¿Cuáles son las diferencias entre Detección de Vida y Detección de Ataques de Presentación?

En el ámbito de la verificación de identidad, detectar y prevenir el fraude es crucial para mantener la confianza y la seguridad. Dos técnicas clave empleadas con este propósito son la detección de ataques de presentación facial (PAD, por sus siglas en inglés Presentation Attack Detection) y la detección de vida facial (Liveness Detection). Si bien ambas técnicas contribuyen a las medidas generales contra el fraude en el reconocimiento facial, pueden diferir (o converger, spoiler alert!) en su enfoque y aproximación. En esta entrada del blog, exploraremos las diferencias entre estas dos técnicas, sus principios fundamentales y cómo trabajan juntas para fortalecer los sistemas de verificación de identidad.

Identificar los ataques de presentación en los sistemas de reconocimiento facial

Face Presentation Attack Detectionl (PAD), también conocida como anti-spoofing, es una técnica que tiene como objetivo identificar y detectar los ataques de presentación en los sistemas de reconocimiento facial. Estos ataques pueden incluir la presentación de fotos impresas, grabaciones de vídeo, máscaras u otros materiales sintéticos. El objetivo de las técnicas PAD es diferenciar entre presentaciones faciales genuinas y aquellas fraudulentas o falsificadas.

Verificar que el rostro capturado en una imagen o video pertenece a un usuario en vivo

El Liveness Detection se centra en verificar que el rostro capturado en una imagen o video pertenezca a un usuario en vivo. Su objetivo principal es asegurar que el rostro detectado pertenezca a una persona real presente activamente durante el proceso de verificación. Puede considerarse como un subconjunto de los posibles ataques que se pueden detectar a través de PAD. Los sistemas de detección de vida facial históricamente estaban más estrechamente vinculados a los sensores de captura, enfocando su análisis en señales fisiológicas como el latido cardíaco o la temperatura, por mencionar algunas, para discernir si la muestra proviene de una persona en vivo frente a la cámara y no de una suplantación. En este contexto, existía una clara diferenciación entre el alcance cubierto por los sistemas PAD y los sistemas de prueba de vida, siendo ambos complementarios.

Sin embargo, en los últimos años, con la creciente tendencia de aplicar estos sistemas en dispositivos de uso masivo sin hardware dedicado específico, como dispositivos móviles u ordenadores portátiles, ambos sistemas han convergido hacia sistemas de propósito general basados en procesamiento de vídeo en el espectro visible y sin necesidad de sensores fisiológicos especiales. Por esta razón, ambos términos tienden a usarse indistintamente en la actualidad en la mayoría de los sistemas y literatura técnica, siendo la mayoría de productos de verificación de identidad de uso equivalente.

Se emplean diversos enfoques para PAD o detección de vida facial, tales como:

• Análisis de Texturas: Evaluación de las propiedades superficiales e inconsistencias visuales del rostro presentado para identificar signos de materiales falsificados o texturas antinaturales.
• Análisis Estadístico: Análisis de patrones estadísticos y anomalías en el rostro presentado, como distribuciones de color antinaturales o inconsistencias a nivel de píxeles.
• Análisis Dinámico: Examen de la dinámica del rostro, como la detección de microexpresiones naturales o movimientos oculares, para diferenciar rostros en vivo de aquellos falsificados.
• Análisis de Movimiento: Evaluación de los movimientos faciales, como parpadeos o rotaciones de cabeza, para diferenciar rostros en vivo de imágenes estáticas o grabaciones.
• Análisis de Profundidad 3D: Utilización de tecnologías de detección de profundidad, como cámaras de luz estructurada o de tiempo de vuelo, para capturar información espacial y detectar variaciones de profundidad asociadas a rostros en vivo.

Todos estos enfoques pueden abordarse con algoritmos o mediante métodos basados en IA más sofisticados, y en muchos casos, una combinación de varios enfoques. Sin embargo, la naturaleza de la problemática es la misma: detectar los principales vectores de ataque de presentación.

Por supuesto, podríamos entrar en mucho más detalle y diferenciar entre sistemas activos (que requieren colaboración o interacción voluntaria por parte del usuario) y sistemas pasivos (que no requieren tal colaboración y se basan en un análisis completamente transparente para el usuario), pero este es un tema que dejaremos para futuras entradas en este blog.

En conclusión, aunque históricamente las técnicas de detección de vida y detección de ataques de presentación tenían un origen diferente y complementario, hoy en día y en la realidad de los sistemas de verificación de identidad remota, se refieren a los mismos sistemas. Los avances en detección de ataques de presentación facial y/o detección de vida facial han revolucionado el campo de la verificación de identidad y las medidas contra el fraude. Sus aplicaciones se extienden a diversas industrias como banca, fintech, movilidad, salud y más. Al implementar sistemas robustos de verificación de identidad que aprovechen estas técnicas, las organizaciones pueden mejorar la seguridad, mitigar los riesgos de fraude, cumplir con los requisitos regulatorios y ofrecer experiencias de usuario fluidas que no serían posibles con la verificación de identidad basada únicamente en el reconocimiento facial.

Estaban Vázquez
CTO en Alice.