Liveness — технология, которая позволяет отличить живого человека от маски или дипфейка. Разбираемся, как она защищает от мошенников Что такое liveness Технологии распознавания лиц и голоса сегодня активно используются во многих сферах. Это часть биометрии — системы идентификации человека с помощью уникальных физических и поведенческих характеристик: отпечатка пальца, голоса, сетчатки глаза. Но благодаря биометрической технологии liveness таких атак можно избежать. Liveness (c английского «живость», в России используется термин «витальность») — технология, которая помогает системе отличить живого человека от подделок: маски, даже если она выполнена из силикона или латекса, фото, записи голоса или видео. Алгоритм работает в связке с системой распознавания лиц, но главное отличие в том, что он отвечает не на вопрос «Тот ли это человек?», а на вопрос «Живой ли это человек?». Как рассказала Наталья Бессонова, директор департамента биометрических технологий АО «Центр Биометрических Технологий», в основе liveness — нейронные сети, которые обучены на крупных базах данных из фотографий живых людей и фотографий-подделок. Главная цель liveness — помешать мошенникам организовывать спуфинг-атаки. На сегодняшний день мошенники редко используют такой вид атак, поскольку это очень затратный и сложный процесс. Пассивный — когда алгоритм в фоновом режиме анализирует набор параметров: искажение, скорость реакции, несоответствие, артефакты, характерные для фейков (например, блики, руки, держащие планшет, эффект муара и т.д.). В этом случае человек даже может не знать о такой проверке. Например, в ГИС «Единая биометрическая система» (ГИС ЕБС) используется не менее четырех алгоритмов liveness для определения подделок — как по лицу, так и по голосу. Каждую операцию в ГИС ЕБС проверяют одновременно несколько алгоритмов разных разработчиков. Например, пока пользователь улыбается, система анализирует текстуры, блики, движения мимических мышц, при этом и в статике, и в движении. Это и позволяет технологии защищать данные от спуфинг-атак с помощью 3D-масок или видео в высоком разрешении. Могут ли такие алгоритмы ошибиться «наоборот» и не распознать живого человека? По словам Натальи Бессоновой, математические законы не позволяют исключить вероятность ошибки: «На вероятность непропуска клиента могут влиять такие факторы: плохое освещение, шум в помещении, внешние факторы (солнцезащитные очки, маски, шарфы, либо поведение клиента — когда он не выполняет инструкции активного liveness, например не реагирует на просьбу улыбнуться).РБК Тренды