זיהוי חיים ל-KYC: הגנה מפני התקפות זיוף

מדוע זיהוי חיים של פנים נשבר בזרמים אמיתיים

במעבדה בדיקת החיות נראית אמינה: תאורה אחידה, חצובה, אופטיקה נקייה. בזרם אמיתי דרך מצלמה קדמית זולה ברכבת התחתית או ליד חלון הניגודיות נופלת, הפריימים מגיעים עם רעש ואי-סנכרון בדחיסה — וזיהוי חיים של פנים או מפספס זיוף, או קוטל לקוחות אמיתיים. סירובים שגויים בהרשמה — החלק היקר ביותר: אדם נתקל פעם אחת ב"נסו שוב", וחלק כבר לא חוזרים.

התקפות החלפת פנים בשטח גם הן רק לעיתים נדירות נראות כמו בדמו. שימוש חוזר בהקלטה — וידאו שצולם מראש של קריין, שמוצג מול המצלמה; גס יותר — תמונה על מסך עם זכוכית מבריקה.

מורכב יותר הוא יירוט הזרם: מצלמה וירטואלית או החלפת רצף הווידאו לפני הניתוח, כאשר כל הבדיקות עוברות פורמלית, רק שבמקום אדם — כפיל תוכנה.

בדיקת חיות על בסיס פריים בודד אינה מבחינה בכך: אין לה לא עומק ולא דינמיקה. מכאן שתי שגיאות בבת אחת — סף גבוה תופס תפאורות, אך מייצר סירובים, סף נמוך פותח עקיפה של בדיקת החיות.

במשפך ארוך לא הביטחון נפגע, אלא ההמרה: הזרם עובר לבדיקה ידנית, וחלק מהלקוחות — לאלה שאצלם ההרשמה עברה בניסיון הראשון.

אנו מפרטים כיצד זה נסגר: מפל בדיקות, מבחנים אקטיביים וניתוח הזרקות ברמת לכידת הזרם. חלק מהצוותים לוקחים למהיר התחלה מנועים מוכנים, למשל iProov, — אך תרחיש ההסכמה, הירידה באיכות והחזרה אחורה בכל זאת מתוכננים עבור המוצר.

מה נותנת בדיקת החיות: אפקטים מדידים בכניסה

האפקט של בדיקת החיות נמדד לא בדיוק של המודל על מדגם הדגמה, אלא בסט של מונים שאנו קוראים מתעבורה אמיתית לפני ההטמעה ומשווים לאחריה. כך רואים מה בדיוק השתנה בכניסה להרשמה, ולא ש"השתפר באופן כללי".

סט המדדים זהה לכל משפך: שיעור ההתקפות שנחסמו, שיעור המעברים המוצלחים, זמן הבדיקה, מספר הניסיונות החוזרים ומבנה הסירובים.

• שיעור ההתקפות שנחסמו — נספר בנפרד לפי מחלקות ההחלפה: תמונה סטטית, תמונה מהמסך, זרם וידאו מהמסך, מסכה, פנים שנוצרו באופן סינתטי. לפי מחלקות המצגת החסימה מגיעה לרמה המאושרת על ידי הסמכה בלתי תלויה iBeta, ואינה נמהלת במדד ממוצע אחד.
• המרת ההרשמה — בדיקה פסיבית ללא משימות "סובבו את הראש" אינה חותכת את המשפך: משתמשים חיים עוברים את השלב בניסיון הראשון, ושיעור המגיעים עד הסוף גדל הודות לאלה שבעבר נטשו את התרחיש באמצע.
• זמן המעבר בבדיקה — מסתכם ב-1-3 שניות יחד עם לכידת הפריים וקבלת ההחלטה; אפליקציה נפרדת ומודרציה ידנית לשם כך אינן נדרשות.
• מספר הניסיונות החוזרים — יורד כאשר הרמזים לגבי התאורה ומיקום הפנים בפריים מחזירים את האדם לאותו תרחיש, ולא זורקים אותו להתחלה.
• מחלקת הסירובים — הפספוס השגוי של ההחלפה נעלם; הסירוב השגוי של אדם חי הופך לכמות נשלטת דרך סף הרגישות ובדיקת המקרים השנויים במחלוקת לפי יומן ההחלטות.

כל סעיף — אינו מספר דיווח, אלא ידית כוונון: בשינוי הסף אנו רואים כיצד מתאזן מחדש האיזון בין חסימת התקפות לשיעור המעברים המוצלחים.

פורמטים של זיהוי חיים של פנים: פסיבי, אקטיבי, היברידי

את מצב הבדיקה בוחרים לא לפי דיוק "בוואקום", אלא לפי תרחיש הכניסה: במה המשתמש מצלם את עצמו, כמה מאמץ הוא מוכן להשקיע ומה עולה יותר — זיוף שהוחמץ או לקוח שאבד.

אותו אלגוריתם בחיבור המוני ובאישור עסקה גדולה נותן תוצאה שונה: במקום שבו מחיר הפספוס גבוה יותר, מוצדקת בדיקה מחמירה יותר, ובמקום שבו הזרם חשוב — כזו שאינה מורגשת לאדם.

מגבלות השיטה מתגלות רק בתעבורה חיה, ולכן אנו קוראים מדדים על מדגם פיילוט — שיעור הניסיונות המוצלחים בניסיון הראשון, סיבות הסירובים, זמן המעבר — ולפיהם בוחרים את המצב. כך הפתרון מותאם לתרחיש הכניסה שלכם, ולא לתיאור מהמצגת.

שלבי הטמעת בדיקת החיות: מהתכנית ועד למסירה

הטמעת בדיקת החיות מתחילה לא בקוד, אלא בניתוח תרחיש האימות שלכם: היכן המשתמש, היכן המפעיל, מה קורה בעת סירוב ואיזו רמת סיכון אתם מוכנים לקבל.

בהמשך הסדר קבוע — קודם מתארים את הנתונים בתנועה, אחר כך מכיילים את הרגישות לתעבורה שלכם, ורק לאחר מכן בודקים את הפתרון על אנשים חיים ועל ניסיונות החלפה. כך נמנע המצב שבו זיהוי חיים של פנים עובר מבחני מעבדה, אך בזרם אמיתי מפספס זיוף או חוסם לקוח אמיתי.

1. ביקורת תרחיש האימות. מפרקים את צעדי המשתמש: הרשמה, כניסה, בדיקה חוזרת, הסלמה למפעיל. קובעים באיזה שלב נדרש הזיהוי ומה נחשב לכישלון — סירוב או בקשה לאימות נוסף.

2. תרשים זרימות הנתונים. קובעים היכן נלכד הפריים, היכן מעובד, מה עובר לשירותים חיצוניים ומה נשאר במתחם שלכם. בתרשים נראים נקודות האחסון ותקופות החיים של הנתונים הביומטריים.

3. כיול ספי הרגישות. הסף הוא פשרה בין פספוס שגוי של זיוף לסירוב שגוי של אדם חי. מכיילים על הסטטיסטיקה שלכם: איכות המצלמות, התאורה, המכשירים האופייניים של המשתמשים.

4. בדיקה על אנשים חיים. מריצים את התרחיש על עובדים ועל תעבורה אמיתית: תנאי צילום שונים, גיל, משקפיים, כיסויי ראש, קישוריות חלשה.

5. בדיקה על ניסיונות החלפה. סט התקפות נפרד: תמונה מהמסך, הדפסה, הקלטת וידאו, מסכה, החלפת זרם וידאו. כל מחלקה נספרת בנפרד, כדי לראות היכן הפתרון מחזיק מעמד.

6. מסירת הפתרון והכשרת הצוות. מוסרים קונפיגורציות, תרשים, סט תרחישי בדיקה, תיעוד הספים וסדר הכיול מחדש. המהנדסים שלכם משנים את הרגישות ומוסיפים תרחישים בלעדינו.

קונפיגורציות, תרשימים ותקנות: מה נשאר ללקוח

אפליקציית בדיקת החיות אינה אמורה להישאר קופסה שחורה הנגישה רק למפתח. אנו מוסרים לצוות הלקוח סט מלא של ארטיפקטים — מפרופילי בדיקות ועד סדר הפעולות בעת ניסיון מעבר חשוד. זה מספיק כדי לכוונן את הרגישות לתעבורה שלכם, לנתח מקרים שנויים במחלוקת ולפתח את הפתרון בלעדינו.

• פרופילי בדיקות — תרחישים אקטיביים, ספי ודאות וכללים לנקודות כניסה שונות: ווב, אפליקציית מובייל, מסוף בקבלה. משתנים בהגדרה, ללא בנייה מחדש של המודל.
• תרשימי אינטגרציה — סדר הקריאות, פורמטי התגובות, התנהגות כאשר השירות אינו זמין, דוגמאות לבקשות בכל ערוץ.
• תקנון ניתוח אירועים — כיצד להבחין בין סירוב שגוי לניסיון החלפה, אילו אירועים לשמור, למי להסלים ובאילו מועדים.
• תיעוד האימות — תיאור של כל בדיקה, הרכב סט הבדיקה, שיעורי הפספוסים השגויים והסירובים השגויים בזרם שלכם.
• מדיניות אחסון ותיעוד יומן — אילו פריימים ואירועים אנו רושמים, מה אנו מסווים, כמה זמן אנו שומרים וכיצד אנו מוחקים לפי בקשת הנבדק.
• הוראות הפעלה — עדכון פרופילים, חזרה לגרסה הקודמת של המודל, רשימת בדיקות לפני הוצאת שינויים.
• העברת ידע — ניתוח הארכיטקטורה עם הצוות שלכם, תשובות למקרים שנויים במחלוקת, אנשי קשר לפי רמות התמיכה.

לאחר מסירת הפתרון אתם מנהלים את ההגדרות ואת ניתוח המקרים בעצמכם, ותפקידנו מצטמצם לייעוץ במקרים מורכבים.

מקרה בוחן: כיצד נעלמה מחלקת התקיפות עם החלפת פנים באימות

מה היה לפני

האימות נשען על השוואת סלפי לתמונת תעודה, והסימן "בפריים יש אדם חי" כלל לא נבדק. העקיפה עברה בשלושה נתיבים: תמונה מהמסך, וידאו שהוקלט מראש ומצלמה וירטואלית המחליפה את הזרם מהמכשיר — כל ניסיון כזה עבר כבקשה רגילה.

שיעור ההחלפות שהוחמצו עמד על כ-9%, הסירובים השגויים הגיעו ל-12%, והבדיקה הידנית של בקשות חשודות גזלה מהמפעילים כמעט מחצית מהמשמרת.

מה שינו

את בדיקת החיות הטמיעו ישירות ברגע הצילום: הערכה פסיבית של הפריים בתוספת רצף אקטיבי קצר שאי אפשר לשחזר בהקלטה. ניתוח ניסיונות העקיפה הועבר ליומן נפרד — עם סוג ההחלפה, סיבת הסירוב והחלטת המודל, כדי שכל תכנית חדשה תהיה גלויה וניתן יהיה לסגור אותה בכלל, ולא באיסור חד-פעמי.

הכיול נעשה על בקשות אמיתיות, ובנפרד עקבו לכך שלקוחות אמיתיים לא יקבלו סירוב בתאורה חלשה, במשקפיים או בתנועה.

מה קרה בסוף

שיעור ההחלפות שהוחמצו ירד מכ-9% ל-0.4%, הסירובים השגויים — מ-12% ל-3%, והמעברים המוצלחים בניסיון הראשון גדלו ברבע. תור הבדיקה הידנית הצטמצם בערך פי ארבעה: המפעילים בוחנים רק מקרים גבוליים.

העמידות בפני תכניות החלפה חדשות אושרה בבדיקה בלתי תלויה לפי המתודולוגיה של iBeta — זוהי בדיקה חיצונית, ולא הערכה פנימית שלנו.

במה נבדלת בדיקת חיות פסיבית מאקטיבית?

בדיקה פסיבית אינה דורשת מהאדם דבר מלבד מבט למצלמה. המערכת בעצמה אוספת רצף פריימים ומעריכה סימני חיות: תנועות מיקרו, שינוי בהשתקפויות, נפח הפנים. עבור המשתמש זהו צילום סלפי רגיל, ועבור הלקוח — מינימום צעדים בתרחיש ההרשמה.

בדיקה אקטיבית בנויה כמנגנון בקשה-תגובה: מבקשים מהמערכת לסובב את הראש, למצמץ לפי רמז, לקרב או להרחיק את הפנים. הפעולה של המשתמש בבדיקה הופכת לחלק מהפרוטוקול — הקלטת מסך או תמונה שמונחת לא ישחזרו משימה כזו, משום שהיא נוצרת מחדש בכל ניסיון. אך נוצרת תלות בהתנהגות: האדם לא הבין את הרמז, הוסח, ממהר בשלב התשלום — והתרחיש לא נסגר.

שיעור הסירובים השגויים בשני המצבים נבדל לפי המקור. הפסיבית נותנת פחות סירובים בזרם — אין מה להיכשל בו, אין שלב שאפשר לבצע באופן שגוי. לעומת זאת היא רגישה יותר לאיכות הפריים: מצלמה חלשה, תאורה נגדית, משקפיים עם השתקפות אוכלים חלק מהסימנים. האקטיבית עמידה יותר בערוצים חלשים, אך מקבלת שיעור סירובים משלה מהתנהגות המשתמש, ולא מאיכות הצילום.

בחירת מצב הבדיקה היא לא "מה מחמיר יותר", אלא לאיזה תרחיש. הרשמה ראשונית, כניסה חוזרת לאזור האישי ואישור עסקה בסיכון גבוה דורשים איזון שונה בין החמרה להמרה. תכנית עבודה — היברידית: בדיקה פסיבית בכניסה ואקטיבית כהסלמה, כאשר ודאות המודל נמוכה או שהבקשה נראית לא אופיינית.

מגבלות וספקות טכניים לגבי בדיקת החיות

תאורה חלשה ומצלמה קדמית מהסגמנט הבינוני נותנות יותר סירובים מאשר זיופים אמיתיים. תאורה נגדית וחדר חשוך אוכלים את פרטי הטקסטורה, והתרחיש הפסיבי מתחיל לדחות אנשים חיים.

ספים אינם קבועים: בשינוי זרם המשתמשים או דגמי המצלמות הפתרון דורש כיול מחדש. בנפרד אנו סופרים את שיעורי הדחיות השגויות והפספוסים — האיזון ביניהם תלוי באיזו מחלקת שגיאות יקרה יותר בתהליך שלכם.

האם אתם שומרים תמונות של משתמשים?

כברירת מחדל לא: הפריימים חיים בזיכרון רק במהלך הבדיקה, ולאחר מכן נשאר דסקריפטור מספרי. אם לפי התקנון התמונות נדרשות לניתוח מקרים שנויים במחלוקת, מפעילים אחסון נפרד עם תקופה מוגבלת, הצפנה והפרדת הרשאות גישה.

באיזו תדירות יהיה צורך לכוונן את הספים מחדש?

לאחר ההשקה — פעם-פעמיים, ובהמשך לפי אות מהניטור: עלייה בסירובים, החלפה המונית של דגמי מצלמות, מקור תעבורה חדש. הכיול נעשה על מדגם מתויג מצדכם, כדי שהספים ישקפו את הקהל האמיתי, ולא סט בדיקה.

נדון במשימה: במה מתחיל הפרויקט

פרויקט לזיהוי חיים של פנים מתחיל לא בבחירת מודל, אלא בניתוח תרחיש האימות של הלקוח. צריך להבין היכן בדיוק האדם עובר בדיקה — באפליקציית מובייל, באזור אישי באינטרנט או בטאבלט אצל המפעיל — ואילו זיופים ריאליים לערוץ הזה: תמונה מהמסך, הקלטת וידאו, מסכה, החלפת זרם הווידאו של המצלמה.

מכך תלויים גם סט הבדיקות בשרשרת, גם ספי ההפעלה, וגם האופן שבו המערכת מתנהגת בתאורה חלשה או בערוץ תקשורת איטי.