景聯文科技人臉識別資料採集服務(二)——人臉欺詐相關資料
近年來,人臉識別被廣泛應用於支付轉賬、實名登記、解鎖解密、門禁考勤等場景。企查查資料顯示,目前我國共有超過1萬家人臉識別相關企業。中國是人臉識別裝置最大的消費區域,預計2023年佔全球比例將達到44.59%。
人臉是重要的隱私資訊,在未經同意的前提下,透過公開或非法手段,收集、儲存、盜取正常的人臉資料,一旦資訊出現洩露,極其容易被不法分子進行用於詐騙或者販賣牟利。
目前,由於人臉識別技術運用主體的技術條件和管理水平各有不同,人臉識別系統仍存在許多安全隱患。許多不法分子會透過作弊工具來干擾、攻擊人臉識別技術背後的系統和演算法。例如小偷利用面具騙過社群人臉識別門禁、現場列印他人照片登入其賬號、儲戶存款遭刷臉盜取二百萬等一系列人臉識別安全事件。
常見的人臉欺詐攻擊方式主要有以下5種:
l 列印人臉照片:攻擊者透過獲取被冒充者的真人照片,使用App對照片進行直接拍攝。
l 高畫質人臉影片:攻擊者準備被攻擊者的一段真人影片,或經過影像處理獲得合成影片,展示在螢幕上使用App進行拍攝。
l 戴三維面具:攻擊者頭戴被假冒者的仿製矽膠和塑膠面具進行拍攝,攻擊者利用面具的高度還原性,從而對活體檢測造成較大挑戰。
l AI換臉:攻擊者透過AI演算法,將影片中的人臉替換為目標使用者人臉,並透過手機注入手段來進行影片替換,以繞開活體檢測。
l T形眼鏡:攻擊者獲取到被冒充者的真人照片,列印出來並保留眼睛T型區域,貼在眼鏡框架上,進行拍攝攻擊。攻擊者利用被攻擊者的照片透過演算法在眼部生成相應“干擾影像”,加上干擾影像,就能接近被攻擊者的特徵,攻破人臉識別模型。
這些攻擊方式可以提供近乎真人的人臉資訊,具有較高欺詐性。因此,我們需要使用反欺騙技術來防止這些攻擊。研發具有反欺詐攻擊能力的人臉識別系統已受到越來越多企業的重視。
活體檢測是在一些身份驗證場景確定物件真實生理特徵的方法,在人臉識別應用中,活體檢測能透過眨眼、張嘴、搖頭、點頭等組合動作,使用人臉關鍵點定位和人臉追蹤等技術,驗證使用者是否為真實活體本人操作。可有效抵禦照片、影片、AI換臉、面具、遮擋、3D動畫以及螢幕翻拍等常見的攻擊手段,從而幫助使用者甄別欺詐行為,是人臉識別系統安全性的重要保障之一。
作為人工智慧產業的內部驅動力,資料、演算法和算力三大要素對人工智慧技術的升級發展至關重要。人臉識別技術需要積累大量訓練資料用來驗證相關演算法。景聯文科技承接過多個人臉採集專案,擁有豐富的專案經驗。
案例 某知名企業人臉欺詐資料採集
l 採整合像裝置:主流的品牌andriod、apple手機、平板,不少於10種
l 手機前置:後置=8:2
l 採集數量:2000個id,螢幕翻拍樣本數為2w段翻拍短影片,照片翻拍樣本數為20w張照片
l 採集步驟:
生成正樣本為真人採集,使用不同解析度的2種裝置採集正樣本;影片採集5-7s,並進行張嘴、眨眼、左右搖頭、上下點頭、讀數字等;
生成負樣本為先列印的600張高畫質照片、沖印的1400張高畫質照片,每人一張,各個活體動作平均,採集時按相應要求拍攝;
透過剪裁紙張或者照片裡的人臉間接遮擋、部分拼湊,採集時按相應要求拍攝;
3D人臉模型攻擊樣本採集需要與裝置保持合適的距離,採集時按相應要求拍攝,擴充環境變數,如不同光照場景,拍攝背景和角度變換等因素,如給3D人臉模型穿上不同衣服
l 成像角度:-45度、0度、正45度
l 光線條件:環境亮度為亮、正常、暗(2:6:2),螢幕亮度為亮、正常、暗 (2:6:2)
l 採集場景:室內:室外(7:3)
景聯文科技作為長三角地區規模最大的AI基礎資料服務商之一,擁有非常豐富的人臉採集專案實施經驗及完善的專案管理一體化流程,在全國27個省市自治區52個國家中有近一萬人的被採集人員儲備,支援多年齡段、多角度、多表情、多光線的人臉影像採集,支援人臉欺詐相關資料採集,還可根據企業實際需求為企業提供定製化服務。
擁有實時量化的可視資料採集、處理、質量檢測系統,擁有管理和執行的平臺化能力。多年業務運維經驗建立標準化流程體系,3道質檢程式,準確率高達99.1%。專案經理擁有3-5年專案執行經驗,對計算機視覺等演算法訓練需求有深刻的理解能力。
作為全國資訊科技標準化技術委員會單位委員,景聯文始終將客戶資料安全放在第一位,率先透過ISO27001資訊保安管理體系認證、ISO9001質量管理體系認證和ISO27701隱私資訊保安管理體系認證,簽署供應商保密協議,制定完善資訊隱私保護方案,成立資料資訊與隱私保護工作小組,定期組織專案經理,質檢員和標註員進行資料安全和隱私保密的培訓考試,保證資料安全合規,保護客戶資料隱私。
景聯文科技|資料採集|資料標註
助力人工智慧技術,賦能傳統產業智慧化轉型升級
文章圖文著作權歸景聯文科技所有,商業轉載請聯絡景聯文科技獲得授權,非商業轉載請註明出處。
往期相關文章:
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70025739/viewspace-2938647/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 人臉識別——景聯文科技提供3D頭模資料採集業務!3D
- 人臉識別資料集和特點
- 刪除十億人臉資料,Facebook關閉人臉識別系統
- 人臉識別資料集 - BioID Face Database - FaceDBDatabase
- 人臉識別資料集 - Labeled Faces in the Wild Home (LFW)
- 人臉識別資料集 - PubFig: Public Figures Face DatabaseDatabase
- Python-OpenCV人臉識別之資料集生成PythonOpenCV
- 如何構建自定義人臉識別資料集
- 為人臉識別技術提供AI基礎資料服務支援AI
- 人臉識別資料集 - Multi-Task Facial Landmark (MTFL) dataset
- 人臉識別資料集 - Large-scale CelebFaces Attributes (CelebA) Dataset
- 人工智慧資料標註案例之人臉識別 | 景聯文科技人工智慧
- 人臉聚類那些事兒:利用無標籤資料提升人臉識別效能聚類
- 提高掃地機器人避障能力,景聯文科技提供專業資料採集服務機器人
- 面部識別必看!5篇頂級論文了解如何實現人臉反欺詐、跨姿勢識別
- 人臉識別相關開源專案彙總
- opencv 人臉識別OpenCV
- 又一非法採集人臉資訊企業被查處!人臉資訊保護刻不容緩
- 人臉檢測識別,人臉檢測,人臉識別,離線檢測,C#原始碼C#原始碼
- 人臉識別之Python DLib庫進行人臉關鍵點識別Python
- 人臉識別之特徵臉方法(Eigenface)特徵
- 人臉識別系列(二):DeepID1
- Java 基於ArcFace人臉識別2.0 服務端DemoJava服務端
- 人臉活體檢測人臉識別:眨眼+張口
- python ubuntu dlib人臉識別3-人臉對齊PythonUbuntu
- 前端人臉識別--兩張臉相似度前端
- 美國要在邊境大搞人臉識別,求你千萬別丟資料庫資料庫
- 美顏SDK與人臉識別技術有哪些關聯?
- C#人臉識別入門篇-STEP BY STEP人臉識別--入門篇C#
- 智慧人臉識別門禁系統開發,人臉識別開鎖流程
- 一文讀懂人臉識別技術
- 虹軟人臉識別SDK - Java服務端的那些事Java服務端
- 乾貨 | AI人臉識別之人臉搜尋AI
- python—呼叫API人臉識別PythonAPI
- 人臉識別爭議:“錢景”燦爛,前景暗淡?
- 淺析人臉識別技術應用場景
- 保障人臉安全!頂象釋出《人臉識別安全白皮書》
- 「專利解密」商湯科技:AI加持人臉識別解密AI