活体检验
预集成
通用API
【更新时间: 2023.12.25】
分析用户提交的自拍照片,判断内容中是否存在hack行为,验证当前用户是否为实人实时操作,以防御各种非真人的人脸攻击。检测成功会返回一张人脸照片用于人脸比对验证。多用于远程身份核验场景。
|
服务星级:7星
浏览次数
99
采购人数
1
试用次数
0
适用于个人&企业
收藏
×
完成
取消
×
书签名称
确定
|
- 详情介绍
- API文档
- 常见 FAQ
- 相关推荐
什么是活体检验?
"活体检验"是一种先进的生物识别技术,旨在验证进行身份验证或识别操作的是否为真实的生物体(即真人),而非通过照片、视频、二维或三维模具等伪造手段进行的欺骗行为。该技术广泛应用于金融、支付、门禁、安防等多个领域,以确保交易、访问或身份认证的安全性。通过活体检验,系统能够要求用户执行一系列动态、随机的动作或指令,如眨眼、张嘴、摇头、读取随机数字等,从而评估用户的生物特征和行为模式,以判断其是否为真实存在的个体。
什么是活体检验?
活体检验有哪些核心功能?
APP活体检测
通过面部打光方案完成炫瞳活体检测,配合眨眼、张嘴、摇头、左右转头、上下点头等动作,随机抓取多图进行活体判断,可自定义生效动作及校验顺序
|
H5活体检测
通过摄像头实时检测或录制视频上传,支持炫瞳活体/根据指示随机做出动作/读随机数字,确保视频的即时性,而非事先录制,云端进行活体分析,提升抵御攻击的能力
|
在线图片活体检测API
基于图片中人像的破绽(摩尔纹、成像畸形等),判断目标是否为活体,有效防止屏幕二次翻拍等作弊攻击,支持单张或多张判断逻辑
|
离线RGB活体检测
在线图片活体检测的离线版本,采集人像的破绽(摩尔纹、成像畸形等)来判断目标对象是否为活体,可在无网环境下离线使用
|
离线近红外活体检测
利用近红外成像原理,实现夜间或无自然光条件下的活体判断,在屏幕无法成像、材质反射率不同等情况下维持高鲁棒性
|
离线3D结构光活体检测
基于3D结构光成像原理,通过人脸表面反射光线构建深度图像,判断目标是否为活体,可强效防御图片、视频、屏幕、模具等攻击
|
活体检验的技术原理是什么?
"活体检验"的技术原理主要基于生物特征识别技术和计算机视觉技术的结合。首先,系统通过摄像头捕捉用户的面部图像或视频流,并利用图像处理技术提取关键特征点,如眼睛、嘴巴、鼻子等的位置和形状。然后,系统利用深度学习算法或模式识别技术,对用户执行的动作或指令进行实时分析和比对。这些动作或指令通常设计为难以被照片、视频或模具等伪造手段所模仿的动态行为,如眨眼频率、眼球运动、面部肌肉的自然变化等。通过检测这些细微的生理变化和行为特征,系统能够区分出真实用户与伪造手段之间的差异,从而做出准确的活体判断。
此外,"活体检验"技术还可能结合其他生物特征识别技术,如声纹识别、指纹识别等,以进一步提高验证的准确性和安全性。同时,为了应对日益复杂的欺骗手段,活体检验技术也在不断发展和更新,引入新的算法和模型,以更好地应对各种挑战。
活体检验的核心优势是什么?
标准API接口 |
服务商账号统一管理 |
零代码集成服务商 |
智能路由
|
服务扩展 服务扩展不仅提供特性配置和归属地查询等增值服务,还能根据用户需求灵活定制解决方案,满足多样化的业务场景,进一步提升用户体验和满意度。
|
可视化监控 |
在哪些场景会用到活体检验?
4. 远程考试与在线教育身份验证
在远程考试和在线教育日益普及的今天,确保参与者的身份真实性成为了一个重要挑战。为了防止替考、作弊等不正当行为,"活体检验"API接口在身份验证环节发挥着至关重要的作用。通过集成该接口,考试平台或在线教育系统可以要求考生在登录或考试开始前完成一系列活体检测动作,如张嘴、转头等,以验证其身份的真实性。这种方式不仅提高了身份验证的准确性和安全性,还增强了考试的公平性和公正性,保障了远程教育和考试的质量和信誉。
1. 上传人像照片
- 图示:
- 识别结果:鉴定为假
- 返回示例:
{“result”: “fake”, “score”: “1.00”, “log_id”: “55cef9a0-daa3-11ed-91bf-00000000d356”}
2. 活体识别
- 图示:
- 识别结果:鉴定为真
- 返回示例:
{“result”: “real”, “score”: “0.98”, “log_id”: “33cef6a5-cdd3-41bg-73af-00000000d126”}
一、采用先进检测技术
- 多种检测方式结合:
- 单一的检测方式可能存在局限性,因此可以采用多种检测方式相结合的方法,如结合眨眼、张嘴、摇头、点头等多种动作进行验证。
- 利用红外光检测、3D结构检测、脉搏或血液流动检测等多种技术手段,综合判断用户是否为真实活体。
- 高精度识别技术:
- 采用高精度的人脸识别算法和深度学习技术,提高对用户面部特征的捕捉和识别能力。
- 引入先进的图像处理技术,对图像进行预处理和特征提取,减少噪声和干扰因素的影响。
二、优化检测流程
- 动态指令:
- 在活体检验过程中,采用动态生成的指令,要求用户完成随机或不可预测的动作,以防止使用预先录制好的视频进行攻击。
- 多步骤验证:
- 将活体检验过程拆分为多个步骤,每个步骤都要求用户完成不同的动作或操作,以增加欺诈的难度。
- 实时监测与反馈:
- 在检测过程中实时监测用户的行为和反应,及时给出反馈和指导,确保用户按照要求完成检测。
三、加强监管与审核
- 建立严格的审核机制:
- 对活体检验的结果进行严格的审核和验证,确保结果的准确性和可靠性。
- 设立专门的审核团队或采用自动化审核工具,对疑似欺诈行为进行快速响应和处理。
- 定期更新检测算法:
- 密切关注活体检测技术的最新进展和动态,定期更新和优化检测算法,以应对新的欺诈手段。
四、提升用户体验
- 简化操作流程:
- 尽可能简化活体检验的操作流程,减少用户的操作负担和时间成本。
- 提供清晰的操作指南和提示信息,帮助用户快速完成检测。
- 增强隐私保护:
- 严格遵守相关法律法规和隐私政策,保护用户的个人隐私和数据安全。
- 在采集和处理用户信息时采取必要的安全措施,防止信息泄露和滥用。
参数名 | 参数类型 | 默认值 | 是否必传 | 描述 |
---|---|---|---|---|
facePhoto | String | 否 |
参数名 | 参数类型 | 默认值 | 描述 |
---|---|---|---|
message | String | 错误描述 | |
code | String | 错误编码 |
错误码 | 错误信息 | 描述 |
---|
请求参数{ "facePhoto": null } 返回参数 { "message": null, "code": null } 错误码 {}