Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Détection de la vivacité faciale
Amazon Rekognition Face Liveness vous aide à vérifier qu’un utilisateur soumis à une vérification faciale est physiquement présent devant une caméra. Cette fonctionnalité détecte également les attaques frauduleuses présentées à une caméra ou qui tentent de contourner une caméra. Les utilisateurs peuvent effectuer un test Face Liveness en prenant un court selfie vidéo dans lequel ils suivent une série d’instructions destinées à vérifier leur présence.
La vivacité faciale d’un visage est déterminée à l’aide d’un calcul probabiliste, puis un score de confiance (compris entre 0 et 100) est renvoyé après le contrôle. Plus le score est élevé, plus on est sûr que la personne qui reçoit le chèque est réelle. Face Liveness renvoie également un cadre, appelé image de référence, qui peut être utilisé pour la comparaison et la recherche de visages. Comme tout système basé sur les probabilités, Face Liveness ne peut garantir des résultats parfaits. Utilisez-le avec d’autres facteurs pour prendre une décision fondée sur le risque concernant l’identité personnelle des utilisateurs.
Face Liveness utilise plusieurs composants :
Lorsque vous configurez votre application pour qu’elle s’intègre à la fonctionnalité Face Liveness, elle utilise les opérations d’API suivantes :
-
CreateFaceLivenessSession- Démarre une session Face Liveness, permettant d'utiliser le modèle de détection Face Liveness dans votre application. Renvoie un SessionId pour la session créée.
-
StartFaceLivenessSession- Appelé par AWS Amplify FaceLivenessDetector. Démarre un flux d’événements contenant des informations sur les événements et les attributs pertinents de la session en cours.
-
GetFaceLivenessSessionRésultats : récupère les résultats d'une session Face Liveness spécifique, y compris un score de confiance Face Liveness, une image de référence et des images d'audit.
Vous utiliserez le SDK AWS Amplify pour intégrer la fonctionnalité Face Liveness à vos flux de travail de vérification faciale pour les applications Web. Lorsque les utilisateurs intègrent ou s’authentifient via votre application, envoyez-les vers le flux de travail de vérification de Face Liveness dans le SDK Amplify. Le SDK Amplify gère l’interface utilisateur et les commentaires en temps réel des utilisateurs lorsqu’ils capturent leur selfie vidéo.
Lorsque le visage de l’utilisateur se déplace vers l’ovale affiché sur son appareil, le SDK Amplify affiche une séquence de lumières colorées à l’écran. Il diffuse ensuite en toute sécurité la vidéo du selfie vers les API cloud. Les API cloud effectuent des analyses en temps réel à l’aide de modèles de machine learning avancés. Une fois l’analyse terminée, vous recevez les informations suivantes sur le backend :
-
Un score de confiance de Face Liveness (entre 0 et 100)
-
Une image de haute qualité appelée image de référence qui peut être utilisée pour Face Match ou Face Search
-
Un ensemble de quatre images maximum, appelées images d’audit, sélectionnées à partir de la vidéo du selfie
Face Liveness peut être utilisé pour toute une série cas d’utilisation. Par exemple, Face Liveness peut être utilisé conjointement avec la reconnaissance faciale (avec CompareFaceset SearchFacesByImage) pour vérifier l'identité, pour estimer l'âge sur les plateformes soumises à des restrictions d'accès basées sur l'âge et pour détecter de vrais utilisateurs humains tout en dissuadant les robots.
La carte de service IA Rekognition Face Liveness
Vous pouvez définir des seuils pour Face Liveness et des scores de confiance pour Face Match. Les seuils que vous avez choisis doivent refléter votre cas d’utilisation. Vous envoyez ensuite une approbation/un refus de vérification d’identité à l’utilisateur en fonction du score supérieur ou inférieur aux seuils. En cas de refus, demandez à l’utilisateur de réessayer, ou envoyez-le vers une autre méthode.
Le graphique suivant illustre le flux utilisateur, depuis les instructions jusqu’au résultat renvoyé, en passant par le contrôle de l’état de fonctionnement :
