فناوری دیجیتال همچنان در حال توسعه است و کیفیت زندگی بهتری را برای ما فراهم می‌کند. یکی از این فناوری‌ها قابلیت تشخیص زنده بودن شخص در حال احراز هویت است که عموماً در فناوری اسکن بیومتریک یافت می‌شود. هدف از پیاده‌سازی این فناوری، جلوگیری از سرقت هویت مشتریان است که با توجه به این قابلیت، فناوری تشخیص زنده بودن به بخشی جدایی‌ناپذیر از فرآیند احراز هویت تبدیل شده است.
نقش فناوری تشخیص زنده بودن چیست؟ و چگونه بر فرآیند احراز هویت افراد تأثیر میگذارد؟ برای پاسخ به این سؤالات در ادامه‌ی این مقاله با ویداوریفای همراه باشید.
تشخیص زنده بودن در بایومتریک توانایی یک سیستم برای تشخیص واقعی بودن اثر انگشت، صورت یا سایر المان‌های بایومتریک، از یک فرد به صورت زنده (Live) و حاضر در نقطه ضبط است.
این فرایند ضد کلاهبرداری شامل مجموعه‌ای از ویژگی‌های فنی برای مقابله با حملات سایبری است که در آن یک ماکت تقلید از بایومتریک منحصر به یک فرد (مانند قالب اثر انگشت یا ماسک سه‌بعدی ساخته شده از سیلیکون) به اسکنر بایومتریک ارائه می‌شود تا مراحل شناسایی و احراز هویت را فریب داده یا دور بزند.
بررسی زنده بودن از الگوریتم‌هایی استفاده می‌کند که داده‌ها را پس از جمع‌آوری از اسکنرها و خواننده‌های بایومتریک تجزیه‌وتحلیل می‌کند تا وقوع کلاهبرداری را تشخیص دهد.
تشخیص زنده بودن سطح بالایی از امنیت را بر اساس یادگیری ماشین ارائه می‌دهد:
موارد جرائم سایبری در سال‌های اخیر افزایش یافته است. سرقت اطلاعات هویتی اغلب در ارتباط با شرکت‌های بزرگ بین‌المللی مانند فیسبوک و اینستاگرام شنیده می‌شود. در نتیجه‌ی این روند، کسب‌وکارهای مختلف به یک سیستم امنیتی نیاز دارند که بتواند به طور مؤثر از دادههای هویتی مشتریان خود محافظت کند. اینجاست که نقش فناوری تشخیص زنده بودن ظاهر می‌شود.
فناوری تشخیص زنده بودن می‌تواند با استفاده از الگوریتم‌های یادگیری ماشین که بخشی از فناوری هوش مصنوعی (AI) است، دادههای بایومتریک یک فرد – اعم از اثرانگشت، چهره، صدا یا موارد دیگر را تجزیه‌وتحلیل کند. به لطف الگوریتم‌های پیشرفته یادگیری ماشین، میتوان بایومتریک افراد مختلف را با دقت بیشتری شناسایی کرد و درنتیجه محافظت بهتری از هویت مشتریان ارائه کرد به‌طوری‌که نرخ تشخیص کلاهبرداری و زنده بودن فرد در سرویس احراز هویت دیجیتال ویدا به بالای 95% میرسد.
به طور جزئی‌تر روش تشخیص زنده بودن سرویس ویدا از الگوریتم‌های یادگیری عمیق از هوش مصنوعی استفاده می‌کند و بر این اساس که از سوء استفاده از عکس‌ها، ویدیوها یا سایر دادههای مشابه برای جعل هویت افراد جلوگیری می‌کند. به عنوان مثال، هنگامی‌که شخصی سعی می‌کند با استفاده از تصویرِ مالک حساب، به حساب وی دسترسی پیدا کند. این تکنولوژی خطر را دفع می‌کند.
شبکه‌های عصبی یادگیری عمیق یا شبکه‌های عصبی مصنوعی که در این تکنولوژی استفاده می‌شود، تلاش می‌کنند از طریق ترکیبی از ورودی داده‌ها، وزن‌ها و سوگیری از مغز انسان تقلید کنند. این عناصر برای تشخیص دقیق، طبقه‌بندی و توصیف اشیاء درون داده‌ها باهم کار می‌کنند.
شبکه‌های عصبی عمیق از چندین لایه از گره‌های به‌هم‌پیوسته تشکیل شده‌اند که هر کدام بر روی لایه قبلی برای اصلاح و بهینه‌سازی پیش‌بینی یا طبقه‌بندی ساخته می‌شوند. این پیشروی محاسبات از طریق شبکه، انتشار روبه‌جلو نامیده می‌شود. لایه‌های ورودی و خروجی یک شبکه عصبی عمیق را لایه‌های مرئی می‌نامند. لایه ورودی جایی است که مدل یادگیری عمیق داده‌ها را برای پردازش جذب می‌کند و لایه خروجی جایی است که پیش‌بینی یا طبقه‌بندی نهایی انجام می‌شود. احراز هویت در لایه‌ی دوم اتفاق می‌افتد.
فرآیند دیگری به نام انتشار پس‌زمینه از الگوریتم‌هایی مانند نزول گرادیان برای محاسبه خطاها در پیش‌بینی‌ها استفاده انتشار روبه‌جلو و پس‌انتشار به یک شبکه عصبی اجازه می‌دهد تا دقیق‌تر عمل کند و هرگونه خطا را بر اساس آن تصحیح کند. با گذشت زمان، الگوریتم به‌تدریج دقیق‌تر می‌شود.
هک کردن فناوری تشخیص زنده بودن دشوارتر است:
جعل هویت با استفاده از عکس‌ها، ویدئوها یا ماسک‌ها توسط هکرهایی انجام می‌شود که دائماً به دنبال راه‌هایی برای دسترسی به هویت افراد و درنتیجه کلاهبرداری و اخاذی از افراد مختلف هستند.
از این جهت با توجه به دقت و توان پاسخگویی سامانه، سرویس احراز هویت دیجیتال ویدا نسبت به سایر رقبا، در رتبه بالاتری قرار می‌گیرد. سرویس ویدا با دقت قابل‌توجهی می‌تواند انواع حملات قابل انجام به سامانه‌های تشخیص چهره از قبیل Attack Print ،Attack Replay ،Attack Mask 3D و … را تشخیص دهد.
ادغام تشخیص زنده بودن با استفاده از دستگاه تلفن همراه آسان است:
اجرای نقش فناوری تشخیص زنده بودن در سیستم‌های احراز هویت به لطف ادغام آن با دستگاه‌های تلفن همراه آسان‌تر می‌شود. بسیاری از گوشی‌های هوشمند قبلاً با استفاده از دوربین داخلی خود، تشخیص هویت برای ورود زنده بودن را در تأیید چهره پیاده‌سازی کرده‌اند، که ترکیب تشخیص چهره را آسان‌تر می‌کند و درنتیجه به‌راحتی میتوان از این تکنولوژی روی تلفن‌های همراه استفاده کرد.