تشخیص زنده‌بودن فعال چگونه کار می‌کند

یک عکس از چهره و یک عکس از مدرک شناسایی برای اطمینان از این که فردی واقعی پشت دوربین نشسته است کافی نیست. ممکن است کسی عکسی چاپ‌شده را جلوی دوربین بگیرد، ویدیویی را روی صفحه‌ای دیگر پخش کند یا ماسک بزند. تشخیص زنده‌بودن (liveness) مرحله‌ای است که به پرسشی محدودتر و دشوارتر پاسخ می‌دهد: آیا همین حالا یک انسان زنده حضور دارد، نه یک ضبط یا نمونه مصنوعی از او؟ این نوشته توضیح می‌دهد تشخیص زنده‌بودن فعال چگونه کار می‌کند، چه تفاوتی با روش غیرفعال دارد و در واقع در برابر چه چیزی دفاع می‌کند.

تشخیص زنده‌بودن فعال در برابر غیرفعال

تشخیص زنده‌بودن عموماً دو نوع دارد. در روش غیرفعال، یک تصویر یا کلیپ کوتاه برای یافتن نشانه‌هایی از زنده‌نبودن تحلیل می‌شود، مانند بافت، بازتاب‌ها، الگوهای moiré ناشی از صفحه نمایش و نشانه‌های عمق، بدون آن که از فرد خواسته شود کاری انجام دهد. این روش سریع و کم‌زحمت است، اما شواهد کمتری در اختیار دارد: برای تصمیم‌گیری تنها یک یا چند فریم در دست است.

زنده‌بودن فعال از فرد می‌خواهد کاری انجام دهد که یک تصویر ثابت یا ویدیوی از پیش ضبط‌شده نمی‌تواند در لحظه و به‌طور متقاعدکننده جعل کند: پلک زدن، چرخاندن سر و بازگشت به مرکز، تکان دادن سر یا لبخند زدن، به‌محض اعلام، در طول یک نشست زنده. ShieldID از تشخیص زنده‌بودن فعال و مبتنی بر چالش استفاده می‌کند که روی دست‌کم ده فریم و با ردیابی 478 نقطهٔ سه‌بعدی چهره پیگیری می‌شود — نه یک بررسی عکس واحد. سامانه مشاهده می‌کند چهره در طول چالش چگونه حرکت می‌کند، نه فقط اینکه در یک تصویر ثابت چه شکلی دارد.

چرا چالش به‌جای یک سلفی

یک سلفی تنها باید یک بار و در یک فریم سیستم را فریب دهد. اما یک چالش هدایت‌شده باید به‌طور پیوسته فریب بخورد، آن هم در توالی‌ای که سیستم به‌صورت تصادفی انتخاب کرده و روی صدها نقطه از چهره هنگام حرکت ردیابی می‌شود. عکس چاپ‌شده پلک نمی‌زند و نمی‌چرخد. ویدیوی پخش‌شده به حرکتی که در ابتدا ضبط شده قفل است و نمی‌تواند به چالشی که بعداً صادر می‌شود پاسخ دهد. ماسک ثابت مانند پوست و عضله هنگام تکان دادن سر یا لبخند حرکت نمی‌کند. هیچ‌یک از این‌ها تشخیص زنده‌بودن فعال را شکست‌ناپذیر نمی‌کند، چون هیچ بررسی تنهایی چنین نیست، و دقیقاً به همین دلیل در کنار بررسی‌های جداگانه اجرا می‌شود، نه به‌جای آن‌ها.

آنچه در کنار چالش زنده‌بودن اجرا می‌شود

تشخیص زنده‌بودن یکی از چند سیگنالی است که روی هر سلفی و در هر بار اجرا می‌شود، نه به‌صورت ارتقای پولی و نه گزینه‌ای که کسب‌وکار برای صرفه‌جویی در هزینه خاموشش کند. تشخیص جعل، تشخیص دیپ‌فیک و تشخیص ماسک سه‌بعدی هرکدام به‌عنوان بررسی مستقل و جداگانه گزارش می‌شوند، نه این که در یک امتیاز مبهم زنده‌بودن ادغام شوند. این در عمل اهمیت دارد: اگر احراز هویتی ناموفق باشد، می‌توانید ببینید چالش زنده‌بودن، سیگنال جعل، دیپ‌فیک مشکوک یا تشخیص ماسک آن را علامت‌گذاری کرده است، به‌جای یک «ناموفق» بدون هیچ توضیح.

• ضدجعل (Anti-spoof): سیگنال‌هایی مرتبط با ارائه منبع غیرزنده به دوربین، مانند صفحه نمایش، چاپ یا ماسک، که مستقل از خود چالش زنده‌بودن بررسی می‌شوند.
• تشخیص دیپ‌فیک: سیگنال‌هایی مرتبط با چهره‌ای که به‌صورت مصنوعی تولید یا دستکاری شده است و به‌عنوان بررسی مستقل اجرا می‌شود.
• تشخیص ماسک سه‌بعدی / چاپ: بررسی‌هایی که به‌طور مشخص حملات ارائه فیزیکی را هدف می‌گیرند، یعنی عکس چاپ‌شده یا ماسکی که جلوی دوربین گرفته می‌شود.
• تطبیق چهره: مرحله‌ای جداگانه که تصویر زنده را با تصویر چهره روی مدرک مقایسه می‌کند و نتیجه را بر اساس یک خط تصمیم ثابت گزارش می‌دهد، نه یک درصد خام.

حمله‌ی ارائه (Presentation Attack) چه شکلی دارد

در زبان تخصصی این حوزه، تلاش برای فریب یک سامانهٔ بیومتریک با ارائهٔ چیزی غیر از یک فرد زنده و همکار، مانند عکس، بازپخش ویدیو، ماسک یا دیپ‌فیک، «حملهٔ ارائه» نامیده می‌شود. تشخیص زنده‌بودن فعال، ضدجعل، تشخیص دیپ‌فیک و تشخیص ماسک هرکدام در برابر نوع متفاوتی از حملهٔ ارائه دفاع می‌کنند: یک چالش ایستا عکس ثابت را ناکام می‌گذارد؛ ردیابی فریم‌به‌فریم عبور با یک بازپخش از پیش ضبط‌شده را دشوارتر می‌کند، زیرا چنین ویدیویی نمی‌تواند به چالشی که به‌صورت زنده انتخاب می‌شود واکنش نشان دهد؛ و تشخیص ماسک و دیپ‌فیک تلاش‌های پیچیده‌تری را هدف می‌گیرد که می‌کوشند حرکتی متقاعدکننده نشان دهند.

صادقانه دربارهٔ محدودیت‌ها

ما درصد دقتی برای تشخیص زنده‌بودن منتشر نمی‌کنیم و ادعای داشتن گواهینامهٔ رسمی مانند iBeta یا ISO/IEC 30107-3 را هم نداریم؛ امروز چنین گواهینامه‌ای نداریم و نخواهیم گفت که داریم. آنچه می‌توانیم دقیقاً بگوییم این است که چه چیزی و چگونه اجرا می‌شود: یک چالش فعال و چندفریمی که روی صدها نقطهٔ مشخصهٔ چهره ردیابی می‌شود و در هر راستی‌آزمایی با بررسی‌های جداگانهٔ ضدجعل، دیپ‌فیک و ماسک پشتیبانی می‌گردد، و نتیجه به‌صورت یک سیگنال مستقل گزارش می‌شود، نه اینکه در یک امتیاز واحد که نتوان آن را بررسی کرد ادغام شود. اگر و هر زمان که آزمون رسمی انجام شود، نتیجه و تاریخ آن را منتشر خواهیم کرد، نه یک نشان بدون پشتوانهٔ مستند.