Обнаружение активности: методы, метрики и тестирование (RU)

Обнаружение активности (liveness detection) — это биометрический контроль, который определяет, получен ли образец от живого человека, присутствующего во время захвата, а не от фотографии, воспроизведения, маски или другого артефакта. При проверке лица оно помогает ответить на вопрос «это живой захват?» до того, как отдельная система сопоставления лиц ответит «совпадает ли это лицо с эталоном?»

Стандартный термин для обнаружения артефактов, предъявляемых биометрическому датчику, — обнаружение атак предъявления, или PAD. Активность и PAD часто используются как взаимозаменяемые понятия в обсуждениях продуктов, но граница важна: атаки также могут внедрять синтетические или воспроизведенные медиафайлы в путь данных, не предъявляя ничего физической камере.

Ключевые выводы

• Обнаружение активности и сопоставление лиц отвечают на разные вопросы. Живой незнакомец может пройти проверку активности и все равно оказаться не тем человеком; точное изображение нужного человека может совпасть, будучи воспроизведением.
• Пассивные и активные методы создают разные компромиссы. Пассивные проверки наблюдают обычный захват, в то время как активные проверки просят пользователя выполнить предложенное действие.
• PAD и защита от атак внедрения охватывают разные пути атаки. Надежный процесс захвата должен учитывать как датчик, так и программный конвейер после него.
• Одного процента точности недостаточно. Оценка требует показателей ошибок атаки, ошибок подлинного пользователя, условий тестирования, демографических и аппаратных срезов, задержки и поведения при повторной попытке.
• Тестирование должно соответствовать предполагаемому развертыванию. Инструменты атаки, камеры, сжатие, освещение, география и пользовательская аудитория — все это влияет на результаты.

Что делает обнаружение активности

Удаленный процесс проверки лица обычно содержит несколько отдельных решений:

1. Целостность захвата: Произошел ли захват образца через ожидаемый путь камеры и приложения?
2. Обнаружение атак предъявления: Кажется ли, что датчик наблюдает живую биометрическую характеристику, а не инструмент атаки?
3. Биометрическое качество: Пригоден ли образец для анализа?
4. Сопоставление лиц: Достаточно ли захваченное лицо похоже на доверенный эталон?
5. Контекстный риск: Подтверждают ли устройство, сеть, учетная запись и поведенческие сигналы тот же вывод?

Объединение этих решений в один «проверенный» результат затрудняет выявление слабых мест. Разделение позволяет команде настраивать политику, объяснять результаты и по-разному реагировать на низкое качество, подозрение на спуфинг, несоответствие личности и высокий контекстный риск.

Таким образом, обнаружение активности является контролем в рамках решения о личности, а не доказательством личности само по себе.

Атаки предъявления и атаки внедрения

Атака предъявления происходит на биометрическом датчике. Злоумышленник предъявляет что-то, что должно быть захвачено так, как если бы это был целевой человек. Примеры включают:

• печатное или отображаемое изображение лица;
• воспроизведение видео на другом экране;
• вырезанный или частичный артефакт;
• двухмерная или трехмерная маска;
• макияж, протезы или другие изменения внешности.

Атака внедрения изменяет путь захвата. Предварительно записанные, измененные или сгенерированные медиафайлы могут быть вставлены в виртуальную камеру, приложение, интерфейс операционной системы, эмулятор или сетевой запрос. Физическая камера может никогда не увидеть поддельный образец.

Это различие меняет защиту. PAD может обнаруживать визуальные или поведенческие свидетельства, связанные с предъявленным артефактом, но внедренный поток может избежать физических условий, которые ожидает метод PAD. Таким образом, защита может включать целостность приложения, доверенный захват, устойчивость к воспроизведению, привязку сеанса, аутентификацию полезной нагрузки, обнаружение виртуальной камеры и серверные проверки согласованности в дополнение к биометрическому анализу.

Пассивная, активная и гибридная активность

Пассивная активность

Пассивная активность анализирует захват, не требуя от пользователя выполнения заметного действия. В зависимости от реализации она может проверять текстуру, признаки глубины, отражения, движение, формирование изображения, временную согласованность или другие сигналы.

Основное преимущество — низкие затраты на взаимодействие: проверка может происходить во время обычного селфи или короткого захвата. Компромисс заключается в том, что ее безопасность сильно зависит от тестируемого набора атак, канала захвата, модели и порога. «Пассивная» описывает пользовательский опыт, а не универсальный уровень уверенности.

Активная активность

Активная активность просит пользователя ответить на запрос, например, изменить положение головы или выполнить случайную последовательность. Ответ может добавить доказательства «вызов-ответ» и сделать фиксированное воспроизведение менее полезным.

Компромиссы — это дополнительное время, требования к доступности, потребности в локализации и ошибки пользователя. Предсказуемые или многократно используемые задачи также могут потерять ценность, поэтому дизайн задачи и привязка сеанса важны так же, как и видимый жест.

Гибридная активность

Гибридный поток сочетает пассивный анализ с активным заданием, часто повышая уровень только тогда, когда пассивный результат неопределен или окружающий риск выше. Это может сохранить короткий путь для большинства подлинных пользователей, собирая больше доказательств в отдельных случаях.

Метод	Взаимодействие с пользователем	Основное преимущество	Основное ограничение	Полезный шаблон
Пассивный	Обычный захват	Низкое трение	Зависит от условий захвата и тестируемых атак	Скрининг по умолчанию
Активный	Запрошенное действие	Добавляет доказательства «вызов-ответ»	Больше отказов и работы по доступности	Случаи повышенного риска или неопределенности
Гибридный	Условный	Может сбалансировать доказательства и трение	Больше сложности в политике и оркестровке	Эскалация на основе риска

Правильный выбор зависит от защищаемого действия. Восстановление учетной записи, дорогостоящие переводы, проверки возраста, доступ сотрудников и первоначальная регистрация клиентов не обязательно оправдывают одинаковый порог или взаимодействие.

Как принимается решение об активности

Хотя реализации различаются, хорошо структурированный поток обычно следует этим этапам:

1. Начать привязанный сеанс. Бэкэнд создает кратковременную попытку, связанную с ожидаемым пользователем, действием, устройством и политикой.
2. Руководство по захвату. Интерфейс проверяет кадрирование, видимость, освещение и движение, предоставляя доступные инструкции.
3. Защита пути ввода. Приложение ограничивает возможности воспроизведения и замены и привязывает образец к текущему сеансу.
4. Проверка качества образца. Непригодный ввод отделяется от предполагаемых атак; запрос на лучший захват отличается от отклонения мошенничества.
5. Запуск анализа PAD или активности. Система выдает оценки или категориальные доказательства на основе настроенного метода.
6. Сопоставление личности при необходимости. Отдельное биометрическое сравнение связывает живой захват с доверенным эталоном.
7. Объединение сигналов риска. Устройство, IP, история попыток, скорость и контекст учетной записи могут изменить требуемое действие.
8. Применение политики. Результатом может быть проход, повторная попытка, повышение уровня, ручная проверка или отказ.
9. Запись решения. Данные аудита должны идентифицировать версии, пороги, доказательства, время и причину результата.

Повторные попытки заслуживают явных правил. Неограниченные попытки дают злоумышленникам больше возможностей и могут скрывать операционные проблемы. Чрезмерно строгие ограничения, однако, могут наказать подлинных пользователей со старыми камерами, ограниченными возможностями, плохой связью или сложным освещением.

Важные метрики

ISO/IEC 30107 разделяет ошибки, связанные с предъявлением атак, от ошибок, связанных с подлинными пользователями. Общие термины PAD включают:

• APCER — Коэффициент ошибок классификации атак предъявления: доля атак предъявления определенного типа, которые неверно классифицируются как подлинные.
• BPCER — Коэффициент ошибок классификации подлинных предъявлений: доля подлинных предъявлений, которые неверно классифицируются как атаки.

Эти значения должны интерпретироваться вместе и в указанной рабочей точке. Снижение порога может отсеять больше атак, но также отсеять больше подлинных пользователей. Агрегирование всех атак в одно среднее значение может скрыть слабость против конкретного инструмента, такого как воспроизведения или маски.

Необходимы и другие операционные меры:

• невозможность получения или завершения;
• количество повторных попыток и отказов;
• задержка принятия решения;
• результаты по устройству, операционной системе, камере и состоянию сети;
• результаты по соответствующим демографическим группам;
• частота ручной проверки и согласованность проверяющих;
• подтвержденные мошенничества и ложноположительные результаты после развертывания.

Сопоставление лиц вводит свои собственные показатели ложного совпадения и ложного несовпадения. Их не следует представлять как метрики активности. Полный отчет должен указывать подсистему, популяцию, порог, тестовый набор и знаменатель для каждого показателя.

Что доказывает независимое тестирование PAD — и чего не доказывает

Независимая оценка ценна тем, что она предоставляет повторяемый план тестирования, документированные средства атаки и результаты, полученные вне собственной демонстрации поставщика. ISO/IEC 30107-3 определяет принципы тестирования и отчетности PAD.

Сертификация или лабораторное тестирование не доказывает, что каждое развертывание будет работать идентично. Внимательно читайте область действия:

• Какой продукт и версия были протестированы?
• Был ли режим активным, пассивным или обоими?
• Какие виды атак и уровни предъявления были включены?
• Какие устройства, камеры и условия окружающей среды использовались?
• Какие пороги и правила повторных попыток применялись?
• Охватывало ли тестирование только атаки предъявления или также атаки внедрения?

Развертывание может отличаться от лабораторного результата из-за различных камер, сжатия, интеграции SDK, порогов, руководства по захвату или политики. Относитесь к отчету как к доказательству определенной конфигурации, затем добавьте тестирование для фактической среды.

Как оценить систему обнаружения активности

1. Определите защищаемое действие

Укажите, что происходит после прохождения, и вред, причиняемый ложным принятием или ложным отклонением. Последствия открытия низкорискованной учетной записи могут отличаться от авторизации восстановления учетной записи или крупного перевода.

2. Создайте модель атаки

Перечислите соответствующие инструменты предъявления и пути внедрения. Включите обычные воспроизведения и распечатки, прежде чем сосредоточиться только на сложных синтетических медиафайлах. Рассмотрите, обладает ли злоумышленник высококачественным изображением, видео, документами, учетными данными учетной записи или контролем над устройством.

3. Требуйте доказательств в рамках области действия

Запрашивайте результаты по каждой атаке при предлагаемом рабочем пороге, а не немаркированную цифру «99%». Наряду с эффективностью атаки анализируйте ошибки подлинных пользователей, завершение, задержку, покрытие устройств, доступность и область независимого тестирования.

4. Протестируйте реальную интеграцию

Запустите производственный SDK или компонент захвата на устройствах, в браузерах, при пропускной способности и освещении, которые фактически есть у ваших пользователей. Проверьте прерывание, отказ в разрешении, работу в фоновом режиме, повторные попытки, эмуляторы, виртуальные камеры и повторно используемые сеансы.

5. Оцените все решение

Проверьте сопоставление лиц, документы или доказательства из базы данных, привязку сеанса, сигналы устройства и сети, логику повышения уровня, инструменты проверки, записи аудита и пути восстановления. Результат обнаружения активности не может компенсировать слабый эталон при регистрации или небезопасный резервный вариант.

6. Мониторинг после запуска

Отслеживайте изменения результатов по версии продукта, сегменту устройства, географии, каналу получения и политике. Изменения могут указывать на новую атаку, регрессию модели, проблему, специфичную для камеры, или изменение состава трафика. Сохраняйте версионированные доказательства, чтобы исторические решения оставались объяснимыми.

Распространенные ошибки оценки

Рассмотрение обнаружения активности как доказательства личности

Живой человек может использовать чужой документ или синтетическую личность. Сочетайте доказательства присутствия с доверенным эталоном и другими мерами должной осмотрительности клиента.

Сравнение поставщиков по одной главной цифре

Проценты без знаменателей, типов атак, порогов и ошибок подлинных пользователей несопоставимы. Запросите рабочую кривую или результаты при пороге, который вы собираетесь использовать.

Игнорирование пути внедрения

PAD, ориентированный на камеру, и целостность приложения решают связанные, но разные проблемы. Проверьте, могут ли предварительно записанные или сгенерированные медиафайлы обойти ожидаемый путь датчика.

Путаница плохого качества с мошенничеством

Размытие, блики, окклюзия, потребности в доступности и низкая пропускная способность могут вызвать неопределенность. Повторная попытка из-за качества должна использовать другие сообщения и политику, чем подозрение на атаку.

Блокировка каждой неопределенной попытки

Бинарная политика может увеличивать количество ложных срабатываний и исключать подлинных пользователей. Повторная попытка на основе риска, активное повышение уровня, другой фактор и обученная проверка часто безопаснее, чем принуждение одного детектора принимать все решения.

Оставление восстановления более слабым, чем регистрация

Злоумышленники выбирают самый легкий путь. Если восстановление учетной записи или сброс фактора обходит первоначальную гарантию, сильная проверка активности при регистрации не защищает жизненный цикл учетной записи.

Контрольный список развертывания

Перед запуском убедитесь, что:

• защищаемое действие и требуемая гарантия задокументированы;
• угрозы предъявления и внедрения моделируются отдельно;
• результаты тестирования идентифицируют версии, пороги, устройства, средства атаки и знаменатели;
• результаты активности, качества и сопоставления лиц остаются отдельными;
• сеансы и захваты кратковременны, привязаны и устойчивы к воспроизведению;
• политики повторных попыток, повышения уровня, проверки и восстановления имеют явные ограничения;
• проверены пути доступности и работы на бюджетных устройствах;
• журналы сохраняют причину, доказательства, конфигурацию и версию для каждого решения;
• мониторинг может обнаруживать изменения по типу атаки и сегменту пользователя;
• хранение конфиденциальности и контроль доступа соответствуют чувствительности биометрических данных.

Использование Didit для обнаружения активности в рамках процесса идентификации

Didit предоставляет пассивное обнаружение активности по цене 0,10 доллара США за проверку и активное обнаружение активности по цене 0,15 доллара США за проверку. Среди его сертифицированных возможностей — iBeta Level 1 PAD. Команды могут комбинировать обнаружение активности с верификацией личности, сопоставлением лиц и анализом устройств и IP-адресов в рабочем процессе, а затем выбирать, когда повторить попытку, повысить уровень, проверить или остановить.

Полный пакет KYC стоит 0,33 доллара США и включает верификацию личности, пассивное обнаружение активности, сопоставление лиц и анализ IP-адресов. Текущие цены на модули опубликованы на странице цен. Эти факты о продукте описывают доступные средства контроля; организация должна по-прежнему устанавливать пороги и правила проверки для своего собственного риска, пользователей и нормативных обязательств.

Часто задаваемые вопросы

Является ли обнаружение активности тем же самым, что и распознавание лиц?

Нет. Обнаружение активности оценивает, получен ли биометрический образец от живого, присутствующего человека. Сопоставление лиц сравнивает этот образец с эталоном, чтобы определить, изображают ли они одного и того же человека. Многим процессам нужны оба.

Что такое обнаружение атак предъявления?

PAD — это автоматическое обнаружение попыток вмешательства в биометрическую систему на уровне датчика путем предъявления артефакта или измененной характеристики. Это ориентированный на стандарты термин, обычно ассоциируемый с контролем активности.

Что лучше: пассивная или активная активность?

Ни один из них не является универсально лучшим. Пассивные методы обычно уменьшают взаимодействие, в то время как активные методы добавляют доказательства «вызов-ответ» ценой трения и работы по доступности. Оценивайте оба по одной и той же модели атаки, пользовательской аудитории, устройствам и операционной политике.

Может ли обнаружение активности остановить дипфейки?

Это может быть одним из уровней защиты от некоторых атак с синтетическими медиа, но это не полная защита от дипфейков. Контроль внедрения, доверенный захват, криминалистические и доказательственные сигналы, сопоставление лиц, контекстный риск и безопасное восстановление остаются необходимыми.

Что означают APCER и BPCER?

APCER измеряет атаки предъявления, неверно классифицированные как подлинные; BPCER измеряет подлинные предъявления, неверно классифицированные как атаки. Оба зависят от тестируемых типов атак и рабочего порога.

Распространяется ли сертификация PAD на атаки внедрения?

Не автоматически. Область действия сертификации должна быть внимательно изучена. Тестирование PAD сосредоточено на атаках предъявления в определенных условиях; защита от внедрения и атак на пути приложения может потребовать отдельной оценки.

Как часто следует использовать обнаружение активности?

Использование должно соответствовать риску действия. Оно может быть уместным при регистрации, восстановлении, аутентификации с высоким риском или чувствительных транзакциях, но повторный биометрический захват также создает затраты на конфиденциальность и пользовательский опыт.

Основные ссылки

• Глоссарий NIST: Обнаружение атак предъявления
• ISO/IEC 30107-1:2023 Основы обнаружения атак предъявления биометрических данных
• ISO/IEC 30107-3:2023 Тестирование и отчетность PAD
• NIST FATE Часть 10: Производительность пассивного, программного PAD
• NIST SP 800-63B-4: Аутентификация и управление аутентификаторами
• Программа сертификации проверки лица FIDO Alliance

Обнаружение активности работает лучше всего, когда его утверждение остается узким и проверяемым: оно добавляет доказательства того, что биометрический образец был получен от живого человека во время захвата. Решения о личности, авторизации и текущем риске должны строиться на основе этих доказательств, а не выводиться из них.