안면인식 활성 감지 벤치마킹: 주요 지표, 데이터셋 및 시나리오 (KO)

핵심 지표 이해오인 수락률(FAR)과 오인 거부율(FRR)은 활성 감지 시스템 평가에 가장 중요하며, 보안 및 사용자 경험에 직접적인 영향을 미칩니다.

다양한 데이터셋의 역할벤치마킹은 실제 견고성을 보장하기 위해 다양한 스푸핑 공격, 조명 조건 및 인구 통계를 포함하는 포괄적인 데이터셋을 필요로 합니다.

실제 시나리오 적용효과적인 활성 감지는 고보안 금융 거래에서부터 마찰이 적은 소비자 애플리케이션에 이르기까지 다양한 사용 사례에서 안정적으로 작동해야 하며, 다양한 위험 프로필에 적응해야 합니다.

Didit의 고급 활성 솔루션Didit의 수동 및 능동 활성 감지(3D 동작 및 플래시 포함)는 업계 최고의 정확도와 구성 가능한 경고 시스템을 제공하며, 무료 핵심 KYC 계층을 포함하는 모듈형 AI 네이티브 플랫폼 내에서 모두 제공됩니다.

오늘날의 디지털 환경에서 강력한 신원 확인은 필수 불가결합니다. 생체 보안의 중요한 구성 요소인 활성 감지는 신원을 확인하려는 사람이 사진, 비디오 또는 정교한 딥페이크를 사용하는 사기꾼이 아니라 살아있는 실제 개인임을 보장합니다. 안전한 애플리케이션을 구축하는 개발자에게 활성 감지 성능을 벤치마킹하는 방법을 이해하는 것은 필수적입니다. 여기에는 주요 지표를 자세히 살펴보고, 데이터셋의 품질을 평가하며, 실제 시나리오에서 솔루션이 어떻게 작동하는지 고려하는 것이 포함됩니다.

활성 감지를 위한 주요 성능 지표

활성 감지 시스템을 평가할 때 여러 지표가 성능의 중요한 지표로 두드러집니다. 이러한 지표는 시스템이 실제 사용자와 스푸핑 시도를 구별하는 능력을 정량화하는 데 도움이 되며, 동시에 합법적인 사용자에게 원활한 사용자 경험을 보장합니다.

오인 수락률(FAR)

오인 수락률(FAR)은 스푸핑 수락률(SAR)이라고도 하며, 스푸핑 시도가 실제 프레젠테이션으로 잘못 수락되는 빈도를 측정합니다. 낮은 FAR은 보안에 매우 중요하며, 시스템의 사기 저항력을 직접적으로 반영합니다. 예를 들어, Didit의 활성 감지는 0.1% 미만의 FAR로 99.9%의 인상적인 정확도를 자랑하며, 프레젠테이션 공격에 대한 강력한 방어를 의미합니다.

오인 거부율(FRR)

오인 거부율(FRR) 또는 오탐률은 합법적인 실제 사용자가 시스템에 의해 잘못 거부되는 빈도를 측정합니다. 낮은 FAR이 보안에 필수적인 반면, 낮은 FRR은 사용자 경험과 전환율에 중요합니다. 높은 FRR은 좌절감과 포기로 이어질 수 있습니다. FAR과 FRR 사이의 올바른 균형을 맞추는 것이 중요하며, 종종 기업이 시스템을 특정 위험 허용 범위에 맞게 조정할 수 있도록 하는 구성 가능한 임계값이 포함됩니다.

공격 제시 분류 오류율(APCER) 및 생체 제시 분류 오류율(BPCER)

이러한 ISO/IEC 30107-3 표준 지표는 보다 미묘한 관점을 제공합니다. APCER은 FAR과 유사하며, 실제 프레젠테이션으로 잘못 분류되는 프레젠테이션 공격의 비율에 중점을 둡니다. BPCER은 FRR과 유사하며, 프레젠테이션 공격으로 잘못 분류되는 선의의 프레젠테이션의 비율을 측정합니다. 이러한 표준화된 지표는 다양한 활성 감지 솔루션 간의 더 명확한 비교를 가능하게 합니다.

다양한 데이터셋의 중요성

활성 감지 시스템은 훈련된 데이터만큼만 좋습니다. 벤치마킹에는 다양하고 대표적인 데이터셋에 대한 액세스 또는 생성 능력이 필요합니다. 이러한 데이터셋은 광범위한 스푸핑 기술과 실제 사용자 변형을 포함해야 합니다.

스푸핑 공격 유형

데이터셋은 다음과 같은 다양한 프레젠테이션 공격 도구(PAI)를 포함해야 합니다:

• 2D 공격: 인쇄된 사진(흑백 및 컬러), 화면 재생(휴대폰, 태블릿, 모니터에서).
• 3D 공격: 마스크(실리콘, 종이, 수지), 조각.
• 비디오 공격: 딥페이크, 녹화된 비디오, 정교한 비디오 주입 공격.
• 환경적 변형: 다양한 조명 조건, 각도, 거리 및 배경 산만함.

이러한 다양한 공격 벡터에 노출되지 않으면 시스템이 통제된 테스트에서는 잘 수행될 수 있지만, 사기꾼이 끊임없이 혁신하는 실제 시나리오에서는 실패할 수 있습니다.

인구 통계 및 환경 다양성

스푸핑 유형 외에도 데이터셋은 인구 통계학적 다양성(연령, 성별, 민족) 및 환경 요소를 반영해야 합니다. 특정 인구 통계 또는 특정 조명 조건에서 주로 훈련된 솔루션은 전 세계적으로 배포될 때 편향되거나 정확도가 감소할 수 있습니다. Didit의 AI 네이티브 접근 방식은 방대하고 다양한 데이터셋을 활용하여 활성 감지가 모든 사용자와 조건에서 일관되게 작동하도록 합니다.

실제 시나리오 및 구성 가능한 설정

벤치마킹은 단순히 실험실 결과에 관한 것이 아니라, 실제 배포 환경에서 시스템이 압력 하에서 어떻게 작동하는지에 관한 것입니다. 다양한 사용 사례는 다양한 수준의 보안과 사용자 마찰을 요구합니다.

위험 수준에 적응

대규모 거래를 확인하는 고보안 금융 기관은 신규 사용자를 온보딩하는 소셜 미디어 앱과는 다른 요구 사항을 가질 것입니다. Didit의 활성 감지는 유연한 방법을 제공합니다:

• 수동 활성: 단일 프레임 딥러닝 분석을 사용하는 마찰이 적은 시나리오에 이상적입니다.
• 3D 플래시: 동적 조명 패턴 분석을 통한 고보안, 금융 서비스에 적합합니다.
• 3D 동작 및 플래시: 무작위 동작(눈 깜빡임 등)과 조명 패턴 분석을 결합한 최고 보안, 은행 또는 의료 분야에 적합합니다.

이러한 방법을 선택하고 결합하는 능력은 개발자가 애플리케이션의 특정 위험 프로필에 맞게 보안 태세를 조정할 수 있도록 합니다.

구성 가능한 경고 및 거부 조건

강력한 활성 감지 시스템은 경고 및 잠재적 문제 처리 방법에 대한 세분화된 제어를 제공합니다. 예를 들어, Didit의 시스템은 애플리케이션이 다음 작업에 대한 작업을 구성할 수 있도록 합니다:

• 낮은 활성 점수: "검토 중" 또는 자동 "거부" 상태에 대한 임계값을 설정합니다.
• 중복 얼굴: 얼굴이 기존 항목과 일치하는 경우 거부, 검토 또는 승인할지 결정합니다.
• 얼굴 품질 및 밝기: 이미지 품질을 기반으로 세션을 플래그 지정하거나 거부하는 임계값을 구성하여 검토 프로세스를 최적화하는 데 중요합니다.

이러한 수준의 구성 가능성은 개발자가 보안과 운영 효율성 사이의 균형을 맞추는 확인 워크플로를 구축하는 데 필수적이며, 필요한 경우 자동 의사 결정 및 수동 검토를 허용합니다.

Didit이 도움이 되는 방법

Didit은 개발자를 위해 설계된 비할 데 없는 AI 네이티브 활성 감지 솔루션을 제공합니다. 당사의 플랫폼은 모듈식 아키텍처를 제공하여 고도로 안전한 3D 동작 및 플래시를 포함한 최첨단 수동 및 능동 활성 방법을 기존 워크플로에 원활하게 통합할 수 있도록 합니다. Didit의 개발자 우선 원칙에 대한 약속은 즉각적인 샌드박스 액세스, 포괄적인 공개 문서 및 깨끗한 API를 통해 신속하게 시작할 수 있음을 의미합니다. 우리는 설정 비용을 없애고 무료 핵심 KYC 계층을 제공하여 모든 규모의 기업이 고급 사기 방지에 액세스할 수 있도록 합니다. 당사의 활성 보고서는 신뢰 점수, 방법 세부 정보 및 세분화된 위험 평가를 포함한 자세한 통찰력을 제공하여 모든 확인 시도에 대한 완전한 가시성과 제어를 제공합니다. Didit의 활성 감지를 활용하면 정교한 스푸핑 공격으로부터 보호하고 규정 준수를 보장하며 사용자에게 안전하고 마찰이 적은 경험을 제공할 수 있습니다.

시작할 준비가 되셨습니까?

Didit을 실제로 보고 싶으십니까? 오늘 무료 데모를 받아보세요.

Didit의 무료 계층으로 무료로 신원 확인을 시작하세요.