Une lentille de contact colorée imprimée avec la texture de l'iris d'une autre personne, une photo d'iris imprimée haute définition, une prothèse réaliste,ou une image de l' iris synthétisée par l' IA tous ces éléments ont une chose en commun: ils peuvent tromper un système de reconnaissance de l'iris qui se concentre uniquement sur la correspondance des motifs.
Dans l'industrie, ces méthodes ont un terme standard: Attaque de présentation.s' il ne peut pas distinguer entre un vrai œil humain et un faux devant la caméra, sa sécurité est fondamentalement compromise. La norme internationale ISO/CEI 30107-3 a énuméré la détection d'attaque de présentation (PAD), communément appelée détection de vitesse,comme élément d'évaluation indépendant pour les systèmes biométriques.
Homsh a récemment terminé la R&D et la vérification pratique de son système de détection d'attaque de présentation de l'iris, HOMSH-PAD.le système atteint un taux d'erreur identique à la détection (D-EER) de 0.50 pour cent.
I. Vérifier d'abord l'authenticité, puis confirmer l'identité
En tant que module indépendant placé avant le flux de travail de reconnaissance, le HOMSH-PAD fonctionne comme suit:le système détecte d'abord l'iris et produit un score d'authenticité via un réseau d'apprentissage profondSeules les images confirmées comme étant de véritables yeux humains passent à l'étape de reconnaissance; celles identifiées comme des attaques sont immédiatement rejetées.
La version actuelle couvre quatre principaux types de méthodes d'attaque: les lentilles de contact texturées de couleur, les images d'iris imprimées, les yeux prothétiques et les iris synthétisés par l'IA.les prothèses oculaires et les images d'iris imprimées ont un taux de ratés nul dans les tests; le taux de ratés pour les iris synthétisés par l'IA s'élève à 0,08%.Le système maintient une détection efficace même pour les nouveaux modèles de lentilles de contact jamais vus pendant l'entraînement. Cela signifie que le modèle a appris les caractéristiques communes des attaques, plutôt que de simplement mémoriser des modèles spécifiques.
Interprétation en langage clair des données d'essai
Sur 1 000 tentatives d'attaque différentes, environ 993 sont bloquées;
Sur 1 000 utilisateurs légitimes, environ 3 sont rejetés à tort.
II. Derrière les chiffres: un concours de discipline des données
Le domaine de la détection de la vitalité de l'iris est depuis longtemps en proie à un problème persistant: les modèles fournissent des mesures impressionnantes en laboratoire, mais échouent fréquemment lorsqu'ils sont déployés dans des scénarios réels.L'équipe de R&D de Homsh ̊ croit que le problème ne réside généralement pas dans le modèle lui-même., mais dans les données d'entraînement, des raccourcis statistiques cachés accidentellement corrélés avec des étiquettes vraies/fausses permettent au modèle de prendre des raccourcis au lieu d'apprendre les caractéristiques réelles des attaques.
Pour y remédier, l'équipe a développé une méthodologie de gouvernance du domaine des données de formation pour détecter et éliminer systématiquement ces raccourcis avant que les données ne soient stockées et que la formation ne commence.919 images de l' iris de 10, 750 sujets ont été utilisés pour la formation, l'étalonnage et les tests,avec des groupes de sujets qui ne se chevauchent pas complètement sur les trois ensembles de donnéesCette méthodologie est la principale innovation indépendante du projet et a été protégée par des dépôts de brevets.
Tous les paramètres sont calculés conformément à la norme internationale ISO/CEI 30107-3. Le seuil de décision est déterminé sur un ensemble d'étalonnage indépendant,sans exposition à l'ensemble d'essai tout au long du processus.
III. Conception d'ingénierie conçue pour un déploiement réel
Le HOMSH-PAD est entièrement conçu pour un déploiement pratique:
●Poids léger:Le modèle est d'environ 30 Mo de taille, capable d'inférence en temps réel sur un processeur et compatible avec tous les facteurs de forme, des terminaux de contrôle d'accès embarqués aux serveurs.
●Facile à intégrer:Les intégrateurs n'ont besoin que d'entrer des images capturées brutes; tout le pré-traitement est géré en interne par le SDK, ce qui permet l'intégration avec seulement quelques lignes de code.
●Étalonnage:Prend en charge le réétalonnage du seuil en un clic à l'aide d'échantillons d'utilisateurs réels du site de déploiement, permettant d'adapter le taux de faux rejet au groupe d'utilisateurs réel.
●Sécurité contre les pannes:Les entrées anormales sont classées comme des attaques par défaut, ne laissant aucune zone grise pour les attaquants à exploiter.
IV. Compléter la dernière pièce du puzzle
Alors que le moteur de reconnaissance de l'iris répond "qui est celui-ci", le HOMSH-PAD répond "si c'est une personne réelle".Ils permettent aux solutions de reconnaissance de l'iris de Homsh?? de répondre pleinement aux exigences de détection de la vitesse de plus en plus explicites des scénarios de haute sécurité tels que les affaires gouvernementales., sécurité publique et finances.
À l'avenir, l'équipe continuera d'élargir la bibliothèque d'échantillons d'attaque, de compléter plusieurs cycles de vérification de la stabilité de l'entraînement,et de faire progresser l'intégration complète de l'appareil avec des produits de reconnaissance de l'iris tout-en-un ainsi que des évaluations faisant autorité par des tiers.
