एंटी-स्पूफिंग क्या है और फेस रिकॉग्निशन में जीवंतता का पता लगाने के लिए इसकी तकनीकें क्या हैं?

कुछ वास्तविक उदाहरण इन हमलों से उत्पन्न होने वाली समस्याओं को दर्शाते हैं:

• 2023 में, धोखेबाज़ लोग कल्याण पोर्टलों को बायपास करने के लिए मुद्रित तस्वीरों का उपयोग करेंगे, जहां किसी व्यक्ति की उपस्थिति को मापने के लिए कोई गहराई संवेदन नहीं था।
• बैंकिंग प्रणालियों में, रिप्ले हमलों में दूरस्थ पहचान सत्यापन प्रक्रियाओं के दौरान पूर्व-रिकॉर्ड किए गए वीडियो देखे गए हैं। 
• मास्क हमले काफी परिष्कृत होते जा रहे हैं; यूरोपोल ने हाइपर-यथार्थवादी मास्क का उपयोग करके सीमा उल्लंघनों में वृद्धि की सूचना दी है। 

फेस लाइवनेस डिटेक्शन क्या है?

लाइवनेस डिटेक्शन एक ऐसी तकनीक है जो यह सत्यापित करती है कि प्रस्तुत किया गया चेहरा किसी जीवित व्यक्ति का है, न कि किसी नकली स्रोत का। यह गति या बनावट जैसी गतिशील विशेषताओं का विश्लेषण करके वास्तविक उपयोगकर्ताओं और नकली इनपुट के बीच अंतर करता है।

पारंपरिक चेहरे की पहचान और एंटी-स्पूफिंग प्रणालियों के बीच मुख्य अंतर

• पारंपरिक चेहरा पहचान तकनीक चेहरे की विशेषताओं के साथ काम करती है और उन्हें संग्रहीत टेम्पलेट्स से मिलान करने का प्रयास करती है।
• एंटी-स्पूफिंग प्रणालियां, पलक झपकने जैसे शारीरिक संकेतकों और बनावट जैसी भौतिक गुण तकनीकों का उपयोग करके जीवंतता के सत्यापन की एक अतिरिक्त परत जोड़ती हैं।

सजीवता पहचान तकनीक

आधुनिक एंटी-स्पूफिंग प्रणालियां उन विशेषताओं में एक दूसरे से भिन्न होती हैं जिनका उपयोग वे नकली प्रतिनिधित्व से जीवित चेहरों को अलग करने के लिए करते हैं:

बनावट विश्लेषण

इस विधि में, चेहरे की सतह के गुणों का पता लगाया जाता है ताकि स्पूफिंग के प्रयासों के सबूत दिखाने वाली विसंगतियों की जाँच की जा सके। उदाहरण के लिए:

• मुद्रित तस्वीरों में अक्सर मानव त्वचा की प्राकृतिक बनावट का अभाव होता है।
• डिजिटल स्क्रीन पर पिक्सेलेशन या अप्राकृतिक चिकनापन दिखाई दे सकता है।

गति विश्लेषण

ये विधियाँ अनैच्छिक हरकतों को पहचानने के बारे में हैं, जैसे पलक झपकाना या सिर को थोड़ा झुकाना। ऐसी प्राकृतिक हरकतें स्थिर छवियों की सटीकता के साथ शायद ही दोहराई जा सकती हैं।

गहराई का पता लगाना

डेप्थ-सेंसिंग तकनीक के साथ, चेहरे की 3D संरचना को इन्फ्रारेड सेंसर या संरचित प्रकाश का उपयोग करके मैप किया जाता है। यह तकनीक आसानी से सपाट सतहों (जैसे फ़ोटो) और गहराई वाले वास्तविक चेहरों के बीच अंतर कर सकती है।

अस्थायी विश्लेषण

टेम्पोरल एनालिसिस वीडियो में सीरियल फ्रेम का विश्लेषण है, ताकि कुछ समय में रीप्ले हमलों को इंगित करने वाली विसंगतियों को पहचाना जा सके। उदाहरण के लिए, स्क्रीन की झिलमिलाहट या लूप प्रमाणीकरण प्रयासों के दौरान डिजिटल डिस्प्ले के उपयोग का संकेत दे सकते हैं।

गहन शिक्षण दृष्टिकोण

डीप लर्निंग मॉडल, जिन्हें बड़े डेटासेट पर प्रशिक्षित किया जा सकता है, आम तौर पर इनपुट को उच्च परिशुद्धता के साथ वास्तविक या नकली के रूप में वर्गीकृत करते हैं। उदाहरण के लिए: कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) त्वचा की बनावट या गति गतिशीलता जैसी जटिल विशेषताओं का विश्लेषण करते हैं।

फेस एंटी-स्पूफिंग की चुनौतियाँ

अधिक मजबूत एंटी-स्पूफिंग प्रणालियों के विकास में कई चुनौतियों का सामना करना पड़ रहा है: