Robuste Fallback-Logik für Lebenderkennung mit Didit Webhooks (DE)

Dynamische RisikobewertungNutzen Sie die Lebenderkennungsberichte von Didit und konfigurierbare Warnschwellen, um fundierte Echtzeitentscheidungen über Verifizierungsergebnisse zu treffen.

Automatisierte Fallback-WorkflowsProgrammieren Sie alternative Verifizierungsmethoden oder manuelle Überprüfungen, wenn erste Lebenderkennungsprüfungen unsichere oder risikoreiche Ergebnisse liefern, um die Konversionsraten zu verbessern, ohne die Sicherheit zu beeinträchtigen.

Nahtloses BenutzererlebnisGestalten Sie adaptive Benutzerpfade, die legitime Benutzer durch die notwendigen Schritte führen und Betrüger durch intelligente Fallback-Logik effektiv abschrecken.

Didits modularer VorteilDie KI-native Lebenderkennung von Didit, kombiniert mit Webhooks und einer No-Code-Orchestrierungs-Engine, ermöglicht es Unternehmen, hochgradig anpassbare und robuste Identitätsverifizierungs-Workflows mit Free Core KYC zu erstellen.

In der sich entwickelnden Landschaft der digitalen Identität ist eine robuste Lebenderkennung von größter Bedeutung, um Spoofing-Angriffe zu verhindern und sicherzustellen, dass ein realer, lebender Mensch hinter jeder Transaktion steht. Kein System ist jedoch unfehlbar, und manchmal kann eine Lebenderkennungsprüfung den Status „In Überprüfung“, einen niedrigen Konfidenzwert oder bestimmte Warnungen zurückgeben, die eine weitere Untersuchung erfordern. Hier wird eine programmierbare Fallback-Logik unerlässlich. Durch den Aufbau intelligenter Fallback-Mechanismen können Unternehmen hohe Sicherheitsstandards aufrechterhalten und gleichzeitig das Benutzererlebnis optimieren und Reibungsverluste für legitime Benutzer minimieren.

Ergebnisse und Warnungen der Lebenderkennung verstehen

Die Lebenderkennung von Didit geht über ein einfaches Bestehen/Nichtbestehen hinaus. Unser System bietet einen umfassenden Bericht, einschließlich eines Lebendigkeitsstatus (Genehmigt, Abgelehnt, In Überprüfung), eines Konfidenzwerts und detaillierter Warnungen. Diese Warnungen sind entscheidend, um zu verstehen, warum eine Lebenderkennungsprüfung möglicherweise nicht definitiv „Genehmigt“ wurde, und um Ihre Fallback-Strategie zu informieren.

Didits Warnungen zur Lebenderkennung beschreiben beispielsweise verschiedene Szenarien:

• NO_FACE_DETECTED: Eine automatische Ablehnungsbedingung, die anzeigt, dass kein Gesicht gefunden wurde.
• LIVENESS_FACE_ATTACK: Eine weitere automatische Ablehnung, die einen potenziellen Spoofing-Versuch signalisiert.
• FACE_IN_BLOCKLIST: Eine automatische Ablehnung, wenn das Gesicht mit einem Eintrag in Ihrer Blocklist übereinstimmt.
• LOW_LIVENESS_SCORE: Konfigurierbare Schwellenwerte ermöglichen es Ihnen, Werte festzulegen, die den Status „In Überprüfung“ oder „Abgelehnt“ auslösen.
• POSSIBLE_DUPLICATED_FACE / DUPLICATED_FACE: Kennzeichnet potenzielle doppelte Identitäten.
• MULTIPLE_FACES_DETECTED: (Für passive Lebenderkennung) Zeigt an, dass mehr als ein Gesicht vorhanden war.
• LOW_FACE_QUALITY / LOW_FACE_LUMINANCE / HIGH_FACE_LUMINANCE: Warnungen bezüglich der Bildqualität, die eine genaue Erkennung behindern könnten.

Jede dieser Warnungen bietet wertvollen Kontext. Ein niedriger Lebendigkeitswert aufgrund schlechter Beleuchtung (LOW_FACE_LUMINANCE) könnte einen erneuten Versuch mit Anweisungen rechtfertigen, während ein POSSIBLE_DUPLICATED_FACE eine tiefere Untersuchung auslösen oder zusätzliche Identitätsnachweise erfordern könnte. Didits Lebenderkennung bietet drei primäre Methoden: ACTIVE_3D, FLASHING und PASSIVE, jede mit unterschiedlichen Sicherheitsstufen und Benutzerinteraktionsanforderungen. Das Verständnis dieser Methoden und ihrer Ausgaben ist der Schlüssel zur Gestaltung einer effektiven Fallback-Logik.

Intelligente Fallback-Strategien entwickeln

Programmierbare Fallback-Logik schwächt die Sicherheit nicht; sie macht Ihren Verifizierungsprozess widerstandsfähiger und benutzerfreundlicher. Hier sind häufige Szenarien und wie man sie angeht:

Szenario 1: Niedriger Lebendigkeitswert / Schlechte Gesichtsqualität

Wenn ein Benutzer einen niedrigen Lebendigkeitswert erhält oder das System eine schlechte Gesichtsqualität (z. B. LOW_FACE_QUALITY, LOW_FACE_LUMINANCE) meldet, deutet dies oft auf Umgebungsfaktoren oder Benutzerfehler und nicht auf direkten Betrug hin. Anstatt einer sofortigen Ablehnung könnte Ihre Fallback-Logik:

• Den Benutzer auffordern, die Lebenderkennungsprüfung mit klareren Anweisungen erneut zu versuchen (z. B. „Bitte sorgen Sie für gute Beleuchtung und halten Sie Ihr Gerät ruhig“).
• Von einer PASSIVE Lebenderkennungsprüfung zu einer robusteren FLASHING- oder ACTIVE_3D-Methode wechseln, die eine höhere Sicherheit bietet.
• Wenn mehrere Wiederholungsversuche fehlschlagen, auf eine manuelle Überprüfung eskalieren, bei der ein Agent die bereitgestellten Medien bewerten kann (Didits Lebendigkeitsbericht enthält reference_image und video_url).

Szenario 2: Möglicherweise doppeltes Gesicht

Wenn Didits 1:1-Gesichtsabgleich oder die Gesichtssuche ein POSSIBLE_DUPLICATED_FACE erkennt, ist dies ein Warnsignal, das Aufmerksamkeit erfordert. Ihre Fallback-Logik könnte:

• Zusätzliche Formen der ID-Verifizierung anfordern (z. B. einen sekundären Dokumentenscan mit Didits ID-Verifizierung).
• Eine wissensbasierte Authentifizierungsherausforderung (KBA) auslösen.
• Eine manuelle Überprüfung einleiten, möglicherweise durch Abgleich mit anderen internen Datenbanken oder Nutzung von Didits AML-Screening für eine verbesserte Due Diligence.

Szenario 3: Status „In Überprüfung“

Ein Status „In Überprüfung“ bedeutet, dass das System die Lebenderkennungsprüfung nicht eindeutig genehmigen oder ablehnen konnte, oft aufgrund einer Kombination aus kleineren Warnungen oder Grenzwerten. Dies ist ein idealer Kandidat für die automatische Rückfalllösung in eine manuelle Überprüfungswarteschlange. Die Webhook-Benachrichtigung würde alle notwendigen Details aus dem Lebendigkeitsbericht für einen Agenten enthalten, um eine fundierte Entscheidung zu treffen, einschließlich des Scores, der Methode und aller damit verbundenen Warnungen.

Implementierung von Fallback mit Didit Webhooks

Didits modulare Architektur und Webhooks sind genau dafür ausgelegt, solche dynamischen Workflows zu erstellen. Wenn eine Lebenderkennungsprüfung abgeschlossen ist, kann Didit eine Webhook-Benachrichtigung an Ihr System senden, die den vollständigen Lebendigkeitsbericht enthält, einschließlich Status, Score, Methode und aller Warnungen. Ihre Anwendung verarbeitet dann diese JSON-Nutzdaten und führt die vordefinierte Logik aus.

Hier ist ein vereinfachtes Beispiel, wie Ihr Webhook-Handler funktionieren könnte:

1. Webhook empfangen: Ihr Endpunkt empfängt eine JSON-Nutzlast von Didit, die das liveness-Objekt enthält.
2. Status & Score parsen: Extrahieren Sie liveness.status und liveness.score.
3. Warnungen überprüfen: Durchlaufen Sie liveness.warnings nach spezifischen Risikoindikatoren.
4. Logik ausführen:
   • Wenn status == 'Approved': Mit dem Onboarding fortfahren.
   • Wenn status == 'Declined' und LIVENESS_FACE_ATTACK oder FACE_IN_BLOCKLIST: Benutzer blockieren, Betrugsteam alarmieren.
   • Wenn status == 'Declined' aufgrund von LOW_LIVENESS_SCORE (unter einem strengen Schwellenwert): Benutzer zu erneutem Versuch mit verbesserten Anweisungen auffordern.
   • Wenn status == 'In Review' oder LOW_FACE_QUALITY: Zur manuellen Überprüfung einreihen oder eine alternative Verifizierungsmethode anbieten.
   • Wenn POSSIBLE_DUPLICATED_FACE: Zusätzliche ID-Nachweise anfordern.

Dies ermöglicht es Ihnen, programmatisch auf jede Nuance des Lebenderkennungsergebnisses zu reagieren und eine hochgradig angepasste und sichere Benutzerreise zu erstellen.

Wie Didit hilft

Didit ist die KI-native, entwicklerorientierte Identitätsplattform, die Unternehmen befähigt, ausgeklügelte Verifizierungs-Workflows zu erstellen, einschließlich einer robusten Fallback-Logik für die Lebenderkennung. Unsere modulare Architektur bedeutet, dass Sie unsere erweiterten passiven und aktiven Lebendigkeitsfunktionen nahtlos mit anderen Identitätsprimitiven wie der ID-Verifizierung und dem 1:1-Gesichtsabgleich integrieren können.

Wir bieten eine umfassende Lebenderkennung mit einer Genauigkeit von 99,9 % und mehreren Methoden (3D-Aktion & Blitz, 3D-Blitz, Passiv), um verschiedenen Sicherheitsanforderungen gerecht zu werden. Unsere detaillierten Lebendigkeitsberichte und konfigurierbaren Warnschwellen geben Ihnen die granularen Daten, die Sie zum Aufbau intelligenter Fallback-Logik benötigen. Mit Didits Webhooks und einer No-Code-Orchestrierungs-Engine können Sie komplexe Regeln definieren, die automatisch Wiederholungsversuche, manuelle Überprüfungen oder alternative Verifizierungsschritte auslösen und so sowohl Sicherheit als auch ein reibungsloses Benutzererlebnis gewährleisten.

Didit zeichnet sich durch Free Core KYC, keine Einrichtungsgebühren und ein Pay-per-erfolgreiche-Prüfung-Modell aus, das fortschrittliche Identitätsverifizierung Unternehmen jeder Größe zugänglich macht. Unser KI-nativer Ansatz stellt sicher, dass unsere Lebenderkennung kontinuierlich lernt und sich an neue Spoofing-Techniken anpasst, um Ihre Plattform vor aufkommenden Bedrohungen zu schützen.

Bereit zum Start?

Möchten Sie Didit in Aktion sehen? Holen Sie sich noch heute eine kostenlose Demo.

Beginnen Sie kostenlos mit der Überprüfung von Identitäten mit Didits kostenlosem Tarif.