Com o aumento da sofisticação dos ataques de falsificação, tornou-se necessário incluir técnicas que verifiquem se o rosto apresentado de um indivíduo é real ou uma recriação digital. Assim, surge a fusão da biometria facial e das técnicas de prova de vida. A tecnologia de detecção de vivacidade tem dois métodos principais: o passivo e o ativo.
Neste artigo, mostraremos a diferença entre os tipos de tecnologia liveness e como eles podem ajudar na segurança de identidade.
Detecção de vivacidade passiva ou ativa
Há diferenças entre liveness ativo e passivo. Vamos vê-las a seguir.
Liveness Passivo
Para determinar a autenticidade da biometria, o liveness passivo se baseia na análise de características intrínsecas das imagens faciais, como textura, movimento e profundidade.
Nesse método, os algoritmos de aprendizado de máquina são aplicados para identificar padrões que separam as imagens reais das falsas. Essa abordagem envolve a análise de movimentos sutis e características faciais que indicam que a imagem pertence a uma pessoa viva, em vez de uma foto ou um vídeo pré-gravado.
O liveness passivo acrescenta uma camada adicional de segurança à autenticação facial sem exigir que o usuário interaja além do necessário; por exemplo, ela pode ser usada em locais públicos como aeroportos, estações de trem e metrô. Como resultado, esse método se torna mais rápido para o usuário.
Liveness Ativo
Enquanto o liveness passivo não exige interação direta com o usuário, o liveness ativo exige a cooperação do usuário para a autenticação.
A técnica envolve a solicitação de ações específicas do usuário, como piscar, sorrir ou mover a cabeça. Capturadas por sensores, como câmeras infravermelhas ou sensores de profundidade, essas ações são analisadas para verificar a autenticidade facial.
Esse método é considerado mais robusto em termos de segurança, pois é mais difícil de ser contornado.
Em resumo, o liveness passivo é conveniente e rápida, enquanto o liveness ativo é mais segura e resiliente.
Aplicativos mais comuns de detecção de vivacidade
O liveness ativo exige ações específicas do usuário, o que a torna mais adequada para aplicativos de segurança críticos com requisitos presenciais, por exemplo:
- Controle de acesso em áreas restritas.
- Na autenticação presencial para transações financeiras.
No entanto, o liveness passivo permite uma experiência de usuário mais tranquila, pois o cliente não precisa realizar ações extras. Portanto, ela é amplamente usada em aplicativos em que a conveniência e a velocidade são cruciais, como, por exemplo:
- Desbloqueio de smartphones.
- Autenticação de pagamentos em aplicativos móveis.
- Prevenção de fraudes em sistemas de identificação.
- Controle de acesso a locais virtuais altamente seguros.
Como implementar a vivacidade passiva
A implementação da o liveness passivo envolve algoritmos de visão computacional e aprendizado de máquina para análise e identificação de prova de vida. Embora a implementação exata varie de acordo com as tecnologias e os algoritmos específicos usados, podemos listar as principais etapas envolvidas:
- Coleta de dados: Alimenta o sistema com exemplos de rostos reais e falsos. Isso inclui imagens e vídeos de pessoas reais, bem como fotos ou vídeos estáticos. É importante ter uma variedade de exemplos para representar diferentes cenários e condições.
- Pré-processamento de dados: Prepara os dados para análise com operações como redimensionamento de imagens, normalização de cores e remoção de ruídos.
- Extração de recursos: Usa algoritmos de visão computacional, como descritores de imagem ou redes neurais convolucionais (CNNs), para extrair recursos relevantes dos rostos nos exemplos de dados coletados.
Esses recursos podem incluir informações sobre texturas faciais, movimentos sutis, padrões de piscada e outros elementos distintos.
- Treinamento de modelos: Usa conjuntos de dados preparados e recursos extraídos para treinar um modelo de aprendizado de máquina, como um classificador binário. O objetivo é ensinar o modelo a distinguir entre rostos reais e falsos com base nos recursos identificados.
- Validação e ajuste do modelo: Avalia a precisão e o desempenho do modelo com um conjunto de dados de validação separado. Ajustes nos parâmetros do modelo e na seleção de recursos são necessários para melhorar o desempenho, se necessário.
- Testes e avaliação contínua: Realiza testes rigorosos do modelo treinado em um conjunto de dados de teste separado para verificar a eficácia do sistema de detecção de vivacidade.
Monitore o desempenho do modelo em diferentes cenários e condições e faça melhorias contínuas, se necessário.
- Integração: Integra o modelo de vivacidade em um aplicativo ou sistema. Isso pode envolver a implementação de APIs ou bibliotecas específicas para realizar análises em tempo real de faces capturadas pela câmera do dispositivo.
Com todas as etapas mencionadas acima, a Vsoft é capaz de fornecer sua melhor tecnologia contra fraudes usando a detecção de vivacidade no produto BioPass ID. Como resultado, a segurança dos dados e das identificações biométricas será garantida e não haverá fraudes nos sistemas.
Agora, é sua vez
Antes de executar a detecção de vivacidade, é importante enfatizar que a implementação pode ser um desafio técnico, e há várias abordagens disponíveis.
Portanto, é aconselhável buscar literatura acadêmica, artigos científicos e exemplos de código para compreender as práticas recomendadas e as tecnologias mais adequadas para aplicações específicas.
Você gostaria de explorar um exemplo prático de como a tecnologia de detecção de vivacidade funciona? Leia sobre como a vivacidade é empregada pelo Instituto Nacional do Seguro Social (INSS) para evitar fraudes.
Tradução: Pedro Garrafielo
