建的会话返回 a。还允许您设置自己的 ChallengePrefrence，因此您可以使用该 FaceMovementChallenge 选项。 + [StartFaceLivenessSession](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_rekognitionstreaming_StartFaceLivenessSession.html)-由 AWS Ampli FaceLivenessDetector fy 调用。启动一个事件流，其中包含当前会话中相关事件和属性的信息。 + [GetFaceLivenessSessionResults](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_GetFaceLivenessSessionResults.html)-检索特定 Face Liveness 会话的结果，包括 Face Liveness 置信度分数、参考图像和审核图像。 您将使用 AWS Amplify SDK 将 Face Liveness 功能与网络应用程序的基于人脸的验证工作流程集成。当用户通过您的应用程序加入或进行身份验证时，请将其发送到 Amplify SDK 中的 Face Liveness 检查工作流程。Amplify SDK 可在用户拍摄视频自拍时处理用户界面和实时反馈。 当使用 FaceMovementAndLightChallenge 用户的脸部移动到设备上显示的椭圆形时，Amplify SDK 会在屏幕上显示一系列彩色灯光。然后，它会将自拍视频安全地流式传输到云端 API。或者，在使用时 FaceMovementChallenge，用户的脸会移动到设备上显示的椭圆形中，但没有彩色灯光序列。虽然 “FaceMovementAndLightChallenge” 仍然是最大限度地提高准确性的最佳设置，但 FaceMovementChallenge “” 允许客户优先考虑更快的活体检查速度而不是准确性。在选择这些设置时，客户应考虑自身使用案例的需求，包括预期的攻击类型、期望的错误接受率和错误拒绝率，同时还应实施额外的检查措施，例如地理位置（如基于 IP）、一次性密码（OTP）等。客户应针对自身特定内容，在采用不同置信度分数阈值测试 Liveness 性能后，再作出此决定。此外，对于这两种活体检测类型，应用程序所有者都应实施相应控制措施来保护发送视频流的设备。分析完成后，您将在后端收到以下信息： + Face Liveness 置信度分数（介于 0 到 100 之间） + 一种名为参考图像的高质量图像，可用于人脸匹配或人脸搜索 + 从自拍视频中选择一组图像（最多四张），称为审核图像 Face Liveness 可以用于各种用例。例如，Face Liveness可以与人脸匹配（使用[CompareFaces](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CompareFaces.html)和 [SearchFacesByImage](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_SearchFacesByImage.html)）一起用于身份验证，在基于[年龄的访问限制的平台上进行年龄估算](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectFaces.html)，以及在威慑机器人的同时检测真实的人类用户。 您可以在 [Rekognition Face Liveness AI 服务卡](https://aws.amazon.com/machine-learning/responsible-machine-learning/rekognition-face-liveness/)中详细了解该服务适用于哪些使用案例、该服务如何使用机器学习（ML），以及负责任地设计和使用该服务时的关键注意事项。 您可以为 Face Liveness 和人脸匹配置信度分数设置阈值。您选择的阈值应反映您的使用案例。然后，您根据分数高于或低于阈值向用户发送身份验证 approval/denial 。如果被拒绝，请用户重试或将其发送到其他方法。 下图演示了从指令到活跃度检查再到返回结果的用户流程： ![用户流程显示人脸居中、逐渐靠近、保持静止状态以进行 Liveness 检查，以及成功结果和置信度分数。](http://docs.aws.amazon.com/zh_cn/rekognition/latest/dg/images/mobile-flow.png)