Saltar al contingut principal
La Prova de vida de Didit confirma que hi ha una persona viva i real davant de la càmera, i no pas una foto impresa, una reproducció en pantalla, una màscara o un deepfake, mitjançant prova de vida passiva, acció 3D o flash. Assoleix una precisió del 99.9% amb una taxa de falsa acceptació (FAR) per sota del 0.1%. La lliçó d’Academy sobre el flux d’usuari allotjat arriba a la selfie de la prova de vida al minut 8:49, seguida al minut 9:16 pels mètodes de prova de vida passiva, 3D Flash i acció 3D.

​
Mètodes de prova de vida

La nostra plataforma implementa tres tecnologies antisuplantació diferenciades, cadascuna adaptada a necessitats de seguretat i experiències d’usuari diferents:
MètodeDescripcióNivell de seguretatIdeal per a
3D Action & Flash• Combina la verificació biomètrica multifactor amb una seqüència d’accions aleatòria i l’anàlisi dinàmica de patrons de llum.
• A l’inici, es demana a l’usuari que faci una acció senzilla—com ara parpellejar o assentir amb el cap—, cosa que garanteix una interacció en temps real.
• Simultàniament, el sistema projecta una seqüència de patrons de llum sobre la cara i n’analitza els reflexos per confirmar l’estructura tridimensional del rostre.
• Els algorismes d’aprenentatge profund examinen les microexpressions i les respostes de reflexió de la llum per verificar la presència d’una persona viva.
• Ofereix el nivell màxim de seguretat en integrar senyals conductuals (acció) i físics (profunditat basada en la llum), cosa que fa gairebé impossible suplantar-la amb imatges estàtiques, vídeos o fins i tot màscares avançades.		MàximBanca, sanitat, aplicacions governamentals
3D Flash• Utilitza l’anàlisi dinàmica de patrons de llum per validar la topologia facial sense requerir la interacció de l’usuari.
• Projecta una sèrie de patrons de llum sobre la cara a més de 30 fotogrames per segon, analitzant els reflexos per crear un mapa de profunditat.
• Aquest mapa de profunditat confirma l’estructura tridimensional de la cara i la distingeix d’imatges planes o suplantacions en 2D.
• Proporciona una experiència fluida alhora que manté una alta seguretat contra atacs de presentació com ara fotos o pantalles.
AltServeis financers, accés a comptes, verificació d’identitat
Passive Liveness• Es basa en l’anàlisi d’aprenentatge profund d’un sol fotograma per detectar indicis de vida.
• Examina la imatge per detectar artefactes, patrons de textura i altres indicadors subtils que diferencien una cara real d’una suplantació.
• Una xarxa neuronal convolucional (CNN) valida els trets facials i identifica anomalies, com ara les procedents de fotos impreses o pantalles digitals.
• Ofereix una verificació ràpida i còmoda, però proporciona una seguretat estàndard, adequada per a casos d’ús de baix risc.
EstàndardEscenaris de baixa fricció, aplicacions de consum
Seguretat avançada de 3D Flash i Acció 3D i Flash:
  • Aquests mètodes estan dissenyats per neutralitzar atacs de suplantació sofisticats, com ara màscares d’alta qualitat, deepfakes i reproduccions de vídeo.
  • En projectar patrons de llum dinàmics i analitzar-ne els reflexos, detecten com interactua la llum amb una cara 3D real en comparació amb una superfície plana o artificial.
  • El mètode Acció 3D i Flash afegeix una capa addicional de seguretat amb una acció aleatòria (p. ex., parpellejar o assentir amb el cap), exigint respostes conductuals en temps real que el contingut multimèdia pregravat o les identitats sintètiques no poden replicar.
  • Aquests mètodes han demostrat oferir una alta precisió i taxes de falsa acceptació baixes, per la qual cosa són ideals per a entorns d’alta exigència.
Cada mètode genera una puntuació de prova de vida normalitzada (0-100%) basada en el nostre algorisme propietari, que avalua múltiples factors de seguretat en temps real.

​
Llindars configurables

Pots personalitzar els nivells de seguretat establint diferents llindars per a les puntuacions de prova de vida. Per exemple:
Configuració dels llindars de prova de vida de Didit per a l'antisuplantació passiva i activa
Aquests llindars es poden ajustar en funció de la teva tolerància al risc i dels teus requisits de seguretat, oferint flexibilitat per a diferents casos d’ús.

​
Reintents i indicacions útils

En una sessió de Didit, una captura de prova de vida que falla per un motiu solucionable (il·luminació deficient, rostre no centrat, oclusió, una puntuació límit) no es rebutja immediatament. Es demana a l’usuari que reintenti amb indicacions específiques, fins a un nombre configurable d’intents.
  • Límit d’intents — face_liveness_max_attempts controla el nombre total d’enviaments de prova de vida per sessió. Per defecte 3 (un intent inicial més dos reintents), configurable per node del flux de treball (interval 1–3).
  • Indicacions de reintent — mentre quedin intents, una fallada reintentable manté l’usuari en el pas de prova de vida i retorna un cos que conté feedback_codes útils (els SDK web i mòbils els mostren automàticament com a missatges d’orientació):
  • Codis reintentables — LOW_FACE_LUMINANCE (massa fosc), HIGH_FACE_LUMINANCE (massa clar), NO_FACE_DETECTED, LOW_FACE_QUALITY, HIGH_FACE_OCCLUSION, LOW_LIVENESS_SCORE, MULTIPLE_FACES_DETECTED, AGE_NOT_DETECTED.
  • Reintent garantit per condicions de captura — LOW_FACE_LUMINANCE, HIGH_FACE_LUMINANCE, LOW_FACE_QUALITY, HIGH_FACE_OCCLUSION i NO_FACE_DETECTED descriuen l’espai on es troba l’usuari, no pas la persona. Quan un intent falla només per aquests codis, l’usuari sempre obté un segon intent amb el missatge d’orientació anterior, fins i tot en un flux de treball configurat amb face_liveness_max_attempts: 1. Qualsevol altre codi segueix exactament el límit configurat.
  • Esgotament i frau — un cop exhaurit el límit, s’aplica l’estat calculat (Declined o In Review). Els atacs de presentació confirmats (LIVENESS_FACE_ATTACK), les coincidències amb llistes de bloqueig i els rostres duplicats es rebutgen immediatament i mai es reintenten.
Els reintents només s’apliquen al flux de la sessió. L’endpoint independent POST /v3/passive-liveness/ és sense estat i funciona amb una sola execució: retorna el resultat directament sense cap límit de reintents.

​
Com funciona

Captura de vídeo selfie

Es guia l’usuari a través d’una interfície senzilla i intuïtiva adaptada al mètode de prova de vida seleccionat.

Anàlisi de la prova de vida

Algoritmes avançats processen el material multimèdia capturat en temps real per detectar intents de suplantació. L’anàlisi varia segons el mètode:
  • Verifica l’acció de l’usuari (per exemple, parpellejar o assentir amb el cap) per confirmar que es realitza correctament i en directe
  • Analitza els reflexos de patrons de llum per validar l’estructura tridimensional del rostre
  • Utilitza aprenentatge profund per avaluar microexpressions i altres senyals conductuals
  • Combina senyals conductuals i físics per oferir la màxima resistència contra la suplantació
  • Processa una seqüència de reflexos de patrons de llum a 30+ FPS per construir un mapa de profunditat detallat
  • Confirma les propietats 3D del rostre, distingint-lo de suplantacions de superfícies planes o en 2D
  • No requereix cap interacció per part de l’usuari: completament passiu des de la perspectiva de l’usuari
  • Aplica aprenentatge profund a un únic fotograma per detectar patrons de textura i artefactes
  • Una xarxa neuronal convolucional (CNN) valida els trets facials i identifica anomalies
  • El mètode més ràpid: funciona amb la captura d’una sola foto
La detecció multicapa identifica atacs de presentació, incloent-hi fotos, pantalles, màscares i deepfakes.

Processament i verificació dels resultats

El sistema compara la puntuació de prova de vida amb els teus llindars configurats i lliura els resultats a l’instant.Els resultats es lliuren mitjançant una resposta de l’API, un webhook o es poden consultar a la Business Console amb registres d’auditoria detallats per al compliment.
Pots configurar quin mètode de prova de vida s’utilitza per a cada flux de treball a la Business Console. Diferents fluxos de treball poden utilitzar mètodes diferents segons els teus requisits de risc.
Darrera modificació el 7 de novembre del 2026