લાઇવનેસ ડિટેક્શન અને બાયોમેટ્રિક સ્પૂફિંગ શું છે?

જો તમે ઓનબોર્ડિંગ અથવા પ્રમાણીકરણ માટે બાયોમેટ્રિક્સ પર આધાર રાખતા હોવ, તો બાયોમેટ્રિક સ્પૂફિંગ રોકવા માટે લાઇવનેસ ડિટેક્શન (જેને પ્રેઝન્ટેશન એટેક ડિટેક્શન , PAD પણ કહેવાય છે) મહત્વપૂર્ણ છે - પ્રિન્ટેડ ફોટા અને સ્ક્રીન રિપ્લેથી લઈને 3D માસ્ક અને ડીપફેક્સ સુધી. બરાબર કર્યું, લાઇવનેસ ડિટેક્શન સાબિત કરે છે કે કોઈપણ ઓળખ અથવા મેચિંગ થાય તે પહેલાં સેન્સર પર એક જીવંત માનવ છે.

ઝડપી જવાબ: જીવંતતા શોધ કેવી રીતે સ્પૂફિંગ બંધ કરે છે

લાઇવનેસ ડિટેક્શન, સક્રિય પ્રોમ્પ્ટ (દા.ત., બ્લિંક, હેડ ટર્ન, રેન્ડમ શબ્દો) અથવા નિષ્ક્રિય વિશ્લેષણ (દા.ત., ટેક્સચર, પ્રકાશ પ્રતિભાવ, ઊંડાઈ સંકેતો, સૂક્ષ્મ-મૂવમેન્ટ્સ) નો ઉપયોગ કરીને પ્રેઝન્ટેશન એટેક (PAs) થી લાઇવ બાયોમેટ્રિક સિગ્નલોને અલગ પાડે છે . ISO/IEC 30107-3 સ્પષ્ટ કરે છે કે PAD નું મૂલ્યાંકન અને રિપોર્ટિંગ કેવી રીતે કરવું જોઈએ , જે સફરજન-થી-સફરજન વિક્રેતા સરખામણીને સક્ષમ બનાવે છે.

વ્યાખ્યાઓ અને મુખ્ય ખ્યાલો

પ્રેઝન્ટેશન એટેક (PA): બાયોમેટ્રિક સેન્સરને કોઈ આર્ટિફેક્ટ (ફોટો, વિડિયો, માસ્ક) અથવા ચાલાકીપૂર્વકના મીડિયા (રિપ્લે, ડીપફેક) વડે બગાડવાનો કોઈપણ પ્રયાસ.

પ્રેઝન્ટેશન એટેક ડિટેક્શન (PAD): PAs શોધી કાઢતી અને પ્રમાણિત રીતે પરિણામોની જાણ કરતી પદ્ધતિઓ; આઇએસઓ / આઈસીસી એક્સએન્યુએમએક્સ-એક્સએન્યુએમએક્સ ખરીદદારો ઉકેલોની તુલના કરી શકે તે માટે પરીક્ષણ અને રિપોર્ટિંગ પદ્ધતિઓ નક્કી કરે છે. 

બાયોમેટ્રિક સ્પૂફિંગનો વિકાસ થયો છે. શરૂઆતના PA 2D પ્રિન્ટ પર આધાર રાખતા હતા; નવા હુમલાઓ ઉચ્ચ-રિઝોલ્યુશન OLED રિપ્લે, ટેક્ષ્ચર્ડ 3D માસ્ક અને AI-જનરેટેડ ડીપફેકનો ઉપયોગ કરે છે. આધુનિક PAD અલ્ગોરિધમ્સ નમૂના જીવંત છે કે કેમ તે નક્કી કરવા માટે બહુ-સિગ્નલ સંકેતો (દા.ત., ત્વચા માઇક્રો-ટેક્ષ્ચર, ફોટોમેટ્રિક પ્રતિભાવો, ઊંડાઈ/IR) નું વિશ્લેષણ કરે છે. 

સક્રિય વિરુદ્ધ નિષ્ક્રિય જીવંતતા શોધ

• સક્રિય જીવંતતા: વપરાશકર્તા પ્રોમ્પ્ટનો જવાબ આપે છે—ઝબકવું, સ્મિત કરવું, ડાબે/જમણે વળવું, એક વાક્ય બોલવું. ફાયદા: સરળ માનસિક મોડેલ; મૂળભૂત 2D હુમલાઓ સામે મજબૂત. ગેરફાયદા: ઘર્ષણ ઉમેરે છે; જો ભોળપણથી અમલમાં મૂકવામાં આવે તો પ્રોમ્પ્ટ શીખી/બનાવી શકાય છે. 
• નિષ્ક્રિય જીવંતતા: કોઈ સંકેતો નથી. આ મોડેલ કુદરતી સંકેતો (ટેક્ષ્ચર, ગતિ લંબન, દૂરસ્થ PPG, લેન્સ પ્રતિબિંબ) પરથી જીવંતતાનું અનુમાન લગાવે છે. ફાયદા: ઉત્તમ UX; ઉચ્ચ-વોલ્યુમ KYC સુધી સ્કેલેબલ. ગેરફાયદા: બનાવવાનું મુશ્કેલ; નવા PA અને ડીપફેક્સ સાથે ગતિ જાળવી રાખવી પડશે. 

વ્યવહારમાં, ઘણા પ્લેટફોર્મ જોખમ-અનુકૂલનશીલ પ્રવાહો દ્વારા બંનેને જોડે છે: નિષ્ક્રિય શરૂ કરો, જ્યારે જોખમ વધારે હોય ત્યારે સક્રિય અથવા મલ્ટિમોડલ તપાસમાં વધારો કરો (દા.ત., વેગ વિસંગતતાઓ, TOR, ઉપકરણ અનુકરણ).

શોધ પદ્ધતિઓ જે તમે ક્ષેત્રમાં જોશો

• ટેક્સચર અને રિફ્લેક્ટન્સ વિશ્લેષણ: ત્વચામાં સૂક્ષ્મ-દાણાદાર સૂક્ષ્મ રચના અને ફોટોમેટ્રિક પ્રતિભાવો દેખાય છે જે ડિસ્પ્લે અને પ્રિન્ટેડ મીડિયાથી અલગ હોય છે.
• સૂક્ષ્મ-ગતિ અને ટેમ્પોરલ સંકેતો: અનૈચ્છિક આંખના ઝબકારા, માથું સૂક્ષ્મ રીતે હલવું, અથવા ફ્રેમમાં લોહીના પ્રવાહના સંકેતોને ખાતરીપૂર્વક ફરીથી ચલાવવું મુશ્કેલ છે.
• ઊંડાઈ અને IR સેન્સિંગ: સ્ટ્રક્ચર્ડ લાઇટ અથવા ToF 2D સ્પૂફ્સને નિષ્ફળ બનાવી શકે છે; IR સામગ્રીના તફાવતોને પ્રકાશિત કરે છે.
• પડકાર-પ્રતિભાવ (સક્રિય): રેન્ડમાઇઝ્ડ પ્રોમ્પ્ટ હુમલાખોર ખર્ચમાં વધારો કરે છે.
• મલ્ટિમોડલ: ચહેરો, અવાજ અને ઉપકરણ સંકેતોને જોડવાથી ખોટા સ્વીકારો વધુ ઘટાડી શકાય છે.

વિક્રેતાઓ આ તકનીકોનું વર્ણન અલગ રીતે કરે છે, પરંતુ તેઓ ઉદ્યોગ સાહિત્ય અને ખરીદનાર માર્ગદર્શિકાઓમાં માન્યતા પ્રાપ્ત PAD શ્રેણીઓ સાથે મેપ કરે છે.

બાયોમેટ્રિક સ્પૂફિંગના કેટલાક પ્રકારો શું છે?

વિવિધ પ્રકારના બાયોમેટ્રિક સ્પૂફિંગ વિવિધ પ્રમાણીકરણ પદ્ધતિઓ સાથે મેળ ખાય છે અને તેમના નબળા સ્થળોનો ઉપયોગ કરે છે. પરિણામે, પ્રેઝન્ટેશન હુમલાઓ અનેક બાયોમેટ્રિક પદ્ધતિઓને લક્ષ્ય બનાવી શકે છે, જેમાં નીચેનાનો સમાવેશ થાય છે: