लाइवनेस डिटेक्शन और बायोमेट्रिक स्पूफिंग क्या है?

यदि आप ऑनबोर्डिंग या प्रमाणीकरण के लिए बायोमेट्रिक्स पर निर्भर हैं, निष्ठा का पता लगाने (यह भी कहा जाता है प्रस्तुति हमले का पता लगाना, PAD) को रोकना महत्वपूर्ण है बायोमेट्रिक स्पूफिंग—प्रिंटेड फ़ोटो और स्क्रीन रीप्ले से लेकर 3D मास्क और डीपफ़ेक तक। सही तरीके से किया जाए तो लाइवनेस डिटेक्शन साबित करता है कि जीवित मानव किसी भी पहचान या मिलान से पहले सेंसर पर। 

त्वरित उत्तर: लाइवनेस डिटेक्शन स्पूफिंग को कैसे रोकता है

लाइवनेस डिटेक्शन लाइव बायोमेट्रिक सिग्नल को अलग करता है प्रस्तुति हमले (पीए) सक्रिय संकेतों (जैसे, पलक झपकाना, सिर घुमाना, बेतरतीब शब्द) या निष्क्रिय विश्लेषण (जैसे, बनावट, प्रकाश प्रतिक्रिया, गहराई संकेत, सूक्ष्म-गतिविधियाँ) का उपयोग करके। ISO/IEC 30107-3 निर्दिष्ट करता है कि PAD का मूल्यांकन और रिपोर्टिंग कैसे की जानी चाहिए।, सेब-से-सेब विक्रेता तुलना को सक्षम करना।

परिभाषाएँ और मूल अवधारणाएँ

प्रस्तुति हमला (पीए): किसी भी बायोमेट्रिक सेंसर को किसी आर्टिफैक्ट (फोटो, वीडियो, मास्क) या हेरफेर किए गए मीडिया (रिप्ले, डीपफेक) के साथ नष्ट करने का प्रयास।

प्रस्तुति आक्रमण का पता लगाना (PAD): तंत्र जो पीए का पता लगाते हैं और मानकीकृत तरीके से परिणामों की रिपोर्ट करते हैं; आईएसओ / आईईसी 30107-3 परीक्षण और रिपोर्टिंग विधियां निर्धारित करता है ताकि खरीदार समाधानों की तुलना कर सकें। 

बायोमेट्रिक स्पूफिंग का विकास हुआ है। शुरुआती पीए 2डी प्रिंट पर निर्भर थे; नए हमले उच्च-रिज़ॉल्यूशन वाले ओएलईडी रिप्ले, टेक्सचर्ड 3डी मास्क और एआई-जनरेटेड डीपफेक का उपयोग करते हैं। आधुनिक पीएडी एल्गोरिदम बहु-संकेत संकेतों (जैसे, त्वचा की सूक्ष्म बनावट, फोटोमेट्रिक प्रतिक्रियाएँ, गहराई/आईआर) का विश्लेषण करके यह तय करते हैं कि कोई नमूना लाइव है या नहीं। 

सक्रिय बनाम निष्क्रिय जीवंतता का पता लगाना

• सक्रिय जीवंतता: उपयोगकर्ता किसी संकेत पर प्रतिक्रिया देता है—पलक झपकाता है, मुस्कुराता है, बाएँ/दाएँ मुड़ता है, कोई वाक्यांश बोलता है। लाभ: सरल मानसिक मॉडल; बुनियादी 2D हमलों के विरुद्ध मज़बूत। नुकसान: टकराव पैदा करता है; अगर सरलता से लागू किया जाए तो संकेतों को सीखा/नकली बनाया जा सकता है। 
• निष्क्रिय जीवंतता: कोई संकेत नहीं। मॉडल प्राकृतिक संकेतों (बनावट, गति लंबन, दूरस्थ PPG, लेंस परावर्तन) से जीवंतता का अनुमान लगाता है। लाभ: बेहतरीन UX; उच्च-मात्रा KYC के लिए स्केलेबल। नुकसान: निर्माण कठिन; नए PAs और डीपफेक के साथ तालमेल बनाए रखना आवश्यक। 

व्यवहार में, कई प्लेटफ़ॉर्म दोनों को एक साथ जोड़ते हैं जोखिम-अनुकूली प्रवाह: निष्क्रिय से शुरू होकर सक्रिय या बहुविध जब जोखिम अधिक हो तो जाँच करता है (जैसे, वेग विसंगतियाँ, टीओआर, डिवाइस इम्यूलेशन)।

पता लगाने के तरीके जो आप मैदान में देखेंगे

• बनावट और परावर्तन विश्लेषणत्वचा सूक्ष्म कणों वाली बनावट और फोटोमेट्रिक प्रतिक्रियाएं प्रदर्शित करती है जो डिस्प्ले और मुद्रित मीडिया से भिन्न होती हैं।
• सूक्ष्म-गतिविधियाँ और लौकिक संकेतअनैच्छिक रूप से आंखों का झपकना, सिर का हल्का सा हिलना, या फ्रेम में रक्त प्रवाह के संकेतों को विश्वसनीय ढंग से दोहराना कठिन है।
• गहराई और IR संवेदनसंरचित प्रकाश या ToF 2D स्पूफ को विफल कर सकता है; IR सामग्री के अंतर को उजागर करता है।
• चुनौती-प्रतिक्रिया (सक्रिय): यादृच्छिक संकेत हमलावर की लागत बढ़ाते हैं।
• मल्टीमॉडलचेहरे, आवाज और डिवाइस सिग्नल को संयोजित करने से गलत स्वीकृति को और कम किया जा सकता है।

विक्रेता इन तकनीकों का अलग-अलग तरीके से वर्णन करते हैं, लेकिन वे उद्योग साहित्य और क्रेता गाइडों में मान्यता प्राप्त PAD श्रेणियों से मेल खाते हैं।

बायोमेट्रिक स्पूफिंग के कुछ प्रकार क्या हैं?

विभिन्न प्रकार के बायोमेट्रिक स्पूफिंग विभिन्न प्रमाणीकरण विधियों से मेल खाते हैं और उनकी कमज़ोरियों का फ़ायदा उठाते हैं। परिणामस्वरूप, प्रेजेंटेशन हमले कई बायोमेट्रिक विधियों को निशाना बना सकते हैं, जिनमें शामिल हैं: