亚马逊AWS官方博客
基于 Amazon Rekognition Face Liveness 打造创新的 KYC(电子身份认证)解决方案
什么是 eKYC 解决方案?
eKYC 是电子身份认证的简称,英文全称是 Electronic Know your customer,是指利用人工智能技术远程、数字化地完成对用户身份的自动验证,帮助企业了解用户的真实身份,降低欺诈带来的风险。应用 AI 技术,为用户提供多类型的身份类证件识别及人证验证,推动各行业实现国际业务数字化、自动化的合规经营。
合合信息深耕人工智能文字识别及大数据领域,基于机器学习、深度学习的版面分析、图像处理等多种技术,对前端设备采集的图像自动进行分类、智能判断类别,其多语言,并结合亚马逊 Amazon Rekognition Face Liveness 技术,打造出能够应用于多行业的智能数字身份认证风控(eKYC)解决方案。
行业痛点是什么?
主要由于相应的法律法规需要,例如在支付、通讯及金融行业的业务场景内进行用户有效 KYC 验证。出海企业及跨国企业,在不同区域展业往往面临多语言的挑战,当地法律法规的挑战。
过往这些业务场景往往是通过人工的方式。与用户面对面进行核对校验,主要痛点:
- 各个国家地区身份信息、ID 版式及语言不同,多种信息的识别对人员培训带来挑战;
- 身份信息的真伪验证仅依靠人工审核,且流程复杂。不仅给用户带来不良体验,更有较大的安全隐患;
- 人工操作失误不仅增加隐性时间成本,也为企业集团带来一定的合规风险。
解决方案的应用架构及介绍
方案的智能识别技术帮助企业将人工识别、验证身份信息的工作转为系统自动操作,精准识别企业新用户及存量用户常使用的中国大陆身份证、中国 EEP、中国香港身份证、中国澳门身份证和海外护照,对身份类证件进行质量检测,AI+ID 身份证件稽核。
同时通过亚马逊人脸识别的技术能力,对用户人脸抓取识别、人证对比核验,有效完善了真实活体人脸的检测、防欺诈,人证一致性的校验,完善了人证图像对比流程,形成了在线电子身份人证的方案流程。
Amazon Rekognition Face Liveness 介绍
Amazon Rekognition Face Liveness 是一项利用活体检测技术的人脸识别服务。该服务通过分析用户提交的视频或照片,判断被识别者是否是真实存在且具有活动生命迹象的人物。下面将介绍其特点、使用场景以及优势。
特点
- 活体检测:Amazon Rekognition Face Liveness 能够分析人脸在视频中的实时运动,确保被识别者是活跃的、并非仅是一张静态照片。
- 基于深度学习:该技术使用了基于深度学习的算法,对人脸图像进行高效准确的活体检测。
- 低误判率:Amazon Rekognition Face Liveness 在识别过程中具有较低的误报率,能够有效防止被冒充、欺骗、或使用三维模型等方式进行攻击。
使用场景
- 用户验证:Amazon Rekognition Face Liveness 可以应用于各个行业中的用户验证场景,如银行、金融服务、电子商务和社交媒体等。它可以确保只有真实人员才能访问账户、进行付款或发布内容等操作,提供安全性和防止身份盗窃的保障。
- 人脸活体登记:在高风险环境下,例如入境边检、安全检查等场所,Amazon Rekognition Face Liveness 可以用于识别和验证来访者的真实身份,防止使用照片或其他假冒手段进行欺诈行为。
- 在线考试监控:该技术可以用于在线考试平台,确保考生是真实参与并通过活体检测预防作弊现象的发生。
优势
- 高可靠性:Amazon Rekognition Face Liveness 凭借其有效的活体检测算法,能够提供高可信度的人脸识别反欺诈方案。
- 灵活性:该服务支持多种数据输入形式,既可以处理实时视频流,也可以对静态照片进行分析,满足不同使用场景的需求。
- 速度快:Amazon Rekognition Face Liveness 利用云计算大规模并行处理的优势,具有极快的响应时间,确保用户体验流畅。
Amazon Rekognition Face Liveness 是一项基于深度学习的人脸识别服务,在各个领域中都拥有广泛的应用前景。它的特点以及在用户验证、登记和考试监控等场景中的使用,使得其成为一种安全、可靠且高效的活体识别解决方案。
Amazon Rekognition Face Liveness 的具体实现架构
Amplify UI FaceLivenessDetector 为 Amazon Rekognition Face Liveness 提供了一个 UI 组件,可帮助开发人员验证只有真实用户才能访问您的服务,而不是使用欺骗的不良行为者。
通过 Amazon Amplify 创建和管理,后端应用服务的网关(Amazon API Gateway),身份识别管理系统(Amazon Cognito),以及后端服务本身(Amazon Lambda)。
授权后端服务 Lambda 函数调用 Amazon Rekognition Face Liveness 的权限,执行关键的活体检测逻辑,最后返回检测结果到客户端。
具体的实现代码可以参考:amplify-ui-android/samples/liveness at main · aws-amplify/amplify-ui-android · GitHub。
AWS SDKs 和 APIs
将应用程序配置为与人脸活动功能集成时,它将使用以下 API 操作:
- CreateFaceLivenessSession – 启动人脸活动会话,让人脸活动检测模型在应用程序中使用。返回所创建会话的
SessionId
。 - StartFaceLivenessSession – 由 FaceLivenessDetector 组件调用。启动包含有关当前会话中的相关事件和属性的信息的事件流。
- GetFaceLivenessSessionResults – 检索特定人脸活动会话的结果,包括人脸活动置信度分数、参考图像和审核图像。
- 您可以使用任何受支持的 AWS 开发工具包(AWS Python SDK Boto3 或 AWS SDK for Java V2)测试 Amazon Rekognition Face Liveness。
开发经验
下图说明了解决方案体系结构。
人脸活体检查过程包括几个步骤:
- 最终用户在客户端应用程序中启动人脸活体检查。
- 客户端应用程序调用客户的后端应用,而后端应用又调用 Amazon Rekognition。该服务创建一个 Face Liveness 会话并返回唯一的
SessionId
。 - 客户端应用使用获取的 SessionId 和适当的回调呈现 FaceLivenessDetector 组件。
- FaceLivenessDetector 组件建立与 Amazon Rekognition 流媒体服务的连接,在用户屏幕上呈现一个椭圆形,并显示一系列彩色灯光。FaceLivenessDetector 将视频实时录制并流式传输到 Amazon Rekognition 流媒体服务。
- Amazon Rekognition 实时处理视频,存储结果,包括存储在 Amazon Simple Storage Service(S3)存储桶中的参考图像和审计图像,并在流式传输完成后向 FaceLivenessDetector 组件返回 DisconnectEvent。
- FaceLivenessDetector 组件调用相应的回调,向客户端应用发出信号,表明流式处理已完成,并且分数已准备好进行检索。
- 客户端应用调用客户的后端以获取一个布尔标志,指示用户是否处于活动状态。客户后端向 Amazon Rekognition 发出请求,以获取置信度分数、参考和审核映像。客户后端使用这些属性来确定用户是否处于活动状态,并向客户端应用返回适当的响应。
- 最后,客户端应用将响应传递给 FaceLivenessDetector 组件,该组件会适当地呈现成功或失败消息以完成流程。
总体来说,Amazon Rekognition Face Liveness 的上线很好地契合了 KYC 业务场景,完善了电子化 KYC 解决方案。
参考链接
Face Liveness | Amplify UI for React
Face Liveness | Amplify UI for Android