怕身份欺诈?平安科技用AI加持真人身份核验

  • 来源: 互联网 2019-03-15/10:03 访问量:
  •  

    随着“移动互联时代”向“智能物联时代”的发展演进,基于计算机视觉的生物特征识别技术在信息安全领域中扮演着新密码的角色,保证着“现实世界”与“网络世界”的身份对应,而活体检测作为生物特征识别技术的安全保证,也受到了越来越多的行业关注,特别是金融领域。

    目前,活体检测方案有很多种,但对于一些防御能力要求高的场景,需要一种对抗能力更强的活体检测方案。

    平安智能认知团队自研发了一种高精度、广普适的活体检测方案—炫光活体,实现了对屏幕类攻击的绝对防御。

    顾名思义,炫光活体必然和“光”有关系!下面,将由小编从技术的角度,向大家介绍我们的研究员是如何与光产生奇妙的联系:

    一、源自古老光学原理的炫光活体

    活体与非活体最明显的差异之一就是材质,而古老的光学原理告诉我们,不同材质的物体对不同波长的光会选择性的吸收,从而对特定光源产生相应的反射光。

    正是基于这样的观察,平安智能认知算法研究的资深专家陆进在生物特征识别与光学原理两者之间产生了有趣的联想。

    这个联想就是建立一个深度神经网络模型,运用光线在不同物体上产生不同反射光的差异,反推出物体的材质,进而精准判别出成像设备前是真人识别,还是“非活体“攻击,而这个模型就是炫光活体。

    智能认知算法研究资深专家陆进

    二、创新性特征提取:特征信息提升6倍

    如前文所说,运用物体的反射光特征,我们便可判别出物体的材质。

    那么,该如何提取不同物体的反射光特征?智能认知算法团队想到了颜色编码,利用计算机视觉中RGB颜色的空间分布,对计算机RGB空间中的三原色—红(255, 0, 0)、绿(0, 255, 0)、蓝(0, 0, 255)作为特定光源进行编码,让光源设备发射出已编码好的特定序列的光线,物体就能根据特定序列光线产生相应的反射光。这样神经网络就能提取被检测物体对于上述3种颜色产生的反射光特征,进而用于活体检测判别的特征数量就扩大到了单帧图片的3倍。

    但是,在陆进看来,这样还是不够的,因为帧间时序信息并没有得到充分利用。通过翻阅大量的国内外前沿文献,陆大师发现了两个有意思的idea,一个是将二维人脸映射到三维空间进行人脸深度信息的估计;另一个是将多帧二维人脸映射到三维空间,根据帧间变化,进行更精确的深度信息估计。

    在上述两个idea的启发下,陆进有了一个创新且大胆的想法—提取帧间信息进行深度信息估计。

    就是在进行活体检测判断的时候,引入局部帧间信息。简单理解,就是把编码好的特定序列光线打在被检测物体上时会产生变换的反射光,对变换的反射光图像进行局部帧间处理,如此便可得到含有一定时序信息的特征。经过这种的特征提取改进,提取的特征数量扩大到了单帧图片的=6倍。

    令智能认知算法团队惊喜又意外的是,通过颜色变换的局部帧间处理,还间接得到了人脸的深度信息!这种深度信息,对于真人和非真人攻击,在帧间变化特征上十分明显。也就是说,炫光活体模型不仅扩大了特征数量,还提取到了被检测物体的深度信息,极大的提升了活体识别的精准度。

    经过测试,炫光活体相比于单帧静默活体,面对常见的纸张类、屏幕类攻击方式有着优秀的防御性能,实现了类似于近红外/3D结构光对于电子屏幕类的绝对防御能力!

    三、回归技术的本质:落地应用是关键

    众所周知,技术的价值最终是需要落地到场景才能体现出来。

    在这样的背景下,平安智能认知团队的炫光活体之所以完全模拟真实业务场景采集训练数据、测试数据,就是为了保证最终输出的炫光活体检测方案与真实业务场景高度契合。

    作为智能认知算法研究的资深专家,陆进不仅在技术上保持业界的领先,还站在业务的角度思考如何提升技术在商业落地中的竞争力。

    在他看来,针对复杂的业务应用场景,仅仅只靠一种活体检测方案是很难达到理想的状态,往往需要多种算法综合判断。

    正是基于这种业务思考下,平安科技推出“平安π综合身份核验平台”,并独创【3档10级】真人核验方案,将静默活体、多动作活体、炫光活体、唇语活体等活体算法进行灵活组合,实现灵活风控。

    如今,“平安π综合身份核验平台”已成功应用于金融、教育、医疗、智慧城市等领域,为数亿用户提供真人核验服务。

    【参考文献】:

    [1] Learning DeepModels for Face Anti-Spoofing: Binary or Auxiliary Supervision, Yaojie Liu,Amin Jourabloo, Xiaoming Liu, CVPR2018.

    [2] Exploitingtemporal and depth information for multi-frame face anti-spoofing, ZezhengWang, Chenxu Zhao, Yunxiao Qin, Qiusheng Zhou, Zhen Lei, CVPR2018.

    ---------------------------------------------------------

    免责声明:

    1.本文援引自互联网,旨在传递更多网络信息,仅代表作者本人观点,与本网站无关。

    2.本文仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证。


    赞(0)

    驱动号 更多