API проверки живости: защита от дипфейков

Проверка живости Didit подтверждает, что перед камерой находится реальный, живой человек, а не распечатанная фотография, воспроизведение с экрана, маска или дипфейк, используя пассивную проверку живости, 3D-действие или проверку живости со вспышкой. Точность достигает 99.9% при коэффициенте ложного принятия (FAR) менее 0.1%. Урок Academy о размещённом сценарии для пользователей доходит до селфи для проверки живости на 8:49, а на 9:16 переходит к пассивному методу, методу 3D Flash и методу 3D Action.

Методы проверки живости

Наша платформа использует три различные технологии защиты от спуфинга, каждая из которых адаптирована под определённые требования безопасности и пользовательский опыт:

Метод	Описание	Уровень безопасности	Лучше всего подходит для
`3D Action & Flash`	• Сочетает многофакторную биометрическую верификацию с последовательностью случайных действий и анализом динамических световых паттернов. • В начале пользователю предлагается выполнить простое действие — например, моргнуть или кивнуть, — что гарантирует взаимодействие в реальном времени. • Одновременно система проецирует на лицо последовательность световых паттернов, анализируя отражения, чтобы подтвердить трёхмерную структуру лица. • Алгоритмы глубокого обучения анализируют микромимику и реакцию на отражение света для подтверждения присутствия живого человека. • Обеспечивает максимальную безопасность, объединяя поведенческие (основанные на действиях) и физические (основанные на глубине, определяемой по свету) признаки, благодаря чему спуфинг с помощью статических изображений, видео или даже сложных масок практически невозможен.	Максимальный	Банковское дело, здравоохранение, государственные приложения
`3D Flash`	• Использует анализ динамических световых паттернов для проверки топологии лица без необходимости взаимодействия со стороны пользователя. • Проецирует на лицо серию световых паттернов с частотой более 30 кадров в секунду, анализируя отражения для создания карты глубины. • Эта карта глубины подтверждает трёхмерную структуру лица, отличая его от плоских изображений или 2D-спуфинга. • Обеспечивает бесшовный пользовательский опыт при сохранении высокой безопасности против атак предъявления, таких как фотографии или экраны.	Высокий	Финансовые услуги, доступ к аккаунту, верификация личности
`Passive Liveness`	• Полагается на анализ одного кадра с помощью глубокого обучения для обнаружения признаков живости. • Анализирует изображение на наличие артефактов, текстурных паттернов и других малозаметных признаков, отличающих настоящее лицо от спуфинга. • Сверточная нейронная сеть (CNN) проверяет черты лица и выявляет аномалии, характерные для печатных фотографий или цифровых экранов. • Обеспечивает быструю и удобную проверку, предоставляя при этом стандартный уровень безопасности, подходящий для сценариев с низким уровнем риска.	Стандартный	Сценарии с минимальными барьерами, потребительские приложения

Повышенная безопасность методов 3D Flash и 3D Action & Flash:

Эти методы разработаны для противодействия сложным атакам спуфинга, таким как высококачественные маски, дипфейки и видеоповторы.

Проецируя динамические световые паттерны и анализируя их отражения, они определяют, как свет взаимодействует с настоящим 3D-лицом по сравнению с плоской или искусственной поверхностью.

Метод 3D Action & Flash добавляет дополнительный уровень безопасности за счёт случайного действия (например, моргания или кивка), требуя поведенческих реакций в реальном времени, которые невозможно воспроизвести с помощью предварительно записанных медиаматериалов или синтетических личностей.

Эти методы доказали, что обеспечивают высокую точность и низкий коэффициент ложного принятия, поэтому идеально подходят для сред, где цена ошибки особенно высока.

Каждый метод формирует нормализованную оценку живости (0-100%) на основе нашего собственного алгоритма, который оценивает множество факторов безопасности в реальном времени.

Настраиваемые пороги

Вы можете настроить уровни безопасности, задав различные пороги для оценок живости. Например:

Настройка порогов проверки живости Didit для пассивной и активной защиты от спуфинга

Эти пороги можно скорректировать с учётом вашей толерантности к риску и требований безопасности, что обеспечивает гибкость в различных сценариях использования.

Повторные попытки и практические рекомендации

В сессии Didit захват для проверки живости, завершившийся неудачей по исправимой причине (плохое освещение, лицо не по центру, перекрытие лица, пограничный балл), не приводит к немедленному отклонению. Пользователю предлагается повторить попытку с конкретными указаниями в пределах настраиваемого лимита попыток.

Лимит попыток — параметр face_liveness_max_attempts управляет общим количеством попыток проверки живости за сессию. По умолчанию 3 (одна начальная попытка плюс две повторные), настраивается для каждого узла сценария (диапазон 1–3).
Подсказки при повторной попытке — пока остаются попытки, исправимая ошибка оставляет пользователя на шаге проверки живости и возвращает тело ответа с практическими кодами подсказок feedback_codes (веб- и мобильные SDK отображают их автоматически в виде подсказок):
{ "detail": "Move to a brighter, evenly lit place and try again.", "error": "LOW_FACE_LUMINANCE", "feedback_codes": ["LOW_FACE_LUMINANCE"], "attempts_used": 1, "max_attempts": 3 }
Коды с возможностью повтора — LOW_FACE_LUMINANCE (слишком темно), HIGH_FACE_LUMINANCE (слишком ярко), NO_FACE_DETECTED, LOW_FACE_QUALITY, HIGH_FACE_OCCLUSION, LOW_LIVENESS_SCORE, MULTIPLE_FACES_DETECTED, AGE_NOT_DETECTED.
Гарантированная повторная попытка при неподходящих условиях съемки — коды LOW_FACE_LUMINANCE, HIGH_FACE_LUMINANCE, LOW_FACE_QUALITY, HIGH_FACE_OCCLUSION и NO_FACE_DETECTED описывают условия в помещении, где находится пользователь, а не самого человека. Если попытка не удалась только из-за этих кодов, пользователю всегда предоставляется вторая попытка с указанной выше подсказкой, даже в сценарии с настройкой face_liveness_max_attempts: 1. Для всех остальных кодов строго действует заданный лимит.
Исчерпание попыток и мошенничество — после исчерпания лимита применяется вычисленный статус (Declined или In Review). Подтвержденные атаки предъявления (LIVENESS_FACE_ATTACK), совпадения со списком блокировки и дубликаты лиц отклоняются немедленно и никогда не повторяются.

Повторные попытки действуют только в рамках сессии. Автономный endpoint POST /v3/passive-liveness/ не сохраняет состояние и выполняется за один раз — он возвращает результат напрямую без возможности повторных попыток.

Как это работает

Захват видеоселфи

Пользователь проходит проверку через простой и понятный интерфейс, адаптированный под выбранный метод проверки живости.

Проверка	Описание
Обратная связь в реальном времени	Обеспечивает правильное освещение, позиционирование и кадрирование
Проверка качества	Отслеживает размытие, блики и оптимальную видимость лица
Адаптивный захват	Подстраивается под возможности различных устройств и условия сети
Подсказки для метода	Отображает инструкции для конкретного метода (например, «Моргните» для 3D Action)

Анализ проверки живости

Передовые алгоритмы обрабатывают полученные материалы в реальном времени для выявления попыток спуфинга. Анализ различается в зависимости от метода:

3D Action & Flash

Проверяет действие пользователя (например, моргание или кивок), подтверждая, что оно выполнено правильно и вживую
Анализирует отражения световых узоров для подтверждения трехмерной структуры лица
Использует глубокое обучение для оценки микромимики и других поведенческих признаков
Объединяет поведенческие и физические сигналы для максимальной защиты от спуфинга

3D Flash

Обрабатывает последовательность отражений световых узоров со скоростью 30+ кадров в секунду для построения детальной карты глубины
Подтверждает 3D-характеристики лица, отличая его от плоских или 2D-подделок
Не требует действий от пользователя — полностью пассивный процесс с точки зрения пользователя

Пассивная проверка живости

Применяет глубокое обучение к одному кадру для выявления текстурных паттернов и артефактов
Сверточная нейронная сеть (CNN) проверяет черты лица и выявляет аномалии
Самый быстрый метод — работает с одной фотографией

Многоуровневая система обнаружения выявляет атаки предъявления, включая фотографии, экраны, маски и дипфейки.

Обработка результатов и верификация

Система сопоставляет оценку живости с вашими настроенными порогами и мгновенно возвращает результаты.

Выходные данные	Описание
Оценка живости	Нормализованная оценка уверенности от 0 до 100%
Решение	Одобрена, отклонена или на проверке на основе ваших порогов
Метод	Использованный метод проверки живости (`passive`, `flash`, `action_flash`)
Эталонное изображение	Полученный кадр, использованный для проверки живости
Предупреждения	Любые обнаруженные аномалии (например, низкое качество, потенциальные признаки спуфинга)

Результаты передаются через ответ API, webhook или доступны для просмотра в Business Console с подробными журналами аудита для комплаенса.

Вы можете настроить используемый метод проверки живости для каждого сценария в Business Console. Разные сценарии могут использовать разные методы в зависимости от ваших требований к уровню риска.

Аутентификация

Верификация

Мониторинг

Платформа

API проверки живости: защита от дипфейков

Методы проверки живости

Настраиваемые пороги

Повторные попытки и практические рекомендации

Как это работает

​Методы проверки живости

​Настраиваемые пороги

​Повторные попытки и практические рекомендации

​Как это работает

Методы проверки живости

Настраиваемые пороги

Повторные попытки и практические рекомендации

Как это работает