DalšíDalší průvodce
Algoritmy detekce obličeje
Vizuální AI
Vizuální průvodce AI
Kontroly živosti obličeje se snaží odlišit prezentaci obličeje v dobré víře na snímacím zařízení od prezentačního útoku, jako je fotografie, přehrané video nebo maska.
Poslechněte si tento návodAI-vyprávěný · ~3 min
Přesnější termín je detekce útoku na prezentaci, protože kamera nemůže prokázat, že tvrzení o identitě je pravé, pouhým zjištěním živě vypadajícího obličeje. Dobré systémy testují jak zmeškané útoky, tak neprávem odmítnuté legitimní osoby.
Nástroj pro vyhledávání tváří se zeptá, zda zachycená tvář připomíná zaregistrovaný obrázek. Detekce útoku na prezentaci, neboli PAD, si klade jinou otázku: zda něco prezentovaného na snímacím zařízení není spíše útokem než prezentací v dobré víře. Tištěný portrét, další zařízení zobrazující video s obličejem, maska a materiál měnící vzhled mohou vytvářet různé vizuální podněty. ISO/IEC 30107-1 definuje rámec PAD, ale nepředepisuje jeden senzor ani netvrdí, že PAD určuje identitu osoby. Úspěšná kontrola živosti proto nenahrazuje shodu identity ani bezpečné zachycení. Některé systémy analyzují běžný obrázek nebo video pasivně. Mohou zkoumat texturu, odrazy, hloubkové narážky nebo nekonzistentní pohyb. Jiní požadují změnu akce nebo používají další snímání, jako je hloubka nebo infračervené snímání, v závislosti na zařízení. Pevný požadavek na mrknutí může být někdy napodoben přehráním; náhodná výzva zvyšuje práci pro útočníka, ale může zpomalit uživatele nebo způsobit problémy s přístupností. Zabezpečení také závisí na tom, zda aplikace může důvěřovat tomu, že stream z kamery pochází z určeného zařízení. Přesvědčivý vstřikovaný proud může obejít obranu zaměřenou pouze na předměty držené před čočkou. Vyhodnocení pasivního softwaru PAD NIST testovalo několik typů útoků na konvenční snímky a zjistilo podstatné rozdíly mezi algoritmy. Výkon na jednom útočném nástroji nelze zobecnit na všechny neviditelné masky, displeje nebo podmínky zachycení. Testujte reprezentativní útoky a bona fide uživatele pod osvětlením, kvalitou kamery, odstínem pleti a podmínkami očekávanými při nasazení. Hlásit útočné prezentace nesprávně přijaté spolu s originálními prezentacemi nesprávně odmítnutými s odhalenými prahovými hodnotami a testovacími sadami. Pokud je skóre nejisté, může být postupné ověření nebo kontrola člověkem bezpečnější než považovat jeden snímek za průkazný. PAD snižuje jednu cestu k zosobnění; nejedná se o kompletní program na ochranu soukromí nebo identity. Omezte uchovávání obrázků obličejů, poskytněte použitelný záložní zdroj a sledujte nové metody útoku, aniž byste tvrdili, že model může potvrdit, že každý obrázek je autentický.
Banka testuje vzdálenou palubní kameru proti vytištěným fotografiím, záznamům obrazovky a maskám, než důvěřuje výsledku porovnání obličejů.
Tok odemknutí telefonu umožňuje záložní pověření, když osvětlení nebo zakrytí obličeje způsobí, že legitimní uživatel selže při kontrole životnosti.
Laboratoř hlásí oddělené výsledky pro útoky na fotografie a masky, spíše než aby tvrdila, že jeden celkový údaj přesnosti pokrývá každý spoof.
Tým identity zkontroluje, zda může předem nahrané video vstoupit přes virtuální kameru, protože testy útoků pouze s obrazem tuto cestu vstřikování nepokrývají.
Realističtější masky, displeje a syntetické video budou neustále měnit útoky, kterým musí PAD čelit. Systémy mohou kombinovat důkazy senzorů, variace na výzvu a integritu zachycení, ale každý doplněk by měl být testován na použitelnost a dostupnost. Veřejné hodnocení bude mít pravděpodobně větší význam než tvrzení o univerzálním skóre živosti: výsledek by měl říci, které typy útoků a podmínky byly skutečně testovány. Organizace budou také potřebovat způsob, jak aktualizovat obranu bez ukládání dat obličejů déle, než je nutné. Důvěryhodný zážitek umožní legitimním uživatelům vzpamatovat se z falešného odmítnutí a bude eskalovat pochybné případy místo toho, aby v tichosti činili vysoce sázkové rozhodnutí o identitě.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Kontroly živosti obličeje se snaží odlišit prezentaci obličeje v dobré víře na snímacím zařízení od prezentačního útoku, jako je fotografie, přehrané video nebo maska. Přesnější termín je detekce útoku na prezentaci, protože kamera nemůže prokázat, že tvrzení o identitě je pravé, pouhým zjištěním živě vypadajícího obličeje. Dobré systémy testují jak zmeškané útoky, tak neprávem odmítnuté legitimní osoby.
PAD vyhodnocuje útoky prezentace při zachycení; párování je samostatné srovnání identity.
PAD a párování identit odpovídá na různé otázky a záleží také na integritě zachycení.
NIST uvádí velké rozdíly podle algoritmu a typu útoku; důkazy by měly zůstat v testovaném rozsahu.
Stream vložený softwarem se může vyhnout fyzické cestě zachycení.
Související snímky a opakované objekty mohou nafouknout výsledky netěsností.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Algoritmy detekce obličeje
Vizuální AI