Lebenderkennung | Eine zusätzliche Schutzebene gegen Spoofing und Betrug

Der Markt für Gesichtserkennung wird voraussichtlich ein bestimmtes Volumen erreichen. 20.68 Milliarden US-Dollar bis 2031 von 10.02 Milliarden US-Dollar im Jahr 2026 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 15.6 % von 2026 bis 2031.

Diese Expansion hat einen parallelen Anstieg von Spoofing-Angriffen zur Folge. Betrüger setzen nun gedruckte Fotos, Deepfake-Videos, Silikonmasken und KI-generierte Gesichter gegen Systeme ein, die nicht in der Lage sind, eine echte Person von einer überzeugenden Fälschung zu unterscheiden. Die Lebenderkennung dient dazu, diese Lücke zu schließen.

Was ist Lebenderkennung?

Lebenderkennung ist eine KI-basierte Methode, die ein echtes menschliches Gesicht von einer gefälschten oder wiedergegebenen Darstellung unterscheidet. Als Kernkomponente von GesichtsverifizierungEs unterscheidet eine echte Person von Präsentationsangriffen, wobei die Kategorie jeden Versuch umfasst, ein Verifizierungssystem durch die Vorlage eines Fotos, einer Videoaufzeichnung, einer Maske oder eines KI-generierten Gesichts zu täuschen.

Lebenderkennung unterscheidet sich von herkömmlichem Gesichtsabgleich durch ihren Fokus auf die physische Präsenz, nicht nur auf das Aussehen. Gesichtsabgleich Die Engine prüft, ob zwei Bilder einander ähneln. Die biometrische Lebenderkennung prüft, ob das Gesicht vor der Kamera tatsächlich lebt und physisch anwesend ist. Diese Unterscheidung macht sie wirksam gegen moderne Spoofing-Methoden und ist daher zu einer Standardanforderung geworden. Identitätsprüfung zum Arbeitsablauf

Wie funktioniert die Lebenderkennung?

Lebenderkennungssysteme nutzen eine Kombination aus KI-Modellen, Tiefensensorik und Verhaltensanalyse, um festzustellen, ob das in eine Kamera gehaltene Gesicht zu einer realen, anwesenden Person gehört. Die spezifische Methode hängt davon ab, ob das System im aktiven oder passiven Modus arbeitet und ob es Bilder zwei- oder dreidimensional verarbeitet.

Aktive Lebenderkennung

Die Live-Erkennung fordert den Nutzer zu einer bestimmten Aktion auf. Er könnte beispielsweise blinzeln, den Kopf leicht drehen, einem sich bewegenden Objekt auf dem Bildschirm folgen oder auf Aufforderung lächeln. Das System wertet die biologische Reaktion und das Bewegungsmuster aus, um die physische Anwesenheit zu bestätigen. Dieser Ansatz eignet sich gut gegen statische Angriffe wie ausgedruckte Fotos und einfache Videowiedergaben, die erforderliche Aktion beeinträchtigt jedoch die Benutzerfreundlichkeit.

Passive Lebendigkeitserkennung

Die passive Lebenderkennung erfordert keine aktive Nutzeraktion. Die Person richtet ihr Gesicht auf die Kamera aus, und die KI analysiert im Hintergrund Tiefe, Textur, Mikroexpressionen und andere physiologische Signale. Für den Nutzer erfolgt die Überprüfung unmerklich. Die passive Lebenderkennung bietet eine schnellere und unkompliziertere Bedienung ohne Einbußen bei der Erkennungsgenauigkeit.

Viele Systeme bieten mittlerweile einen semi-passiven Ansatz an, der eine kurze, natürliche Geste wie ein Lächeln erfordert und so Sicherheit mit einem reibungsloseren Onboarding-Prozess in Einklang bringt.

2D- vs. 3D-Lebenderkennung

Die Dimension, in der ein System arbeitet, bestimmt sowohl sein Sicherheitspotenzial als auch seine Hardwareanforderungen. Die 2D-Lebenderkennung analysiert flache Bildsequenzen und prüft auf Fotoartefakte, Bildschirmreflexionen, Farbabweichungen und Anomalien auf Pixelebene. Sie eignet sich gut für Onboarding mit geringerem Risiko Abläufe, bei denen Gerätebeschränkungen die Auswahl der Sensoren einschränken.

Die 3D-Lebenderkennung erfasst die tatsächliche räumliche Geometrie eines Gesichts mithilfe von strukturiertem Licht, Infrarotsensorik oder Stereokamera-Rekonstruktion. Da ein flaches Foto oder ein Bildschirm keine Tiefe besitzt, wehrt ein 3D-System solche Angriffe auf geometrischer Ebene und nicht auf Pixelebene ab. In risikoreichen Branchen wie Finanzdienstleistungen, staatlichen Identitätsprogrammen und regulierten Onboarding-Prozessen bietet die 3D-Lebenderkennung einen besseren Schutz vor ausgeklügelten Spoofing-Angriffen. Die softwarebasierte 3D-Rekonstruktion mit Standardkameras hat die Hardwareabhängigkeit in den letzten Jahren deutlich reduziert.

Die Wahl zwischen 2D und 3D ist eine risikobasierte Entscheidung, die von den regulatorischen Rahmenbedingungen, den für das Unternehmen relevantesten Angriffsarten und der Gerätelandschaft der Nutzerbasis abhängt.

Bedeutung der Lebenderkennung

Die Lebenderkennung beweist, dass die biometrische Probe von einer realen und anwesenden Person stammt und nicht von einer Fälschung. Sie dient als Schutzwall gegen Betrüger, die biometrische Systeme mithilfe von Fotos, Videos, Masken oder KI-generierten Deepfakes umgehen wollen. Sie stärkt die KYC- und Onboarding-Prozesse, insbesondere für Banken, Fintechs und Krypto-Plattformen, und reduziert die Wahrscheinlichkeit, dass gestohlene oder gefälschte Ausweise den Onboarding-Prozess durchlaufen, erheblich.

Wie haben sich Spoofing-Angriffe entwickelt?

Spoofing-Angriffe sind mit den KI-Tools, die sie ermöglichen, immer raffinierter geworden. Gedruckte Fotos und einfache Bildschirmaufnahmen reichten aus, um frühe Angriffe abzuwehren. biometrische SystemeZu den heutigen Angriffen gehören KI-generierte Deepfake Videoaufnahmen, fotorealistische Silikonmasken und synthetische Gesichter, die so konstruiert sind, dass sie herkömmliche RGB-Kameras austricksen, stellen eine Gefahr dar. Ein System ohne Lebenderkennung ist diesen Angriffen ausgesetzt, unabhängig davon, wie präzise sein Gesichtserkennungsalgorithmus ist. Selbst eine perfekte biometrische Übereinstimmung mit einem gestohlenen Foto besteht die Gesichtserkennung nicht, wenn keine Lebenderkennung vorliegt.

Die Lebenderkennung bekämpft die Bedrohung an der Wurzel. Die Technologie beurteilt nicht das Aussehen des Gesichts, sondern ob es sich um eine reale, physisch anwesende und zum Zeitpunkt der Verifizierung lebende Person handelt. Ohne diese Funktion kann die Abgleichsebene von jedem umgangen werden, der Zugriff auf ein gutes Foto des Kontoinhabers hat.

Compliance-Risiken und Benutzerschutz 

Das regulatorische Risiko ist real. Compliance-Rahmenwerke in der EU, den USA und im asiatisch-pazifischen Raum haben seit 2020 Anti-Spoofing-Kontrollen in ihre Leitlinien zur Identitätssicherung aufgenommen. Ein System, das keine Präsentationsangriffe erkennen kann, kann nicht glaubhaft behaupten, die von diesen Rahmenwerken geforderten Standards der Identitätssicherung zu erfüllen.

Für Endnutzer kommt der Schutz unmittelbar zum Tragen. Wenn ein Unternehmen eine effektive Lebenderkennung einsetzt, kann ein Betrüger weder ein Konto übernehmen, noch eine Transaktion autorisieren oder sich mithilfe eines gestohlenen Fotos oder eines abgespielten Videoclips als Kunde ausgeben.

Welche Unternehmen nutzen Lebenderkennung?

Fortschrittliche Verfahren zur Lebenderkennung werden in verschiedenen Branchen eingesetzt, die jeweils unterschiedliche Verifizierungsanforderungen und Betrugsrisikoprofile aufweisen. Allen gemeinsam ist die Notwendigkeit, zu bestätigen, dass eine reale, anwesende Person die Authentifizierung oder Transaktion durchführt und nicht etwa eine gefälschte Darstellung.

Finanzen

Banken, Zahlungsdienstleister, Kreditinstitute und Kreditplattformen nutzen Lebenderkennung, um zu bestätigen, dass die Person, die eine Verifizierung durchführt, tatsächlich anwesend ist – sowohl beim Onboarding als auch vor der Kreditvergabe. Transaktionen mit hohem WertDie Technologie reduziert Identitätsbetrug und Kontoübernahmerisiko ohne den Kundenprozess merklich zu verlangsamen.

Regierungseinrichtungen

Behörden nutzen Lebenderkennungsprüfungen, um die Identität von Personen zu authentifizieren, die auf Fernzugriffsdienste wie Dokumentenanforderungen, Leistungsportale, Arzttermine und Wähleridentifizierungssysteme zugreifen. Fernzugriffsdienste der Regierung umfassen hohe Anforderungen an die IdentitätssicherungDie Lebenderkennung liefert den Beweis, dass der Authentifizierungsschritt von einer echten Person und nicht von einem gefälschten Artefakt durchgeführt wurde.

E-commerce

Online-Händler setzen vor Abschluss von Transaktionen, die festgelegte Risikoschwellen überschreiten, eine Lebenderkennung ein. Dies reduziert betrügerische Käufe und generiert einen Prüfpfad, der bestätigt, dass die Identität des Kontoinhabers zum Zeitpunkt der Transaktion verifiziert wurde.

Soziales Netzwerk

Soziale Plattformen nutzen Lebenderkennung, um die automatisierte Kontoerstellung und die massenhafte Erstellung gefälschter Profile zu verhindern. Bestätigt das System, dass hinter jeder Registrierung eine echte Person steht, reduziert es Spam, koordiniertes unauthentisches Verhalten und identitätsbasierte Belästigung.

Zugangskontrolle für Gebäude und Einrichtungen

Physische Sicherheitssysteme integrieren Lebenderkennung und Gesichtserkennung Für den Gebäudezugang. Ein ausgedrucktes Foto eines autorisierten Mitarbeiters kann keine Tür öffnen, wenn das System eine bestätigte physische Anwesenheit erfordert. Dies reduziert das unbefugte Mitgehen und die Weitergabe von Zugangsdaten.

Vorteile der Lebenderkennung

Die folgenden Vorteile gelten für Organisationen aus den Bereichen Finanzdienstleistungen, Verwaltung und digitaler Handel sowie für die von diesen Organisationen betreuten Personen. Branchen, die auf die Identitätsprüfung aus der Ferne angewiesen sind, profitieren am unmittelbarsten, die Vorteile gelten jedoch für jeden Arbeitsablauf, bei dem ein authentifiziertes Gesicht eine reale Person mit einer digitalen Aktion verknüpft.

Stärkere Betrugsprävention

Die Lebenderkennung bestätigt, dass das Gesicht bei der Verifizierung einer physisch anwesenden Person gehört und nicht einem Foto, einer Videoaufzeichnung oder einem KI-generierten Bild. Betrüger können gestohlene Bilddaten nicht vorlegen und den Authentifizierungsprozess nicht durchlaufen, unabhängig von der Qualität der Fälschung.

Reduziertes Kontoübernahmerisiko

Selbst wenn ein Angreifer ein Foto oder Videomaterial einer Person erlangt, verhindert die Lebenderkennung Identitätsdiebstahl. Der Angreifer benötigt eine lebende Person, nicht nur ein digitales Abbild, was die Kosten und die operative Komplexität von Kontoübernahmeversuchen erheblich erhöht.

Einhaltung von Vorschriften

Eine zertifizierte Liveness-Lösung beweist, dass der Verifizierungs-Stack etablierte Anti-Spoofing-Standards erfüllt. Erkennung von Präsentationsangriffen (PAD) wird in Compliance-Rahmenwerken in den Bereichen Finanzdienstleistungen, staatliche Identitätsprüfung und Gesundheitswesen erwähnt, was bedeutet, dass die Qualität der Liveness-Schicht bei regulatorischen Audits, Überprüfungen der Unternehmensbeschaffung und Due-Diligence-Prüfungen von Bedeutung ist.

Verbessertes Benutzervertrauen

Nutzer, die wissen, dass ihre Identität vor Spoofing geschützt ist, haben größeres Vertrauen in die von ihnen genutzten Plattformen. Dieses Vertrauen wirkt sich messbar auf die Kundenbindung und die Umwandlung von Neuregistrierungen in aktive, transaktionsbereite Konten aus.

Operative Skalierbarkeit

Moderne KI-gestützte Lebenderkennung verarbeitet einzelne Prüfungen in weniger als drei Sekunden und bewältigt Millionen von Ereignissen ohne Genauigkeitsverlust. Cloud- und On-Premises-Bereitstellungen Skalierbar für Umgebungen mit hohem Verifizierungsaufkommen, ohne zusätzlichen manuellen Prüfaufwand für Standardfälle zu verursachen.

Barrierefreiheit ohne Kompromisse

Die passive Lebenderkennung macht Passwörter, PINs oder komplexe Sicherheitsfragen überflüssig. Für Nutzer, denen herkömmliche Authentifizierungsmethoden schwerfallen, bietet die biometrische Verifizierung mit Lebenderkennung einen einfacheren Weg zu sicherem Kontozugriff, ohne die Sicherheitsstandards zu senken.

Geringere Kosten durch Betrug in nachgelagerten Prozessen

Fehlgeschlagene Identitätsprüfungen haben finanzielle Folgen. Betrugsprävention Dadurch, dass Identitätsfälschungen bereits am ersten Kontaktpunkt gestoppt werden, entfallen die Folgekosten, darunter Rückbuchungsuntersuchungen, behördliche Auflagen, Kundenbenachrichtigungen und Reputationsschäden. Bei hohem Volumen summieren sich die Einsparungen.

Regulatorische Standards und Compliance

Die Compliance-Landschaft für Lebenderkennung hat sich um zwei Rahmenwerke formalisiert, die Beschaffungsteams und Compliance-Beauftragte nutzen, um zu beurteilen, ob eine Lösung die Mindestanforderungen an den Schutz vor Spoofing erfüllt.

 

ISO / IEC 30107-3

ISO / IEC 30107-3 ISO/IEC 30107-3 ist der internationale Standard für die Erkennung von Präsentationsangriffen in biometrischen Systemen. Er wird von der Internationalen Organisation für Normung (ISO) herausgegeben und definiert die Methodik zum Testen der Effektivität von Lebenderkennungssystemen bei der Erkennung und Abwehr von Spoofing-Angriffen in definierten Angriffskategorien. Für Organisationen, die Anforderungen an die Identitätssicherung unterliegen, bietet die Konformität mit ISO/IEC 30107-3 einen unabhängigen, anerkannten Maßstab, auf den sich Aufsichtsbehörden und Auditoren beziehen können.

NIST

SP 800-63A Identitätssicherungsstufen (IALs)Auf den Konferenzen IAL2 und IAL3 müssen biometrische Verfahren zur Identitätsprüfung per Fernzugriff Schutzmaßnahmen gegen Präsentationsangriffe beinhalten. Der Fachbegriff dafür, den das NIST für Spoofing mittels Fotos, Videos, Masken oder synthetischen Gesichtern verwendet, lautet: Präsentationsangriffe. Das NIST schreibt zwar keine bestimmte Lebenderkennungstechnologie vor, verlangt aber von den Anbietern den Nachweis der Resistenz gegen diese Angriffe. Dies bedeutet in der Praxis aktive oder passive Lebenderkennung. 

eIDAS (und eIDAS2) 

Sicherheitsniveaus – Niedrig / Hoch / Umfassend: Je höher das Sicherheitsniveau, desto strenger die Anforderungen an den Identitätsnachweis. Gemäß der Durchführungsverordnung (EU) 2015/1502 der Kommission erfordern hohe und umfassende Sicherheitsniveaus für den Identitätsnachweis aus der Ferne eine biometrische Verifizierung, die resistent gegen Spoofing und Identitätsdiebstahl ist. Das bedeutet, dass die Lebenderkennung zwar nicht explizit genannt wird, aber funktional erforderlich ist.

eIDAS 2.0 und die Europäische Digitale Identitäts-Wallet (EUDIW): Das aktualisierte Rahmenwerk (verabschiedet 2024) legt die Anforderungen deutlich höher. Um mit hoher Sicherheit arbeiten zu können, muss das EUDIW verbindliche technische Spezifikationen erfüllen, die eine robuste Gesichtserkennung mit PAD beinhalten. Das ARF (Architecture Reference Framework) wurde zusammen mit eIDAS 2.0 verweist auf ISO/IEC 30107 als PAD-Benchmark, denselben Standard, auf den sich auch das NIST stützt.

Datenschutz

Datenschutz Es schreibt keine Lebenderkennung vor; es regelt lediglich den Umgang mit den entsprechenden biometrischen Daten. Artikel 9Gesichtsscans und biometrische Vorlagen gelten als besondere Kategorien von Daten und erfordern daher vor der Verarbeitung eine ausdrückliche Einwilligung oder eine andere gültige Rechtsgrundlage. Artikel 25 (Datenschutz durch Technikgestaltung) drängt Anbieter dazu, Daten nur minimal aufzubewahren, den Lebendigkeitscheck durchzuführen und die Rohdaten anschließend zu löschen, anstatt sie zu speichern. Artikel 22 kommt zum Tragen, wenn ein Lebendigkeitstest allein eine automatische Ablehnung auslöst, was unter Umständen eine menschliche Überprüfung und das Recht auf Erläuterung erfordert. Artikel 35 Die DSGVO schreibt in der Regel eine Datenschutz-Folgenabschätzung (DSFA) vor jedem großflächigen Einsatz biometrischer Verfahren vor. Kurz gesagt, die DSGVO sagt Ihnen nicht, wie Sie das tun sollen. benutzen Die Lebenderkennung hat aber in dem Moment, in dem sie eingesetzt wird, erhebliche Auswirkungen auf Ihre Einwilligungsprozesse, Datenaufbewahrungsrichtlinien, Auftragsverarbeitervereinbarungen und die Rechte der betroffenen Personen im Zusammenhang mit biometrischen Vorlagen. 

iBeta Liveness-Erkennungstests

iBeta-Lebendigkeitserkennungstests iBeta ist das am weitesten verbreitete und anerkannte unabhängige Evaluierungsprogramm in der Identitätsverifizierungsbranche. iBeta führt standardisierte Blindtests gemäß ISO/IEC 30107-3 durch und zertifiziert Lösungen auf drei Stufen.

• Level 1 behandelt gängige Präsentationsangriffe, darunter gedruckte Fotos, digitale Bildschirme und Video-Replays.
• Level 2 bietet zusätzlich Angriffe mit höherer Detailgenauigkeit, darunter 3D-Masken und KI-rekonstruierte Gesichter.
• Die anspruchsvollste Stufe, Level 3, ist die, in der die Tester über Expertenkenntnisse verfügen und Zugang zu Ausrüstung wie Silikonmasken in Hollywood-Qualität sowie genügend Vorbereitungszeit haben, um das System auszutricksen.

Die Einhaltung aller drei Stufen signalisiert, dass eine Lösung von einer unabhängigen Stelle rigoros auf die anspruchsvollsten heute gebräuchlichen Angriffskategorien getestet wurde.

Shufti ist heute das erste europäische Unternehmen, das die iBeta-Konformitätsstufe 3 erreicht hat, wobei bei allen 900 Versuchen keine Angriffe akzeptiert und keine legitimen Benutzer abgewiesen wurden.

Regulierte Organisationen im Finanzdienstleistungssektor, im Gesundheitswesen und im öffentlichen Sektor stehen vor einer Compliance-Frage, die über die bloße Frage der Lebenderkennung hinausgeht. Es geht vielmehr darum, ob die eingesetzte Lebenderkennung unabhängig und auf einem Niveau getestet wurde, das von Aufsichtsbehörden und Wirtschaftsprüfern verifiziert und akzeptiert werden kann.

Wie handhabt Shufti die unabhängig validierte Lebenderkennung?

Die KI-gestützte Lebenderkennung von Shufti arbeitet sowohl im aktiven als auch im passiven Modus und ermöglicht es Unternehmen, die Intensität der Verifizierung je nach Risikostufe des jeweiligen Ereignisses anzupassen. Die Engine nutzt eine 3D-Tiefenanalyse zur Bestätigung der physischen Anwesenheit, indem sie die räumliche Geometrie mit biometrischen Referenzpunkten vergleicht, um flache Fotos, Bildschirmaufnahmen und andere Artefakte auszuschließen. 3D-Maskenangriffe über mehr als 56 Spoofing-Angriffsvektoreneinschließlich KI-generierter Deepfakes und Injection-Angriffe, die Standard-RGB-Kameras umgehen.

Die Konformität von Shufti mit allen drei iBeta-Tests bestätigt unabhängig voneinander seine Leistungsfähigkeit im zuverlässigen Schutz vor den meisten heute eingesetzten, hochentwickelten Angriffen. Unabhängige Tests gemäß ISO/IEC 30107-3 bestätigten eine Gesamtgenauigkeit der Gesichtserkennung von 98.72 %. Die Auszeichnung als „Top Performer“ des DHS RIVR 2025 stellt eine zusätzliche externe Validierung in verschiedenen demografischen Gruppen dar. Fälle, die aufgrund ungewöhnlicher Lichtverhältnisse, teilweiser Verdeckung oder einer erkannten Anomalie nahe an der Vertrauensschwelle liegen, werden in Echtzeit an Experten zur Überprüfung weitergeleitet. Kein Grenzfall wird ohne eine zweite Prüfung gelöst, und kein berechtigter Nutzer wird ohne diese abgewiesen.

Erfahren Sie, wie Shufti bei den für Ihre Verifizierungsumgebung relevantesten Spoofing-Angriffstypen abschneidet. Demo buchen.