API di stima dell'età: verifica dell'età da selfie

La Stima dell’età di Didit stima l’età di una persona a partire da un selfie, con rilevamento della vitalità passivo incluso, consentendoti di limitare l’accesso ai servizi riservati a determinate fasce d’età senza dover richiedere un documento d’identità a ogni utente. Il modello è più preciso proprio dove si prendono le decisioni sull’accesso in base all’età: il suo errore assoluto medio è di 1.1 anni per i giovani di 16 e 17 anni e di 1.9 anni per la fascia tra i 18 e i 20 anni, e classifica correttamente il 96% dei selfie come minori di 18 anni o dai 18 anni in su (vedi Prestazioni del modello).

​

Metodi di stima dell’età

La nostra piattaforma implementa la stima dell’età in combinazione con diverse tecnologie di rilevamento della vitalità:

Metodo	Descrizione	Livello di sicurezza	Ideale per
3D Action & Flash	• Combina la verifica biometrica a più fattori con una sequenza di azioni casuali e l’analisi dinamica dei pattern luminosi. • All’inizio, all’utente viene richiesto di eseguire una semplice azione (come battere le palpebre o annuire), garantendo un’interazione in tempo reale. • Contemporaneamente, il sistema proietta una sequenza di pattern luminosi sul viso, analizzando i riflessi per confermare la struttura tridimensionale del volto. • Gli algoritmi di deep learning esaminano le microespressioni e le risposte ai riflessi di luce per verificare la presenza di una persona reale. • Offre la massima sicurezza integrando indizi comportamentali (azione) e fisici (profondità basata sulla luce), rendendo quasi impossibile lo spoofing tramite immagini statiche, video o persino maschere avanzate.	Massimo	Banche, sanità, applicazioni governative
3D Flash	• Utilizza l’analisi dinamica dei pattern luminosi per convalidare la topologia facciale senza richiedere l’interazione dell’utente. • Proietta una serie di pattern luminosi sul viso a oltre 30 fotogrammi al secondo, analizzando i riflessi per creare una mappa di profondità. • Questa mappa di profondità conferma la struttura tridimensionale del viso, distinguendolo da immagini piatte o spoofing 2D. • Offre un’esperienza fluida mantenendo un’elevata sicurezza contro gli attacchi di presentazione come foto o schermi.	Alto	Servizi finanziari, accesso agli account, verifica dell’identità
Passive Liveness	• Si basa sull’analisi di deep learning a singolo fotogramma per rilevare segni di vitalità. • Per motivi di privacy, il viso dell’utente appare sfocato nell’interfaccia, rassicurandolo sul fatto che l’immagine viene analizzata esclusivamente per la stima dell’età e non a scopo identificativo. • Esamina l’immagine alla ricerca di artefatti, pattern di texture e altri indicatori impercettibili che differenziano un viso reale da uno spoofing. • Una rete neurale convoluzionale (CNN) convalida i tratti somatici e identifica eventuali anomalie, come quelle derivanti da foto stampate o schermi digitali. • Offre una verifica rapida e comoda, fornendo al contempo un livello di sicurezza standard, ideale per casi d’uso a basso rischio.	Standard	Scenari a basso attrito, applicazioni consumer

Ciascun metodo genera una stima precisa dell’età insieme a punteggi di affidabilità e a dati supplementari relativi alla stima del genere.

​

Soglie configurabili

Puoi personalizzare i livelli di sicurezza impostando soglie differenti per la stima dell’età. Ad esempio:

​

Restrizioni di età per paese

Le restrizioni di età possono essere configurate per paese, tenendo conto del fatto che la maggiore età legale varia a seconda delle giurisdizioni. Invece di impostare un’unica età minima o massima globale, puoi definire limiti di età specifici per ciascun paese e perfino per singoli stati o regioni all’interno di una nazione.

​

Come funziona

• Configurazione a livello di paese: imposta un’età minima e/o massima per ciascun paese (identificato dallo stato di emissione del documento). Ad esempio, potresti richiedere un’età minima di 18 anni negli Stati Uniti, 19 in Corea del Sud e 21 negli Emirati Arabi Uniti.
• Sovrascritture stato/regione: per i paesi con variazioni a livello subnazionale (come gli Stati Uniti o il Messico), puoi configurare sovrascritture per ciascuno stato. Ad esempio, il Mississippi potrebbe richiedere un’età minima di 21 anni, mentre il valore predefinito per gli Stati Uniti è 18. Il sistema associa lo stato utilizzando la regione estratta dal documento tramite OCR.
• Valori predefiniti della maggiore età: la console mette a disposizione un pulsante “Applica maggiore età” utilizzabile con un clic che compila automaticamente l’età minima di ciascun paese in base alla maggiore età legale riconosciuta a livello mondiale. È quindi possibile personalizzare i singoli paesi o stati in base alle proprie esigenze.
• Azioni configurabili: quando l’età di un utente è inferiore al minimo o supera il massimo previsto per il paese del suo documento, puoi scegliere l’azione da intraprendere: Rifiuta o Revisiona.

​

Esempio di configurazione

​

Come funziona

​

Stima dell’età adattiva

Per gli scenari in cui una verifica precisa dell’età è fondamentale, la nostra piattaforma offre la stima dell’età adattiva con fallback alla verifica dell’identità. Questo approccio offre un equilibrio tra l’esperienza dell’utente e la conformità normativa.

​

Come funziona la stima dell’età adattiva

​

Cosa restituisce il fallback

Il confronto facciale di fallback viene eseguito senza un nodo Face Match nel workflow, quindi compare nella decisione della sessione in un modo che è facile confondere con un controllo mai configurato:

• features include FACE_MATCH oltre a AGE_ESTIMATION e ID_VERIFICATION una volta eseguito il fallback.
• face_matches[] contiene una voce con score, source_image (foto del documento) e target_image (selfie della stima dell’età). Il suo node_id corrisponde al nodo di stima dell’età (feature_age_estimation in un workflow nativo) poiché il confronto appartiene a quel passaggio e non a un passaggio di Face Match.
• Un punteggio basso genera i consueti avvisi di confronto facciale e può inviare la sessione in revisione o rifiutarla, esattamente come farebbe un nodo Face Match configurato.
• Non viene fatturato come Face Match: alla sessione vengono addebitate unicamente la stima dell’età e la verifica dell’identità.

Le sessioni che vengono approvate o rifiutate unicamente tramite il selfie non eseguono mai il fallback, restituendo quindi face_matches: null. Per non includere le immagini nel payload della decisione, limita i campi di face_matches tramite gli attributi di risposta del workflow.

​

Vantaggi della stima dell’età adattiva

• Minori attriti: la maggior parte degli utenti completa la verifica semplicemente con un selfie
• Maggiore conformità: i casi incerti vengono sottoposti a un’accurata verifica dei documenti con regole sull’età specifiche per paese
• Efficienza dei costi: la verifica dell’identità viene utilizzata solo quando necessario
• Tolleranza al rischio personalizzabile: regola le soglie in base ai tuoi requisiti normativi
• Consapevolezza della giurisdizione: applica automaticamente la corretta maggiore età in base al paese e alla regione di emissione del documento dell’utente

Questo approccio è particolarmente utile per i servizi soggetti a limiti di età come i giochi online, la consegna di alcolici e le piattaforme di contenuti per adulti, dove bilanciare l’esperienza utente e la conformità normativa è essenziale.

​

Garanzia dell’età (ISO/IEC 27566-1)

Un workflow può dichiarare di seguire lo standard di garanzia dell’età ISO/IEC 27566-1. Crealo a partire dai modelli della console Stima dell’età (ISO/IEC 27566-1) o Verifica dell’età (ISO/IEC 27566-1). La dichiarazione viene effettuata al momento della creazione del workflow e non può essere modificata successivamente. Quando un workflow dichiara lo standard, Didit lo vincola a una risposta secca, sì o no, sull’età. Le impostazioni bloccate si applicano a ogni salvataggio, sia nella console sia tramite API:

• Ricevi solo la decisione sull’età e null’altro. Gli attributi di risposta sono bloccati, quindi la decisione non contiene dati personali.
• 13 anni è l’età minima più bassa consentita in ogni paese, in ogni override regionale e nelle soglie della stima dell’età adattiva. Qualsiasi valore inferiore viene rifiutato.
• Nessun riconoscimento tra sessioni diverse. I controlli per documenti duplicati e volti duplicati sono disattivati e non viene memorizzato alcun modello biometrico.
• Acquisizione limitata. I documenti vengono acquisiti solo tramite fotocamera, senza caricamento di file, senza acquisizione silenziosa di selfie durante la fotografia del documento e senza registrazione audio.
• Nessun controllo aggiuntivo sui dati. Il confronto con i dettagli attesi e il passaggio di revisione dei dati sono disattivati, e la verifica dell’identità legge solo i documenti, senza consultazioni di database o wallet di identità digitale.
• È obbligatorio impostare una soglia. Un workflow privo di una soglia di età viene rifiutato al momento del salvataggio, impedendo così di approvare tutti per impostazione predefinita.

​

Prestazioni del modello e statistiche

I dati riportati di seguito descrivono il modello di stima dell’età in produzione dal 4 novembre 2026. Provengono dal relativo set di valutazione bloccato: 2.399 selfie di persone dai 13 anni in su, accantonati prima dell’addestramento, con l’età di ciascuna persona ricavata dal relativo documento d’identità verificato. Nessun modello è stato addestrato su questi selfie o su queste persone. I dati complessivi si riferiscono a un mix di valutazione composto per il 10% da minori di 18 anni, con gli adulti distribuiti secondo la distribuzione delle età del traffico reale; ciascuna fascia d’età è riportata singolarmente di seguito.

​

Metriche di accuratezza

Metrica	Valore	Descrizione
Errore assoluto medio (MAE)	2.6 anni	Differenza media tra l’età stimata e l’età riportata sul documento
Deviazione standard	2.3 anni	Entità della variazione dell’errore da una stima all’altra
Correttezza con soglia a 18 anni	96.0%	Selfie classificati correttamente come minori di 18 anni o dai 18 anni in su, senza fascia di fallback; almeno 95.3% con confidenza del 95%

​

Prestazioni per fasce d’età

L’errore è minimo intorno alle età in cui si prendono le decisioni di age gating e aumenta con l’età.

Fascia d’età	MAE (anni)	Deviazione standard (anni)
13-15	1.70	1.17
16-17	1.14	1.37
18-20	1.86	1.74
21-25	2.21	1.78
26-40	2.77	2.20
41-60	3.03	2.62
Oltre 60	4.33	3.64