La detección biométrica de vida es una parte clave para detener los ataques de presentación, fortaleciendo los sistemas de autenticación facial en todo el mundo mediante la identificación de ataques de suplantación de identidad, videos ultrafalsos y otras formas de fraude de identidad. Esta guía explicará cómo la detección de vida protege a las empresas en todo el mundo con Liveness KYC que analiza muestras de datos biométricos e identifica incluso los signos más sutiles de fraude.
¿Qué es la detección biométrica de vida?
La detección biométrica de vida se utiliza para fortalecer los sistemas biométricos faciales, lo que dificulta que los estafadores se salgan con la suya con ataques de presentación y obtengan acceso ilícito a través de instrumentos como fotografías impresas, máscaras 3D y otras formas de ataques falsos.
Sólidos sistemas de seguridad y reconocimiento facial
Los ingresos del mercado de reconocimiento facial son Se prevé que alcance $19.3B para 2032., siendo la protección de teléfonos y dispositivos electrónicos su uso más común. Sin embargo, 7 de cada 10 gobiernos Dependen en gran medida de la tecnología de reconocimiento facial y la utilizan para proteger datos extremadamente confidenciales.
El reconocimiento biométrico ha recorrido un largo camino desde que Touch ID se introdujo por primera vez en septiembre de 2013, y estos sistemas ahora utilizan comercialmente tecnología de reconocimiento facial y de iris, que muchos consideran infalible.
La investigación sobre el uso de tecnología de verificación facial en 99 países encontró que 70% de las fuerzas policiales utilizan tecnología de reconocimiento facial, así como 60% de aeropuertos, 20% de escuelas y casi 80% de instituciones bancarias y financieras.
Análisis de muestras biométricas
La detección de vida funciona analizando muestras biométricas de selfies o videos enviados por los usuarios y mejora la seguridad de los métodos de verificación de identidad. Durante estos controles se examinan varios aspectos diferentes, incluido el análisis de movimiento, que analiza los movimientos para identificar signos de vida, o el análisis de textura, que implica examinar detalles minuciosos de la cara o el dedo de una persona.
Aprendizaje automático y prevención de fraude
La IA de aprendizaje automático se aprovecha dentro de la detección de vida para identificar signos de un ataque de presentación, como manipulación de píxeles, falta de expresiones faciales sutiles o textura de piel no auténtica en la cara del usuario que sugiere que el usuario no está físicamente presente.
Estas sutiles diferencias de textura a menudo son completamente invisibles para el ojo humano, pero pueden detectarse con inteligencia artificial.
Los algoritmos de detección de vida pueden emplear métodos de detección de vida activa y pasiva, según las necesidades de la organización.
Detección activa de vida
La detección activa de vida se basa en la interacción del usuario con el sistema de autenticación, lo que requiere que los usuarios realicen movimientos específicos o digan palabras específicas. Estas tareas de desafío-respuesta demuestran que el usuario es una persona real al mostrar signos de vida. Sin embargo, esta puede ser una experiencia de usuario menos positiva, ya que el proceso requiere interacción por parte del usuario.
La piedra angular de las soluciones activas de detección de vida es que buscan señales de vida que el fraude no puede replicar fácilmente. El uso de varias modalidades, como el reconocimiento de voz, el análisis de pulsaciones de teclas y el examen de movimientos sutiles de la boca o la cara, puede ayudar a detectar signos de vida, pero todo esto requiere la interacción del usuario.
Este tipo de proceso de autenticación biométrica garantiza seguridad y solidez. Verificación de identidad mediante el uso de análisis de movimiento e inteligencia artificial y, a menudo, examinará más de una imagen.
Características clave de la detección activa de vida
- Las comprobaciones activas de la vida requieren mucho más por parte del usuario, lo que hace que la verificación de la vida facial sea mucho más precisa y, por tanto, segura.
- Estas comprobaciones pueden incluir tareas de respuesta a desafíos, lo que garantiza la seguridad contra ataques deepfake.
- Combinación de estudio de movimiento e inteligencia artificial, creando un control más completo al mirar a menudo más de una imagen.
- Lo mejor para organizaciones que deseen centrarse en la seguridad de los datos.
Detección pasiva de vida
La detección pasiva de vida no requiere ningún tipo de movimiento o interacción por parte del usuario, ya que los algoritmos buscan signos clave de falsificaciones al analizar una imagen. También suelen buscar signos de vida, pero pueden hacerlo de forma menos exhaustiva ya que no se implementa ninguna interacción con el usuario.
Con la detección de vida pasiva, la IA a menudo analiza solo una imagen y puede funcionar sin que el usuario sea consciente del proceso, sin requerir acciones específicas.
Esta forma de verificación de vida es excelente para brindar experiencias positivas al usuario y al mismo tiempo fortalecer la integridad del sistema biométrico.
Características clave de la detección pasiva de vida
- No se requiere ninguna acción por parte del usuario, lo que crea fácilmente una experiencia de usuario positiva.
- Estas comprobaciones se basan principalmente en la IA y, por lo general, estudian solo una imagen.
- Comprobaciones más rápidas que con comprobaciones de vida activas.
- Una mejor opción para organizaciones que necesitan realizar una gran cantidad de controles rápidamente.
Trabajo de detección de ataques de presentaciones y deepfakes
En 2023, aproximadamente 500.000 videos y voces deepfake circulaban en las redes sociales en todo el mundo. Para 2025, se prevé que habrá alrededor de 8 millones de deepfakes compartidos en línea, lo que sugiere que la cantidad de deepfakes continuará duplicándose cada 6 meses. Los procesos de autenticación biométrica pueden verse subvertidos por vídeos deepfake, como lo han demostrado oficialmente los estudios.
Deepfakes subvirtiendo las API
Investigadores de la Universidad Sungkyunkwan en Suwon, Corea del Sur, pudieron demostrar que las API de Microsoft y Amazon pueden engañarse fácilmente con el uso de sofisticados deepfakes. En un caso, una de las API (Azure Cognitive Services de Microsoft) fue engañada por hasta 78% de los deepfakes que le alimentaron los coautores. Sin embargo, el estudio de investigación concluyó que todas las API podrían ser engañadas por deepfakes.
Azure Cognitive Services confundió un deepfake con una celebridad objetivo 78% de la época, mientras que Rekognition de Amazon lo confundió. 68.7% de la época. Rekognition clasificó erróneamente los deepfakes de una celebridad como otra celebridad real 40% de la época y dio 902 de 3200 deepfakes. puntuaciones de confianza más altas que la imagen real de la misma celebridad. Y en un experimento con Azure Cognitive Services, los investigadores se hicieron pasar por 94 de 100 celebridades en uno de los conjuntos de datos de código abierto.
Vive KYC con ComplyCube
Aproveche nuestra detección de vida impulsada por IA para establecer una presencia genuina del cliente y disuadir a los impostores. Nuestra detección anti-spoofing protegerá su negocio de ataques de presentación sofisticados, como máscaras 3D o deepfakes, sin agregar ninguna fricción a los usuarios. Nuestra solución de detección de vida aprovecha las comprobaciones avanzadas, incluido el análisis de la profundidad del rostro, la detección de microexpresiones, el reconocimiento de oclusión, el análisis de la textura de la piel y las comprobaciones anti-spoofing.
Para una solución de verificación de identidad extremadamente completa, ofrecemos disuasión de fraude Active Liveness además de nuestras comprobaciones estándar de Passive Liveness. Guiamos a los clientes para que graben videos completando desafíos aleatorios a través de un viaje sin fricciones.
Implementar un experto solución de detección de vida por conseguir póngase en contacto con nuestro equipo de expertos hoy.
