UK Scale-up leistet Pionierarbeit bei neuer ID-Verifizierungstechnik: Drehende Köpfe

Ein britisches Scale-up hat diese Woche einen branchenweit ersten Ansatz zur Identitätsprüfung vorgestellt: die Aufforderung an die Benutzer, den Kopf zu drehen.

Onfidoein Spin-out der Universität Oxford, brachte die Software inmitten des zunehmenden Identitätsbetrugs auf den Markt. Wachsender wirtschaftlicher Druck, zunehmende Digitalisierung und pandemiebedingter Umbruch kürzlich veranlasste Politiker, davor zu warnen eine „Betrugsepidemie“ fegt über Onfidos Heimatland Großbritannien.

Ähnliche Entwicklungen sind weltweit zu beobachten. In den USA wurden beispielsweise im Jahr 2020 rund 49 Millionen Verbraucher Opfer von Identitätsbetrug kosten sie insgesamt rund 56 Milliarden Dollar.

Abonnieren Sie jetzt unseren Newsletter, um eine wöchentliche Zusammenfassung unserer beliebtesten KI-Geschichten in Ihrem Posteingang zu erhalten.

Diese Trends haben ausgelöst ein Boom auf dem ID-Verifizierungsmarkt. Immer ausgeklügeltere Betrüger zwingen die Anbieter auch dazu, fortschrittlichere Erkennungsmethoden zu entwickeln.

Onfido gab TNW eine exklusive Demo ihres Neuzugangs auf diesem Gebiet: ein atemberaubendes Capture-Erlebnis namens Motion.

Die Einführung des biometrischen Onboardings wurde durch zwei Hauptprobleme gebremst. Berüchtigt sind „aktive“ Erkennungsmethoden, die den Benutzer auffordern, eine Abfolge von Gesten vor einer Kamera auszuführen hohe Abbruchquoten.

„Passive“ Ansätze beseitigen diese Reibung, da sie keine spezifischen Benutzeraktionen erfordern, aber dies schafft oft Unsicherheit über den Prozess. Ein bisschen Reibung kann Kunden beruhigen – aber zu viel schreckt sie ab.

Motion versucht, diese beiden Probleme zu lösen. Giulia Di Nola, eine Onfido-Produktmanagerin, sagte gegenüber TNW, das Unternehmen habe mehr als 50 Prototypen getestet, bevor es entschieden habe, dass die Erfassung der Aufmerksamkeit die beste Balance bietet.

„Wir haben mit Gerätebewegungen, verschiedenen Musterbewegungen, Feedback von Endbenutzern experimentiert und mit unserem Forschungsteam zusammengearbeitet“, sagte sie. „Dies war der optimale Punkt, den wir als einfach zu bedienen und sicher genug empfanden und der uns alle Signale liefert, die wir brauchten.“

Onfido arbeitet mit Check
Onfido verkauft Motion als SDK an Kunden wie die Rollervermietungsplattform Prüfendie das System zur Eröffnung von Kundenkonten nutzt. Kredit: Scheck

Laut Onfido liegen die falschen Ablehnungs- und Akzeptanzraten des Systems unter 0,1 %. Die Verifizierungsgeschwindigkeit beträgt für 95 % der Benutzer 10 Sekunden oder weniger. Das ist schnell für das Onboarding von Clients, aber ziemlich langsam für die häufige Nutzung – was erklären könnte, warum Onfido den Dienst noch nicht für die regelmäßige Authentifizierung nutzt.

In unserer Demo fühlte sich der Prozess schnell und nahtlos an. Nach dem Teilen einer Foto-ID wird der Benutzer angewiesen, seine Gesichtsbiometrie über ein Smartphone bereitzustellen. Sie werden zunächst angewiesen, ihr Gesicht innerhalb des Rahmens zu positionieren und dann den Kopf leicht nach rechts und links zu drehen – die Reihenfolge spielt keine Rolle.

Während sie sich bewegen, gibt das System Feedback, um die korrekte Ausrichtung sicherzustellen. Augenblicke später liefert die App ihre Entscheidung: klar.

Unter der Haube

Während sich der Benutzer dreht, KI vergleicht das Gesicht auf der Kamera mit dem auf dem Ausweis.

Das Video wird in mehrere Frames sequenziert, die dann in verschiedene Unterkomponenten getrennt werden. Als nächstes eine Reihe von tiefes Lernen networks analysiert sowohl die einzelnen Teile als auch das Video in seiner Gesamtheit.

Die Netzwerke erkennen Muster innerhalb des Bildes. Bei der Gesichtserkennung reichen diese Muster von der Form einer Nase bis zu den Farben der Augen. Im Fall von Anti-Spoofing könnten die Muster Reflexionen von einem aufgezeichneten Video, Einfassungen auf einem digitalen Gerät oder die scharfen Kanten einer Maske sein.

Jedes Netzwerk baut eine Darstellung des Eingabebildes auf. Alle Informationen werden dann zu einem einzigen Score aggregiert.

„Das sehen unsere Kunden: Ob wir glauben, dass die Person echt oder eine Fälschung ist oder nicht“, sagte Romain Sabathe, Leiter der angewandten Wissenschaft für maschinelles Lernen bei Onfido.


Onfidos Vertrauen in Motion rührt zum Teil von einem ungewöhnlichen Unternehmensbereich her: einer Betrugserstellungseinheit.

An einem Ort, der einem Fotostudio ähnelt, testete das Team verschiedene Masken, Beleuchtungsauflösungen, Videos, manipulierte Bilder, Bildwiederholraten und Winkel. Insgesamt schufen sie mehr als 1000.000 verschiedene Betrugsbeispiele – die zum Trainieren der Algorithmus.

Jeder Fall wurde auf dem System getestet. Wenn es die Kontrollen bestand, untersuchte das Team Motion weiter mit ähnlichen Arten von Betrug, wie z. B. verschiedenen Versionen einer Maske. Dies erzeugte eine Feedback-Schleife, um Probleme zu finden, sie zu lösen und den Mechanismus zu verbessern.

Motion musste auch mit einer Vielzahl von Benutzern arbeiten. Trotz Klischees über die Opfer betrifft Betrug die meisten Bevölkerungsgruppen ziemlich gleichmäßig. Um sicherzustellen, dass das System ihnen dient, setzte Onfido verschiedene Trainingsdatensätze und umfangreiche Tests ein. Das Unternehmen sagt, dass dies algorithmische Verzerrungen und falsche Ablehnungen in allen geografischen Regionen reduziert hat.

Betrug planen

Sabathe demonstrierte, wie Motion funktioniert, wenn ein Betrüger eine Maske verwendet.

Wenn das System sein Gesicht erfasst, extrahiert es Informationen aus dem Bild. Anschließend werden die Ergebnisse als Koordinaten auf einem 3D-Diagramm dargestellt.

Das Diagramm besteht aus farbigen Clustern, die Merkmalen sowohl von echten Benutzern als auch von Betrugsarten entsprechen. Wenn Sabathe die Maske aufsetzt, zeichnet das System das Bild auf dem Betrugscluster. Sobald er es abnimmt, tritt der Punkt in den echten Cluster ein.

„Wir können anfangen zu verstehen, wie das Netzwerk die verschiedenen Spoof-Typen und die verschiedenen echten Benutzer interpretiert, die es basierend auf dieser Darstellung sieht“, sagte er.


Onfidos Kopfdrehtechnik ähnelt einer
wurde letzten Monat von Metaphysic.ai enthülltein Startup hinter den viralen Deepfakes von Tom Cruise. Forscher des Unternehmens entdeckten, dass ein Seitenblick Deepfake-Videoanrufer entlarven könnte.

Di Nola stellt fest, dass solche Angriffe auf synthetische Medien selten bleiben – vorerst.

„Das ist definitiv nicht die häufigste Angriffsart, die wir in der Produktion sehen“, sagte sie. „Aber es ist ein Bereich, dessen wir uns bewusst sind und in den wir investieren.“

Im Bereich des Identitätsbetrugs werden sich sowohl Angriffe als auch Verteidigungen weiterhin schnell weiterentwickeln.


Source: The Next Web by thenextweb.com.

*The article has been translated based on the content of The Next Web by thenextweb.com. If there is any problem regarding the content, copyright, please leave a report below the article. We will try to process as quickly as possible to protect the rights of the author. Thank you very much!

*We just want readers to access information more quickly and easily with other multilingual content, instead of information only available in a certain language.

*We always respect the copyright of the content of the author and always include the original link of the source article.If the author disagrees, just leave the report below the article, the article will be edited or deleted at the request of the author. Thanks very much! Best regards!