Une nouvelle fonctionnalité de détection des attaques de présentation a été ajoutée à l’API Clearview Consent de Clearview AI pour permettre aux développeurs d’intégrer la détection d’usurpation d’identité dans les solutions de vérification d’identité.
Selon le les gens qui l’ont fait.
Clearview a envisagé une gamme d’approches, et le PDG Hoan Ton-That souligne que les développeurs n’ont généralement pas accès au matériel spécialisé derrière les systèmes biométriques 3D basés sur les appareils.
L’engagement précoce avec les clients de Clearview Consent a permis de mieux comprendre comment les entreprises et les développeurs envisagent de l’utiliser, ce qui a non seulement convaincu l’entreprise de poursuivre la détection de la vivacité basée sur des images 2D, mais également d’imaginer une gamme d’applications.
« Nous envisageons également une vidéo sur la vivacité passive, mais certains fournisseurs ont dit nous « Nous avons ces anciens profils, et nous voulons savoir combien d’entre eux sont des deepfakes et combien sont des attaques de présentation », a déclaré Clearview Ton-That à Biometric Update dans une interview. .
Il raconte l’histoire d’une plate-forme de cryptographie qui a examiné les images acceptées par son fournisseur KYC et a trouvé des photos et des impressions de visages.
La technologie de Clearview se concentre sur des images uniques à partir d’images RVB commerciales, a déclaré le vice-président de la recherche, Terence Liu, à Biometric Updateau cours du même appel vidéo.
Clearview adopte une approche d’ensemble, combinant des modèles qui recherchent différentes choses, dit Liu.
Il a partagé une démo du logiciel, qui recherche séparément les attaques par rejeu et les masques. Dans quelques cas parmi tant d’autres dans la démo, le logiciel a détecté les deux dans une image qui était clairement une rediffusion à l’œil humain. Cela, explique Ton-That, est dû aux paramètres de seuil.
Les paramètres peuvent être personnalisés pour différentes applications à partir de l’API, et Clearview fournit des paramètres recommandés.
Sous le capot
Lorsqu’on l’interroge sur les indications selon lesquelles les usurpations et les deepfakes de mauvaise qualité peuvent être plus efficaces pour échapper à la détection par certains systèmes conçus pour les repérer, Liu a un compte rendu technique prêt pour expliquer pourquoi.
« Si vous concevez votre modèle pour cibler la différenciation très fine entre un vrai visage et un très bon masque, votre modèle sera spécialisé dans cette catégorie, mais manquera probablement les autres choses », explique-t-il. . « Donc, vous voulez avoir une approche d’ensemble de modèles. Vous disposez d’un filtre grossier pour vous débarrasser de tous les cas extrêmes, d’un autre qui effectue un zoom sur des cas spécifiques, puis vous pouvez limiter le type de données d’entraînement que vous fournissez à chacun des modèles. »
« Beaucoup de ces masques commerciaux ont des motifs de rides très étranges », note Liu.
Ton-That souligne l’importance du volume de données d’entraînement et note la taille relativement modeste des ensembles de données d’entraînement dont disposait Clearview pour les algorithmes PAD lorsqu’il a commencé à travailler sur la solution.
« Nous pourrions augmenter les ensembles de formation de manière assez amusante, en plaçant ces photos de masques dans Clearview et en trouvant bien plus d’exemples de masques. » Un exemple est un masque du personnage principal de l’émission télévisée Breaking Bad, qui a été trouvé dans des images sous différents angles et dans une large gamme de conditions d’éclairage.
Liu affirme que l’expansion continue de réseaux de neurones plus vastes et plus profonds a stimulé les applications d’IA par rapport aux fonctionnalités triées sur le volet dans de nombreux domaines.
« Je constate une tendance similaire dans ce domaine également ancien de la détection des attaques de présentation », déclare-t-il.
Le domaine de la PAD biométrique a parcouru un long chemin depuis les techniques axées sur des caractéristiques particulières dans le passé, telles que les schémas vasculaires. Maintenant, la formation des réseaux de neurones se résume à une simple question, explique Liu : « Est-ce que cela évalue mieux, en termes de précision, sur mon ensemble de données, et est-ce que mon ensemble de données est plus proche de la vérité de terrain pour l’application qui m’intéresse. »
Les inquiétudes concernant la source des données que Clearview utilise pour former ses algorithmes continuent d’être exprimées par le ACLU, mais Ton-That a déclaré à la mise à jour biométrique lors du lancement de Clearview Consent que la société « n’anticipe aucun problème ” sur ce front.
Les défis d’échelle dans le développement de la biométrie, pour les données de formation et les volumes eux-mêmes, sont familiers et aident à expliquer les lacunes dans les performances de certains algorithmes.
« Les modèles sont très intelligents, mais ce n’est pas aussi intelligent si vous ne voyez pas les données pour une tâche particulière », déclare Liu. « L’industrie, toute l’industrie de la vision par ordinateur, pas seulement la biométrie, est au courant de cela. C’est pourquoi tous ces grands modèles de transformateurs sont pré-formés. Je m’attends à une révolution similaire à la façon dont les modèles linguistiques ont révolutionné ce domaine. »
L’engagement des clients avec Clearview Consent a été fort jusqu’à présent, selon Ton-That, avec une plate-forme KYC, un fournisseur BNPL et une application de sécurité scolaire parmi ses premiers utilisateurs. La reprise a été entièrement organique jusqu’à présent, et les entreprises adoptantes prennent toujours plus de temps. Il est convaincu que les options de déploiement cloud et Docker et la tarification par requête aideront à attirer davantage de clients.
La société est enthousiasmée par les tests PAD prévus par le NIST, et Ton-That dit qu’elle étudie toutes les options de test.
« Plus il y a de tests, mieux c’est, et plus nous avons de standardisation autour de cela, mieux c’est », dit-il.
L’opinion de Ton-That et Liu sur les tests correspond à leur point de vue sur les données d’entraînement, Liu notant que les tests doivent être aussi larges que possible « pour éviter cette lacune dans le domaine ».
La fonctionnalité PAD de Clearview Consent est désormais disponible via l’API.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
