Comment la détection de présence empêche les fraudeurs d'utiliser votre photo

Imaginez que quelqu'un a votre photo. Peut-être l'a-t-il trouvée sur les réseaux sociaux, peut-être a-t-il volé votre pièce d'identité. Maintenant, il essaie d'ouvrir un compte bancaire à votre nom. Il présente votre photo à la caméra de son téléphone pendant l'étape de vérification par selfie. Est-ce que ça va marcher ?

Avec la détection du vivant, ça ne marchera pas. Cette technologie peut faire la différence entre une vraie personne devant une caméra et une photo, vidéo, masque ou même deepfake de cette personne. C'est la raison pour laquelle la vérification d'identité fonctionne vraiment dans un monde où la photo de n'importe qui est à quelques clics.

Ce que les fraudeurs essaient vraiment

Avant de comprendre comment fonctionne la détection du vivant, il est utile de savoir contre quoi elle se défend. Les fraudeurs sont devenus créatifs :

Photos imprimées sont l'attaque la plus simple. Quelqu'un imprime une photo haute résolution de votre visage et la présente à la caméra. Ça semble évident, mais sans vérification du vivant, beaucoup de systèmes l'accepteront. La caméra voit juste un visage.

Attaques par écran sont plus sophistiquées. Au lieu d'imprimer, les fraudeurs affichent votre photo ou une vidéo de vous sur un autre téléphone ou tablette. La qualité est meilleure, et si la vidéo montre vos clignements ou mouvements, elle peut tromper les systèmes qui ne cherchent que des signes de vie basiques.

Masques et poupées poussent l'usurpation physique à un autre niveau. Un masque imprimé en 3D de votre visage, ou même un masque en silicone réaliste, peut potentiellement tromper les systèmes qui vérifient seulement si quelque chose en forme de visage est présent.

Deepfakes sont la menace la plus récente. L'IA peut maintenant animer une photo fixe de votre visage en temps réel, la faisant cligner, sourire et tourner. Ces vidéos synthétiques deviennent de plus en plus difficiles à distinguer de la réalité.

Injection vidéo contourne complètement la caméra. Au lieu de montrer quelque chose à la caméra, les attaquants injectent un faux flux vidéo directement dans l'application. L'app pense recevoir une entrée caméra, mais reçoit en fait une vidéo préenregistrée ou générée.

Comment la détection du vivant attrape les faux

La détection du vivant moderne utilise plusieurs techniques simultanément. Aucun contrôle unique n'est parfait, mais ensemble, ils créent une barrière extrêmement difficile à contourner.

Analyse de texture examine votre peau à un niveau détaillé. La vraie peau a des variations subtiles de texture, pores et reflets de lumière. Une photo imprimée sur papier ou affichée sur un écran a une texture entièrement différente, même si vous ne pouvez pas le voir à l'œil nu. Le système, lui, le peut.

Détection de profondeur cherche la tridimensionnalité. Un vrai visage a de la profondeur : votre nez dépasse, vos yeux sont en retrait. Une photo est plate. Certains systèmes utilisent les capteurs du téléphone pour mesurer cette profondeur ; d'autres analysent comment les ombres et la lumière changent quand vous bougez légèrement.

Analyse du mouvement observe les mouvements naturels. Même quand vous essayez de rester immobile, vous oscillez légèrement, vos yeux font des micro-mouvements, votre peau bouge quand vous respirez. Ces mouvements subtils et involontaires sont difficiles à simuler et faciles à détecter.

Défi-réponse vous demande de faire quelque chose de spécifique : tournez la tête à gauche, clignez deux fois, souriez. Une vidéo préenregistrée ne peut pas répondre à des instructions aléatoires. Cette approche active attrape les attaques sophistiquées mais ajoute de la friction à l'expérience utilisateur.

Contrôles d'intégrité de l'appareil détectent quand quelque chose ne va pas avec le téléphone lui-même. Le flux caméra est-il intercepté ? L'app tourne-t-elle sur un émulateur au lieu d'un vrai appareil ? Le téléphone est-il rooté ou jailbreaké d'une manière qui permet la falsification ? Ces signaux révèlent les attaques par injection.

Détection passive vs active

Il existe deux approches principales de la détection du vivant, et les meilleurs systèmes utilisent les deux.

Détection passive fonctionne invisiblement. Vous prenez juste un selfie normalement, et le système l'analyse pour des signes d'usurpation. Vous n'avez rien de spécial à faire, donc la vérification est rapide et facile. Cela attrape la plupart des attaques courantes sans aucune friction utilisateur.

Détection active vous demande d'effectuer des actions. « Tournez la tête à gauche. » « Clignez des yeux. » « Souriez. » En vérifiant que vous répondez correctement à des instructions aléatoires, le système confirme que vous ne présentez pas une vidéo ou une image fixe. Cela ajoute quelques secondes mais attrape les attaques plus sophistiquées.

La combinaison est puissante. L'analyse passive s'exécute à chaque vérification, attrapant les faux évidents instantanément. Quand le système a besoin de plus de confiance, ou quand le risque est plus élevé, les défis actifs fournissent une assurance supplémentaire. La plupart des utilisateurs légitimes passent les vérifications passives et ne voient jamais d'instruction active.

Ce qui rend la détection fiable

Une bonne détection du vivant doit fonctionner pour tout le monde, dans toutes les conditions. C'est plus difficile qu'il n'y paraît.

Les conditions d'éclairage varient énormément. Quelqu'un peut vérifier en plein soleil, dans une pièce faiblement éclairée ou sous un éclairage fluorescent de bureau. Le système doit distinguer les vrais visages des faux quelle que soit la luminosité de la scène.

Les gens sont différents. Les tons de peau, les structures faciales et les traits varient énormément selon les populations. Une détection qui fonctionne bien pour certains groupes mais mal pour d'autres crée à la fois des failles de sécurité et des expériences utilisateur injustes. L'entraînement sur des données diverses est essentiel.

Les accessoires compliquent les choses. Lunettes, lunettes de soleil, masques, chapeaux, foulards, écouteurs, barbes. Le système doit gérer cela avec tact, demandant aux utilisateurs de retirer les éléments qui interfèrent tout en acceptant ceux qui ne le font pas.

Les appareils varient énormément. Des derniers iPhones aux téléphones Android d'entrée de gamme, la qualité et les capacités des caméras diffèrent dramatiquement. La détection doit fonctionner de manière fiable sur tous.

Comment Folio gère la détection du vivant

La détection du vivant de Folio combine méthodes passives et actives, analysant plusieurs images plutôt qu'un seul cliché. Le système vérifie texture, profondeur, mouvement et intégrité de l'appareil simultanément, atteignant plus de 99% de précision dans la détection des tentatives d'usurpation.

La détection fonctionne sur iOS, Android et navigateurs web, s'adaptant automatiquement aux différentes capacités des appareils. Des instructions claires à l'écran aident les utilisateurs à se positionner correctement et à obtenir un bon éclairage. Quand le système détecte des lunettes, masques ou autres obstructions potentielles, il fournit des instructions spécifiques.

Pour les entreprises, la détection du vivant s'intègre à la vérification de documents et au Face Matching pour créer un flux de vérification d'identité complet. Le document prouve qui vous prétendez être. Le Face Matching prouve que vous êtes la personne sur ce document. La détection du vivant prouve que vous êtes vraiment là, pas une photo. Ensemble, ils fournissent une forte assurance contre la fraude.

À mesure que la technologie deepfake s'améliore, la détection du vivant évolue en réponse. Les modèles se mettent à jour continuellement, apprenant des nouveaux schémas d'attaque. Ce qui fonctionnait pour les fraudeurs le mois dernier est détecté ce mois-ci. C'est une course aux armements permanente, mais une course où la défense reste constamment en tête. En savoir plus sur la détection du vivant de Folio.