مقابله با جعل هویت با فناوری تشخیص زنده بودن

Prevent-forgery-by-AI
فهرست مطالب

امکان ندارد که با جمعی از افراد درباره فناوری تشخیص چهره و تشخیص زنده بودن تصویر صحبت کنید، و بعد از پنج دقیقه کسی به فیلم گزارش اقلیت (Minority Report) اشاره نکند. این فیلم اکشن درباره آینده فرضی در سال ۲۰۵۴ است که در آن، پلیس در بخش ویژه به نام PreCrime با استفاده از مدیوم‌ها و پیش‌گوها افراد مجرم را پیش از ارتکاب جرم دستگیر و محاکمه می‌کند. تام کروز در این فیلم نقش رئیس بخش PreCrime را بر عهده دارد، و پس از مدتی به قتل فردی که حتی ملاقات نکرده است متهم می‌شود.

کمی قبل از این فیلم و در سال ۲۰۱۸، شرکت‌های تایید هویت دیجیتال مانند یوآیدی با جلوگیری از دسترسی کلاهبرداران به شبکه‌ها و اکوسیستم‌های ایمن، از وقوع جرم جلوگیری می‌کنند. البته همانطور که ما با استفاده از فناوری و فرآیندهای نوظهور مانند هوش مصنوعی و یادگیری ماشینی از وقوع جرم جلوگیری می‌کنیم، مجرمان هم با استفاده از ترفندهای جدید تهدیدهای پیچیده‌تری را ایجاد می‌کنند.

امروزه وجود ده‌ها موارد افشای داده در ابعاد گسترده و ظهور دارک وب منجر به کنار گذاشته شدن روش‌های قدیمی شناسایی و تایید هویت شده است. حتی روش‌هایی مانند تایید هویت دو مرحله‌ای (two-factor authentication) یا تایید هویت مبتنی بر دانش کاربر (KBA) هم روش‌های مناسبی برای تایید کاربران مجاز و جلوگیری از ورود افراد غیر مجاز نیستند.

پس از دریافت عکس کارت شناسایی توسط بخش پردازش دیجیتال دستگاه، تایید هویت و اصالت آن می‌تواند به شدت دشوار باشد. استفاده از فناوری دید کامپیوتری، نوشته خوان نوری یا OCR و یادگیری ماشین (Machine Learning) در سیستم‌های تایید هویت می‌تواند به تشخیص جعل هویت کمک کند، اما همچنان جای بهبود وجود دارد. ما در شرکت یوآیدی یک راهکار امنیتی چندلایه را توسعه داده‌ایم که اطلاعات کارت شناسایی، سلفی و فناوری تشخیص زنده بودن (Liveness Detection) تصویر را برای امنیت بیشتر با هم ترکیب می‌کند. اگرچه واترمارک و تراشه‌های الکترونیکی در کارت‌های شناسایی از ایمن‌ترین روش‌های شناسایی به حساب می‌آیند، اما روش‌هایی برای دستکاری یا جعل آنها نیز وجود دارد. برای رفع این مسئله، یوآیدی به یک سلفی از صورت فرد احتیاج دارد تا احتمال ورود افراد با کارت شناسایی سرقت شده کاهش پیدا کند. علاوه براین، فناوری تشخیص زنده بودن از حضور فیزیکی فرد در زمان تایید هویت اطمینان حاصل کرده و از ترفندهای جعل هویت، مانند استفاده از عکس یا ماسک جلوگیری می‌کند.

ما با استفاده از فناوری تشخیص زنده بودن را با هوش مصنوعی و یادگیری عمیق ترکیب کرده‌ایم تا جلوی سوء استفاده از ضعف‌های شایع تشخیص چهره را بگیریم. برخی از ترفندهای جعل تصویر زنده شامل موارد زیر است:

  • استفاده از عکس: در این حالت مجرم از عکس کاغذی یا دیجیتالی اشخاص دیگر سوء استفاده می‌کند. علاوه براین می‌توان با نگه داشتن یک خط کش یا مداد به صورت افقی و تکان دادن آن بین عکس و دوربین، حالت پلک زدن انسان را برای دستگاه شبیه سازی کرد.
  • تصاویر متحرک: این یک روش پیچیده برای فریب دادن سیستم‌های امنیتی است که در آن، می‌توان عکس افراد را با استفاده از نرم‌افزار به یک انیمیشن کوتاه و زنده تبدیل کرد. تصاویر به دست آمده در این گونه حملات دارای ویژگی‌های انسانی هستند (مانند پلک زدن، تکان دادن سر یا لبخند) که برای سیستم‌های امنیتی بسیار قانع کننده‌تر از عکس‌های بی‌جان و دو بعدی خواهند بود.
  • استفاده از ماسک: در این حملات از ماسک‌های سه بعدی برای ورود غیرمجاز استفاده می‌شود. این ماسک‌ها در قسمت چشم دارای حفره هستند تا در سیستم امنیتی به عنوان تصویر زنده ثبت شوند. تشخیص این حملات بسیار دشوارتر از تشخیص تصاویر متحرک است، چرا که ماسک صورت علاوه بر حرکت پلک‌ها دارای عمق و جزییات سه بعدی صورت انسان است.

سیستم تشخیص چهره یوآیدی از فناوری تشخیص زنده بودن تصویر استفاده می‌کند که نه تنها عکس و ویدئوها را شناسایی می‌کند، بلکه در تمامی تست‌های انجام شده از ورود افراد با ماسک هم جلوگیری کرده است. به دلیل اهمیت بالای سیستم‌های تشخیص هویت (برای تایید ورود، دسترسی از راه دور یا ثبت هویت)، استفاده از یک الگوریتم قوی برای تشخیص زنده بودن امری حیاتی است.

پلتفرم تشخیص زنده بودن دارای دو مزیت اصلی برای مشتریان ما است:

  • مقاومت در برابر جعل هویت: فناوری تشخیص زنده بودن یوآیدی نشان دهنده میزان اثربخشی فناوری ضدجعل هویت در شرایط واقعی است. در واقع بیش از ۱۵۰۰ تست جعل هویت در طی ۶ روز انجام شد که در نهایت این فناوری با شناسایی تمام موارد امتیاز ۹۸.۷ درصد را کسب کرد. این نتایج برای تیم ما در شرکت یوآیدی بسیار معنادار است، چراکه با اطمینان بیشتر امنیت مشتری‌ها را تضمین خواهیم کرد.
  • تجربه کاربری بهتر و سریعتر: با اینکه تشخیص کلاهبرداری اهمیت بالایی دارد، اما مشتری‌های تجاری به یک تجربه کاربری ساده، ملموس و غیر فرسایشی برای تمامی کاربران دستگاه احتیاج دارند. در سیستم‌های امنیتی ما، کاربر با مشاهده تصویر خود روی صفحه نمایش مستقیما مقابل دوربین ایستاده و روی صورت خود زوم می‌کند و چندین فریم با کیفیت و سه بعدی از صورت کاربر بر روی حافظه دستگاه ذخیره می‌شود. این به معنای یک تجربه کاربری ساده، سریع و واضح است که امنیت بی‌مانند را تضمین می‌کند.

شاید پیش‌بینی جرائم، مانند آنچه در فیلم «گزارش اقلیت» مشاهده کردیم همچنان تخیلی به نظر برسد، اما تکنولوژی مورد استفاده برای این کار دیگر یک تخیل نیست و هم‌اکنون می‌توان از آن استفاده کرد. فناوری تشخیص زنده بودن تصویر یوآیدی به تشخیص بهتر جعل هویت در فضای آنلاین کمک کرده، و تجربه کاربری ساده‌ای را به ارمغان می‌آورد. شاید تشخیص دقیق کلاهبرداران از سایر افراد شما را به یاد مدیوم‌هایی انداخته باشد که در فیلم گزارش اقلیت جرائم را پیش‌بینی می‌کردند، اما این در واقع همان هوش مصنوعی و یادگیری ماشینی است که به ما در ساخت سیستم‌های تشخیص هویت غیرحضوری کمک می‌کند.

برای امتیاز دادن کلیک کنید!
[تعداد نظر: ۰ میانگین: ۰]

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نوشته های مرتبط

آخرین مقالات

عضویت در خبرنامه