Se você depende de biometria para integração ou autenticação, a detecção de vivacidade (também chamada de detecção de ataque de apresentação , PAD) é fundamental para impedir a falsificação biométrica — desde fotos impressas e reproduções de tela até máscaras 3D e deepfakes. Quando feita corretamente, a detecção de vivacidade comprova a presença de uma pessoa real no sensor antes que qualquer reconhecimento ou correspondência ocorra.
Resposta rápida: como a detecção de atividade interrompe a falsificação
A detecção de vivacidade distingue sinais biométricos reais de ataques de apresentação (PAs) usando estímulos ativos (por exemplo, piscar de olhos, virar a cabeça, palavras aleatórias) ou análise passiva (por exemplo, textura, resposta à luz, pistas de profundidade, micromovimentos). A norma ISO/IEC 30107-3 especifica como a detecção de PAD deve ser avaliada e relatada , permitindo uma comparação direta entre fornecedores.
Definições e conceitos básicos
Ataque de apresentação (PA): Qualquer tentativa de subverter um sensor biométrico com um artefato (foto, vídeo, máscara) ou mídia manipulada (replay, deepfake).
Detecção de Ataque de Apresentação (PAD): Mecanismos que detectam APs e relatam resultados de forma padronizada; ISO / IEC 30107 3- define métodos de teste e relatórios para que os compradores possam comparar soluções.
A falsificação biométrica evoluiu. Os primeiros PAs dependiam de impressões 2D; os ataques mais recentes usam replays OLED de alta resolução, máscaras 3D texturizadas e deepfakes gerados por IA. Os algoritmos PAD modernos analisam sinais multissinal (por exemplo, microtextura da pele, respostas fotométricas, profundidade/IR) para decidir se uma amostra é viva.
Detecção de vitalidade ativa vs. passiva
- Vivacidade ativa: O usuário responde a um comando — piscar, sorrir, virar à esquerda/direita, dizer uma frase. Prós: modelo mental simples; forte contra ataques 2D básicos. Contras: adiciona atrito; comandos podem ser aprendidos/falsificados se implementados de forma ingênua.
- Vivacidade passiva: Sem prompts. O modelo infere a vivacidade a partir de sinais naturais (textura, paralaxe de movimento, PPG remoto, reflexos de lente). Prós: ótima UX; escalável para KYC de alto volume. Contras: mais difícil de construir; precisa acompanhar o ritmo de novos PAs e deepfakes.
Na prática, muitas plataformas combinam ambas as abordagens por meio de fluxos adaptativos ao risco : iniciam com verificações passivas e intensificam para verificações ativas ou multimodais quando o risco é alto (por exemplo, anomalias de velocidade, TOR, emulação de dispositivos).
Métodos de detecção que você verá no campo
- Análise de textura e refletância:A pele exibe microtextura de granulação fina e respostas fotométricas que diferem de telas e mídias impressas.
- Micromovimentos e pistas temporais: Piscadas involuntárias de olhos, balanços sutis de cabeça ou sinais de fluxo sanguíneo em quadros são difíceis de reproduzir de forma convincente.
- Detecção de profundidade e infravermelho: Luz estruturada ou ToF pode fazer com que falsificações 2D falhem; IR destaca diferenças materiais.
- Desafio-resposta (ativo): Prompts aleatórios aumentam o custo do invasor.
- multimodal: Combinar sinais de rosto, voz e dispositivo pode reduzir ainda mais as falsas aceitações.
Os fornecedores descrevem essas técnicas de maneira diferente, mas elas correspondem às categorias de PAD reconhecidas na literatura do setor e nos guias do comprador.
Quais são alguns tipos de falsificação biométrica?
Diferentes tipos de falsificação biométrica combinam diferentes métodos de autenticação e exploram seus pontos fracos. Como resultado, os ataques de apresentação podem ter como alvo diversas modalidades biométricas, incluindo:
Ataques de falsificação de reconhecimento facial
- Ataque de impressão: Usando uma foto estática (fosca/brilhante). O PAD sinaliza a planura, destaques especulares, ou aliasing de granulação de impressão.
- Ataque de repetição: Exibição de um vídeo facial em um celular/monitor. O PAD passivo inspeciona artefatos de atualização da tela e muito mais, enquanto os prompts ativos aumentam a dificuldade.
- Ataque de Máscara 3D: Máscaras de silicone/látex/impressas em 3D com contornos. Detecção de profundidade/IR e análise de refletância do material ajudam a combater esses problemas.
- Ataque Deepfake: Vídeos gerados por IA ou com troca de rostos que podem passar por verificações rudimentares. Procure por inconsistência temporal.
Ataques de falsificação de reconhecimento de impressão digital
- Impressões digitais falsas: Moldes feitos de silicone, gelatina ou tintas condutoras. O PAD utiliza a dinâmica dos poros de suor, diferenças de capacitância/óptica e sinais de vivacidade (por exemplo, transpiração ao longo do tempo).
- Impressões digitais latentes: Removendo resíduos dos sensores para recriar detalhes da crista. Higienização regular dos sensores. e a atividade baseada no tempo atenua o risco.
- Impressões digitais impressas em 3D: Moldes de alta resolução que se aproximam da profundidade da crista; contador com detecção multiespectral e limites de desafio ajustados aos alvos APCER/BPCER.
Ataques de falsificação de reconhecimento de íris
- Imagens digitais de íris: Impressões ou exibições de alta qualidade da íris. O PAD detecta a ausência de resposta pupilar., incompatibilidade de padrões especulares, e profundidade plana.
- Olhos artificiais ou lentes de contato: Lentes texturizadas ou próteses tentam imitar os padrões da íris; reflectância, espectral, e verificações de movimento ajudam.
- Olhos Físicos (cadáver/animal): Raro e extremo; respostas térmicas e reflexas expõem amostras não vivas. (A cobertura e a prevalência variam; as evidências são limitadas na literatura aberta — valide com seus próprios testes.)
Casos de uso de detecção de atividade em vários setores
De serviços bancários e criptomoedas a telecomunicações e eGov, esses casos de uso demonstram agilidade na interrupção de falsificações em KYC, transferências de alto valor, fluxos de SIM/eSIM, acesso a ID digital e exames remotos, mantendo a fraude afastada e, ao mesmo tempo, reduzindo o atrito do usuário.
Bancos, FinTech, Criptomoedas
- Integração KYC: Detecção de vivacidade facial para bloquear tentativas de impressão/reprodução/deepfake antes da correspondência de identificação facial.
- Aprovação de transferência de alto valor: Atividade passiva → correspondência facial para transferências acima de um limite.
- Recuperação de conta: Atividade + correspondência quando e-mail/telefone é alterado ou dispositivo é reassociado.
- Caixas eletrônicos/agências: Presença de rosto em quiosques para saques de dinheiro sem cartão.
- Saques em exchanges de criptomoedas: Verificação de atividade antes de pagamentos de carteira externa.
Pagamentos e comércio eletrônico
- Triagem de fraude em novas contas: Atividade passiva na primeira compra com checkout acelerado.
- Prevenção de reembolso/estorno: Vivacidade antes de emitir reembolsos de alto valor ou re-tokenização de cartão.
- Integração de comerciantes: Atividade para verificação do proprietário beneficiário em inscrições de vendedores do mercado.
Telecomunicações
- Registro de SIM / eKYC: Vivacidade para evitar aluguel de identidades e IDs sintéticos.
- Troca de SIM e ativação de eSIM: Aumente a atividade antes da portabilidade ou troca do SIM.
- Controle de fraudes no varejo: Os tablets na loja capturam a vivacidade para vincular o SIM ao cliente legítimo.
Governo, Setor Público, eID
- Emissão/renovação de ID digital: Inscrição remota com liveness para bloquear ataques de apresentação.
- Portais de Atendimento ao Cidadão: Vivacidade antes de acessar benefícios, registros fiscais ou dados de saúde.
- Testes de fronteira/portão eletrônico: Vivacidade com verificações de documentos com chip em portões automatizados (programas piloto).
Educação, Exames, Certificação
- Supervisão remota: Vivacidade no início e verificações periódicas para impedir a representação falsa.
- Emissão de credenciais: Presença antes da emissão de certificados ou crachás digitais.
Detecção de vivacidade que funciona: faça parceria com a Shaip
A detecção de presença é sua primeira defesa contra falsificações biométricas — de impressões e reproduções a máscaras 3D e deepfakes. Combine fluxos passivos e adaptáveis a riscos com monitoramento contínuo e valide o desempenho no seu próprio tráfego.
Como o Shaip ajuda (comprovado, pronto para produção):
- Conjuntos de dados anti-spoofing facial prontos para licenciar cobertura Máscara 3D, maquiagem e ataques de repetição, com rotulagem opcional e controle de qualidade para treinamento de modelos de liveness/PAD. Exemplos incluem conjuntos de vídeos selecionados, como o Ataque de Máscara 3D e Maquiagem coleção e Real + Repetição bibliotecas, que são dimensionadas em milhares de clipes.
- Estudo de caso: Entrega de 25,000 vídeos anti-spoofing da 12,500 participantes (um real + um replay cada), gravado em 720p+ / ≥26 FPS, com 5 grupos étnicos e metadados estruturados — criados para melhorar a robustez da detecção de fraudes.
- Dados de imagens faciais e vídeos de origem ética para acelerar o treinamento e reduzir o preconceito em iniciativas de reconhecimento facial empresarial.
Vamos conversar: Se você precisa de coleta de dados biométricos , fornecimento de conjuntos de dados de reconhecimento facial ou anotação de dados por IA para fortalecer sua segurança contra ataques emergentes, a Shaip pode elaborar um conjunto de dados adequado ao risco e um plano de avaliação alinhado aos seus KPIs e necessidades de conformidade.
