Rilevamento della vitalità del volto: come funziona e perché è importante

Dopo un incidente di onboarding basato su deepfake, i team antifrode continuano a porsi la stessa domanda: com'è possibile che un volto che sembrava reale al sistema si sia rivelato inesistente?

La risposta di solito riconduce allo stesso punto debole. A controllo biometrico Confermare la presenza di un volto, ma non che quel volto fosse vivo, di fronte alla telecamera, in quel preciso istante. È proprio questa lacuna che il rilevamento della vitalità facciale dovrebbe colmare, e questa lacuna si è ampliata rapidamente.

Migliori Rapporto del 2024 del Centro per la segnalazione dei crimini informatici dell'FBI Sono state registrate perdite record per 16.6 miliardi di dollari, con le frodi facilitate dall'intelligenza artificiale indicate come un vettore in crescita. Qualsiasi sistema di gestione dell'identità che non risponda alla domanda "questa persona è reale e presente in questo momento?" è vulnerabile.

Che cos'è il rilevamento della vitalità facciale?

Il rilevamento della vitalità facciale è l'insieme di controlli biometrici che confermano che un volto umano davanti alla telecamera appartiene a una persona reale e fisicamente presente, non a una foto, una riproduzione video, una maschera 3D o un flusso video sintetico. Si colloca tra l'acquisizione del volto e la corrispondenza facciale ed è il livello più spesso aggirato quando la frode in fase di onboarding ha successo. Lo standard di riferimento qui è ISO / IEC 30107-3: 2023che definisce come vengono testati e segnalati i metodi di rilevamento degli attacchi di presentazione in tutto il settore.

Esistono due modalità pratiche. La modalità attiva richiede all'utente di sbattere le palpebre, girarsi o sorridere affinché una variazione nel flusso video possa essere rilevata. Con la modalità passiva, il sistema analizza un singolo selfie o un breve video in background, senza alcun gesto. La maggior parte delle implementazioni moderne utilizza entrambe le modalità e la politica di gestione del rischio determina il livello di interazione richiesto all'utente.

Il motivo per cui questo livello è passato da "auspicabile" a "standard" risiede nella natura stessa delle frodi a distanza. Il riconoscimento facciale, di per sé, risponde a una domanda specifica: questo selfie corrisponde alla foto del documento? Non chiarisce se il selfie provenga da una persona reale davanti all'obiettivo o da un video trasmesso in streaming tramite una telecamera virtuale. La verifica della realtà è l'elemento che risolve quest'ultimo quesito e, senza di essa, il riconoscimento facciale rappresenta solo una verifica parziale.

Che cos'è l'anti-spoofing nel rilevamento della vitalità facciale?

L'anti-spoofing è la capacità tecnica all'interno rilevazione del liveness che identifica e rifiuta input facciali fraudolenti, come foto, replay, maschere o flussi video iniettati, prima che possano essere scambiati per un utente reale legittimo.

Come si distingue un volto reale da una parodia?

Attività attiva, azione dell'utente come segnale

Con la modalità liveness attiva, l'utente esegue una piccola azione sullo schermo. Il sistema cerca movimenti coerenti con una persona reale che reagisce in tempo reale. I micromovimenti del viso, degli occhi e della mascella sono difficili da simulare con una foto stampata o un video in pausa. Il compromesso è rappresentato dalle difficoltà. Gli utenti con connessioni lente o in condizioni di scarsa illuminazione potrebbero fallire al primo tentativo, e questo rifiuto è costoso.

Vitalità passiva, segnali di fondo

La liveness passiva svolge un lavoro più approfondito dietro le quinte. L'analisi della texture ricerca la grana della carta, l'effetto moiré dello schermo e i motivi di stampa che non esistono sulla pelle reale. Gli indizi nel dominio della frequenza rappresentano la difesa più efficace contro le riproduzioni digitali, poiché gli artefatti di compressione derivanti dalla ricodifica video lasciano un'impronta digitale che un flusso video in diretta non produce. La ricostruzione della profondità conferma quindi che il volto ha una geometria reale e non una superficie piatta puntata verso la telecamera.

Un flusso ben configurato li combina entrambi. Questo è anche ciò che suggerisce il lavoro di valutazione a livello federale. Valutazione della tecnologia di analisi facciale del NIST, parte 10 un rapporto sugli algoritmi PAD passivi basati su software ha rilevato che nessun singolo algoritmo ha catturato ogni tipo di attacco nell'intera gamma di attacco alla presentazione Gli strumenti testati hanno mostrato prestazioni variabili a seconda della categoria di attacco.

I tipi di attacco che Liveness deve sconfiggere

Chi valuta una suite biometrica spesso parte dalla domanda sbagliata. Si chiede "quanto è accurata?", quando la domanda utile è "quali attacchi rileva effettivamente?". La tassonomia si divide in due categorie.

Attacchi di presentazione

Gli attacchi di presentazione sono di natura fisica. Esempi tipici includono una foto stampata tenuta davanti all'obiettivo, lo schermo di un laptop che mostra un video preregistrato e una maschera in silicone indossata durante la fase di onboarding. Lo standard ISO/IEC 30107 considera questi elementi come superfici di prova di riferimento. Un modello di liveness RGB 2D di base è generalmente in grado di rilevare una foto cartacea e una riproduzione di bassa qualità, ma ha difficoltà con monitor ad alta risoluzione, stampe curve e maschere 3D ben realizzate.

Rilevamento della presenza in tempo reale per il riconoscimento facciale: perché non può essere facoltativo

Il rilevamento della vitalità per il riconoscimento facciale colma la lacuna di verifica che la sola corrispondenza biometrica non è in grado di colmare. Un sistema di riconoscimento facciale è progettato per rispondere a una domanda: questi due volti appartengono alla stessa persona? Non determina se il volto presentato alla telecamera fosse reale, vivo e fisicamente presente al momento dell'acquisizione. È a questa seconda domanda che risponde il rilevamento della vitalità, e deve essere eseguito prima della fase di riconoscimento, non dopo. Senza questa sequenza, il risultato della corrispondenza facciale si basa su dati non verificati.

Le conseguenze pratiche dell'eliminazione del controllo di vitalità a monte diventano evidenti negli scenari di frode. Un malintenzionato che presenta una foto di alta qualità, una registrazione dello schermo o un flusso video con deepfake a un sistema di riconoscimento senza un controllo di vitalità produrrà una corrispondenza biometrica, perché il confronto avviene tra due immagini, non tra un'immagine e una persona reale. L'algoritmo di corrispondenza non ha alcun meccanismo per rilevare che l'input è stato falsificato. Il rilevamento di vitalità per il riconoscimento facciale è il controllo che rende affidabile l'intera catena biometrica.

Nell'ambito della verifica dell'identità regolamentata, questa non è più una preferenza architetturale, bensì un requisito di conformità. eIDAS 2.0 specifica che la verifica remota dell'identità ad alta affidabilità deve includere il rilevamento degli attacchi di presentazione. Le linee guida del FATF sull'onboarding KYC remoto considerano la presenza in vita come un prerequisito affinché qualsiasi verifica dell'identità basata su dati biometrici abbia validità legale. I risultati del DHS Biometric Technology Rally hanno costantemente dimostrato che i sistemi privi di efficaci controlli di presenza in vita falliscono con tassi inaccettabili dal punto di vista commerciale e legale. Il rilevamento della presenza in vita per il riconoscimento facciale non è un miglioramento dello stack, ma è il livello che rende valido l'intero stack.

In che modo il rilevamento della vitalità facciale previene la falsificazione delle foto?

L'analisi della texture rileva la grana della carta e i motivi di stampa assenti nella pelle reale, mentre la ricostruzione della profondità conferma la presenza di un volto tridimensionale anziché di una superficie stampata piatta.

Iniezione e attacchi sintetici

Gli attacchi di injection bypassano completamente la fotocamera. I truffatori inseriscono un flusso video pregenerato, spesso un deepfake, direttamente nel buffer della fotocamera del dispositivo tramite un driver di fotocamera virtuale. Il sistema rileva quello che sembra un flusso normale, ma in realtà non è mai stato presente alcun volto reale. Laboratorio di innovazione di Europol ha segnalato la creazione di deepfake come uno strumento emergente e fondamentale della criminalità organizzata. Identità sintetica L'assemblaggio, in cui vengono combinati dati rubati, un volto generato e un documento falsificato, è la variante in più rapida crescita.

Il problema difensivo in questo caso è che un buon attacco di iniezione non tocca mai una superficie fisica. Gli indizi di texture scompaiono. La geometria della profondità può essere simulata. Gli artefatti nel dominio della frequenza diventano il segnale rimanente più forte, insieme alla telemetria del dispositivo e della sessione che rivela se il flusso della telecamera corrisponde a ciò che l'hardware dovrebbe produrre. Gli stack basati esclusivamente su RGB 2D sono stati addestrati per un problema che si è già evoluto.

Rilevamento della vitalità facciale 3D: in cosa si differenzia dai controlli di vitalità standard

Il rilevamento tridimensionale della presenza di un volto è un metodo per confermare la presenza in tempo reale utilizzando sensori di profondità, proiettori di luce strutturata o telecamere time-of-flight per ricostruire la geometria fisica di un volto umano. Poiché il sistema misura la reale profondità tridimensionale, può respingere attacchi basati su presentazioni piatte, foto stampate, registrazioni dello schermo e maschere di carta in modo più affidabile rispetto agli algoritmi 2D che si basano esclusivamente su segnali a livello di immagine. La geometria di un volto reale non può essere replicata da una superficie piana appoggiata a una telecamera.

La distinzione tra il rilevamento della vitalità facciale 3D e la sua controparte 2D diventa fondamentale quando si valutano casi d'uso ad alta affidabilità. Ambienti controllati da hardware, rilascio di documenti d'identità governativi, sistemi di controllo delle frontiere o apertura di conti finanziari di alto valore traggono vantaggio dalla certezza fisica fornita dalla mappatura di profondità 3D. In questi contesti, il requisito hardware aggiuntivo è accettabile perché le conseguenze di una frode riuscita sono gravi.

Per la maggior parte delle implementazioni commerciali di KYC e onboarding remoto, tuttavia, il rilevamento passivo della vitalità basato sull'IA 2D è diventato l'approccio dominante. Offre prestazioni equivalenti o superiori contro i moderni attacchi di injection e deepfake senza richiedere sensori specializzati e funziona con le fotocamere standard già presenti nei dispositivi degli utenti. La scelta giusta tra il rilevamento della vitalità facciale 3D e il 2D passivo dipende interamente dal modello di minaccia e, sempre più spesso, le minacce più sofisticate sono basate sull'iniezione piuttosto che su attacchi fisici, un problema che l'hardware 3D da solo non è in grado di affrontare. Sia che il rilevamento della vitalità facciale venga eseguito tramite IA 2D o hardware 3D, l'obiettivo è lo stesso: rifiutare qualsiasi input che non sia una persona reale e presente.

Quali sono le più recenti strategie di attacco contro i sistemi di rilevamento della vitalità facciale?

Le minacce in più rapida evoluzione sono attacchi di iniezione di deepfake tramite driver di telecamere virtuali e frode di identità sintetica che combina volti generati dall'IA con documenti falsificati, entrambi metodi che aggirano completamente la presentazione fisica e richiedono difese a livello di dominio di frequenza e di sessione.

Un sistema di test di vitalità affidabile viene confrontato con tutti questi strumenti, non solo con quelli più economici.

Come valutare il rilevamento della vitalità facciale nell'onboarding da remoto?

Regolamentato verifica dell'identità a distanza È qui che la reattività deve reggere, ed è qui che la maggior parte delle scorciatoie diventano evidenti. Gli schemi seguenti sono ciò che distingue le implementazioni affidabili da quelle che si limitano a spuntare le caselle.

I parametri di riferimento indipendenti sono importanti

I punteggi dei test interni non sono sufficienti. I due programmi esterni che vale la pena monitorare sono le valutazioni NIST FATE PAD, che valutano gli algoritmi secondo un protocollo controllato, e gli Stati Uniti Riunione sulla tecnologia biometrica del Dipartimento per la Sicurezza Internache mette alla prova interi stack di verifica dell'identità contro combinazioni di attacchi realistiche. I risultati pubblicati dei rally hanno dimostrato che una quota significativa dei sistemi testati non raggiunge almeno un obiettivo. Se un fornitore non cita dati di valutazione indipendenti, quel silenzio è la prova.

Dove sbagliano le squadre?

Nelle analisi post-incidente emergono tre errori ricorrenti. Il primo considera lo stato di attività come un singolo interruttore anziché come una policy, senza alcuna soluzione di ripiego per i casi ambigui. Inoltre, i team tendono a basarsi su un unico tipo di segnale, solitamente RGB 2D, che non tiene conto degli indizi nel dominio della frequenza.

 L'ultimo errore consiste nell'eseguire la verifica della vitalità solo all'apertura del conto, in modo che operazioni di alto valore come prelievi ingenti o modifiche dei beneficiari non vengano mai sottoposte a un nuovo controllo. I programmi più maturi eseguono la verifica della vitalità già in fase di onboarding e riutilizzano il modello biometrico per ulteriori verifiche nei momenti a rischio.

Un altro aspetto importante da considerare è l'accessibilità e le prestazioni demografiche, che determinano se un programma di verifica della vitalità è utilizzabile su larga scala. Un sistema che fallisce più spesso con persone dalla carnagione più scura, utenti più anziani o con gli occhiali, li spingerà verso un canale manuale o li perderà definitivamente. Valutazioni indipendenti, non dati di laboratorio interni, sono il metodo migliore per verificare questo aspetto. L'equità demografica e il tasso di falsi negativi devono essere valutati insieme alle prestazioni del sistema di rilevamento delle frodi.

Prossimi passi pratici per la tua valutazione

Se l'ultima faccia La revisione di verifica è stata scritta più di 18 mesi fa, il modello di minaccia è cambiato. Un breve esercizio pratico aiuta a convalidare lo stack attuale. Inizia con un esempio di red team che alimenta lo stack con una foto stampata, una registrazione dello schermo, un semplice clip deepfake e, se è possibile effettuare test, un tentativo di iniezione tramite una telecamera virtuale.

CÈ preferibile confrontare i tassi di successo con le categorie di attacco ISO/IEC 30107-3 piuttosto che con le affermazioni di marketing dei fornitori. Anche i tassi di falsi rifiuti sugli utenti legittimi sono importanti, soprattutto in presenza di occhiali, barba e in condizioni di scarsa illuminazione, perché i rifiuti riducono i ricavi e spingono gli utenti ad abbandonare le registrazioni legittime.

Confronta le prove con la documentazione del fornitore. Un fornitore credibile pubblica livelli del test PAD Conforme allo standard ISO/IEC 30107-3, sottopone gli algoritmi al NIST FATE o a un rally del DHS e offre l'implementazione on-premise per ambienti regolamentati che non possono inviare dati biometrici a terzi. Risposte chiare e verificabili in questo contesto sono molto più importanti di qualsiasi singolo valore di precisione.

Fai il passo successivo nella tua valutazione di vitalità

L'onboarding da remoto non è in grado di resistere agli attacchi di presentazione e di injection di ultima generazione, quando un singolo segnale di liveness, ormai obsoleto, svolge tutto il lavoro. Verifica del volto di Shufti Combina la rilevazione attiva e passiva di vitalità, il rilevamento di artefatti nel dominio della frequenza e lo screening degli attacchi di injection su oltre 56 vettori anti-spoofing, con validazione indipendente a livello iBeta 1 e 2 e DHS RIVR 2025. Richiedi una demo per testare la tua attuale configurazione contro un esempio di attacco reale e individuare le lacune.