IDLive ^® Face Plus: detección de vida sin inconvenientes, prevención de deepfakes y protección contra ataques de inyección

La idea de la verificación de la vida en relación con la biometría se remonta a principios de la década de 2000. Antes de la detección de vida impulsada por IA, las empresas dependían de humanos para realizar comprobaciones de vida. Por ejemplo, durante la incorporación remota, se solicitaba a los clientes que mostraran su documento de identidad con fotografía en una videollamada para validar la presencia física de la persona que figuraba en el documento. Por supuesto, este proceso era lento, costoso y propenso a errores.

La tecnología detrás de la detección de vida se basa en el reconocimiento de información fisiológica como señal de vida. Históricamente, los algoritmos de vida han sido entrenado para identificar movimientos de la cabeza, dilatación de las pupilas de un sujeto, cambios en la expresión y otras respuestas físicas. La primera generación de tecnología de detección de vitalidad facial se conoce como “activa”. La detección activa de vitalidad se basa en los movimientos del usuario en respuesta a desafíos como asentir, parpadear, sonreír o posicionar correctamente el rostro en un marco. Si bien la tecnología puede ser eficaz para detectar una falsificación, introduce fricción en un proceso de verificación que era en gran medida deseable por su capacidad para eliminar la fricción y es menos seguro ya que los estafadores han aprendido a engañar a estos sistemas. La búsqueda de una solución más sencilla, facilitada por un mayor acceso a los datos de entrenamiento para un mejor aprendizaje automático, condujo a una nueva generación de detección de vitalidad “pasiva” .

La vitalidad pasiva es fundamentalmente diferente de la activa en el sentido de que no requiere ninguna acción por parte del usuario. Por ello, la vitalidad activa resulta poco práctica para casos de uso con inicios de sesión frecuentes. La fricción también tiene un impacto negativo en la adquisición de nuevos clientes, ya que las empresas informan de tasas de abandono de hasta el 50 % cuando utilizan la vitalidad activa.

Sin embargo, hay diferencias adicionales que debemos tener en cuenta al comparar ambos enfoques.

Se utilizan diversas técnicas para realizar una comprobación pasiva de la vitalidad, que van desde el análisis de una imagen de selfie hasta la captura de un vídeo o el uso de luces intermitentes sobre el sujeto. Estos enfoques de comprobación pasiva de la vitalidad tienen diferentes efectos en la experiencia y el procesamiento del usuario, como se describe en la siguiente tabla.

¿Cómo se puede determinar la vida de un rostro a partir de una única imagen? Todo empieza con la posibilidad de utilizar la misma imagen de selfie que utiliza el sistema de reconocimiento facial y biométrico. Por tanto, no se necesita ningún hardware especial ni software adicional para la recopilación de imágenes. Si la calidad de la selfie es lo suficientemente buena para el reconocimiento facial, se puede utilizar para comprobar la vida. El otro factor facilitador es el uso de redes neuronales profundas que procesan la imagen de la selfie para detectar artefactos que ayudan a distinguir entre una foto de una persona viva y un ataque de presentación. ID RD ha creado un enfoque único basado en DNN para la detección de vida que sustenta la técnica de una sola imagen. El proceso tarda menos de un segundo y tiene este aspecto:

Un ataque de presentación implica la “presentación” de imágenes faciales no vivas a la cámara durante la captura biométrica, en lugar de un selfie vivo. Un ataque de inyección se lleva a cabo “inyectando” datos digitales desde la cámara mediante ataques de hardware y/o software. Una representación digital de una captura en vivo puede suplantar la detección de vida si no sabe que la imagen no proviene de la cámara.