A medida que cada vez más interacciones relacionadas con la identidad se realizan en línea, las organizaciones deben determinar no solo si un rostro coincide con una identidad, sino también si hay una persona real presente en el momento de la captura.
Liveness detection Ayuda a responder a esa pregunta al identificar los indicios de que los datos biométricos proceden de una persona viva y no de una fotografía, un vídeo reproducido, una máscara o una representación sintética. Sin embargo, por sí solo, no demuestra que la persona sea titular de la identidad que alega, que el proceso de captura sea seguro ni que la transacción en su conjunto sea legítima.
Por eso, las empresas deberían considerar liveness detection como un nivel más de garantía de identidad y no como una defensa completa contra el fraude de identidad.
La pregunta ya no es simplemente: «¿Se trata de una persona real?». Ahora es: «¿Podemos confiar en la persona, en los datos de identidad, en el proceso de registro y en la transacción?».
¿Qué es « Liveness Detection »?
Liveness detection es una función de seguridad que se utiliza en los sistemas biométricos para determinar si una muestra biométrica se está captando de una persona viva y presente, y no de una representación artificial.
En un proceso de verificación facial, por ejemplo, la tecnología de detección de vida real puede analizar una imagen o un vídeo en busca de señales que indiquen la presencia de una persona real. Su objetivo es ayudar a evitar que un atacante introduzca una fotografía, un vídeo, una máscara u otra imitación en un sistema biométrico.
Liveness detection está estrechamente relacionado con la detección de ataques de presentación, a menudo abreviada como PAD. La detección de ataques de presentación se centra en identificar los intentos de interferir en la captura de datos biométricos mediante la presentación de un artefacto o una característica biométrica alterada ante un sensor.
En pocas palabras, la función « liveness detection » ayuda a responder a la siguiente pregunta: ¿Hay una persona real y viva presente en el momento de la captura?
Esto difiere de otras cuestiones relacionadas con la verificación de la identidad, entre las que se incluyen:
- Comparación biométrica: comprueba si el rostro, la huella dactilar u otra característica de la persona coincide con una referencia fiable.
- Verificación de documentos: comprueba si un documento de identidad parece auténtico y si la información que contiene es coherente
- Análisis de dispositivos y sesiones: comprueba si la interacción se está llevando a cabo a través de un dispositivo, una conexión y un entorno de aplicación fiables.
- Análisis de fraudes: evalúa si el comportamiento general o la transacción en su conjunto parecen sospechosos.
Estos controles están relacionados, pero no son intercambiables. Una coincidencia facial sólida no significa necesariamente que la muestra se haya obtenido de una persona viva. Del mismo modo, un resultado positivo en la comprobación de vitalidad no demuestra que la persona esté utilizando su propia identidad.
Por qué es importante « Liveness Detection »
La verificación remota de la identidad ya se estaba extendiendo antes de que la IA generativa se generalizara. Hoy en día, las personas abren cuentas, acceden a servicios, se presentan a exámenes, se incorporan a un puesto de trabajo y recuperan sus credenciales sin necesidad de acudir en persona. Este cambio ha aportado importantes beneficios tanto a las empresas como a los consumidores. También ha dado lugar a nuevas oportunidades para el fraude.
Un atacante podría intentar engañar a un sistema biométrico mostrando una fotografía impresa, visualizando una imagen en otro dispositivo, reproduciendo un vídeo o utilizando una máscara. Los ataques más sofisticados pueden incluir vídeos manipulados, rostros sintéticos o datos biométricos alterados digitalmente.
La mejora constante de la calidad de la IA generativa ha hecho que a las personas les resulte más difícil distinguir a simple vista entre contenidos auténticos y manipulados. Además, ahora es más importante que nunca que las organizaciones comprueben cómo se han obtenido las pruebas de identidad, en lugar de fiarse de lo que parece mostrar la imagen. Un rostro realista no equivale a una interacción de identidad fiable.
Liveness detection Ayuda a las empresas a determinar si hay indicios de una presencia humana real. Esto la convierte en una defensa importante frente a muchas formas de suplantación de identidad y ataques de presentación. Sin embargo, su eficacia depende del tipo de ataque, la calidad de la implementación, el entorno de captura y la forma en que la tecnología se combina con otros controles.
¿Qué tipos de ataques puede ayudar a identificar Liveness Detection ?
Liveness detection puede ayudar a identificar varios métodos de ataque habituales. Entre ellos se pueden incluir:
- Fotografías impresas colocadas delante de una cámara
- Imágenes faciales que se muestran en un teléfono, una tableta o un monitor
- Grabaciones de vídeo reproducidas
- Máscaras bidimensionales o tridimensionales
- Imágenes que han sido retocadas para imitar a otra persona
- Ciertas formas de contenidos sintéticos o «deepfake» que se presentan durante la captura
La expresión «ayudar a identificar» es importante. No se debe dar por sentado que una sola tecnología de detección de vida sea capaz de detectar todos los ataques en cualquier circunstancia. Los métodos de ataque siguen evolucionando, y el rendimiento de un sistema puede variar en función de factores como la calidad de la cámara, la iluminación, la compresión, el tipo de dispositivo y el grado de sofisticación del artefacto que se utilice.
Las organizaciones deben actuar con cautela cuando una solución se describe simplemente como «a prueba de deepfakes» o «a prueba de fraudes». La seguridad no es un estado permanente que se alcance mediante una sola característica. Se trata de un proceso continuo que consiste en comprender el entorno de amenazas, poner a prueba los controles y adaptarse a medida que evolucionan las técnicas de ataque.
Lo que no demuestra « Liveness Detection »
Liveness detection ofrece una señal de seguridad valiosa, pero esa señal tiene sus límites. Un resultado positivo en la prueba de vitalidad no demuestra necesariamente que:
- Dicha persona es el titular legítimo de la identidad reivindicada
- El documento de identidad que se está utilizando es auténtico.
- Esa persona tiene permiso para acceder a la cuenta o al servicio
- Los datos biométricos no han sido manipulados en ninguna otra fase del proceso de captura.
- El dispositivo o la aplicación son fiables
- La persona actúa por voluntad propia y no bajo coacción.
- La transacción en sí es legítima
Se obtendría el mismo resultado en todos los dispositivos, grupos demográficos o entornos operativos.
Imaginemos a un estafador que está físicamente presente e intenta abrir una cuenta utilizando un documento de identidad robado. El estafador puede ser totalmente real y estar vivo. Un sistema de verificación de vida podría determinar correctamente que hay una persona viva presente, mientras que la identidad que se alega sigue siendo fraudulenta. Por eso no se debe confundir un rostro vivo con una identidad verificada.
Un rostro en directo es una señal de seguridad importante, pero no constituye una decisión completa sobre la identidad.
Los ataques de presentación y los ataques de inyección son problemas distintos
Una de las distinciones más importantes en la seguridad biométrica moderna es la diferencia entre un ataque de presentación y un ataque de inyección.
Un ataque de presentación se produce en el momento de la captura. Un atacante muestra una imagen, un vídeo, una máscara u otro elemento a la cámara o al sensor biométrico.
Un ataque de inyección se produce cuando se introducen datos fraudulentos, alterados o sintéticos en el proceso de captura digital. En lugar de mostrar una imagen falsa a la cámara, el atacante puede intentar sustituir la señal de la cámara, insertar material multimedia pregrabado o manipular la información enviada al sistema biométrico.
Esta distinción tiene importantes implicaciones.
Una función de detección de actividad diseñada principalmente para analizar lo que se ve ante una cámara puede que, por sí sola, no detecte manipulaciones que se produzcan en otras partes de la aplicación o del flujo de datos.
Las organizaciones deben examinar tanto la muestra biométrica como la integridad del proceso de captura. Deben comprobar no solo si la persona parece estar viva, sino también si los datos biométricos proceden de la cámara, el dispositivo y la sesión previstos, sin que se haya producido ninguna sustitución no autorizada.
Esto reviste especial importancia a medida que la tecnología «deepfake» se vuelve más accesible. Un rostro sintético puede aparecer en una pantalla, pero también puede introducirse digitalmente de tal forma que eluda un control convencional basado en una cámara.
Pasivo y activo Liveness Detection
Liveness detection Se suele describir como pasiva o activa.
La detección pasiva de vida evalúa, por lo general, una captura biométrica sin pedir al usuario que realice ninguna acción concreta. Desde el punto de vista del usuario, el proceso puede parecer como hacerse una selfie normal o mirar a la cámara.
La función « liveness detection » (Reto de interacción) solicita al usuario que realice un reto. Esto puede consistir en girar la cabeza, parpadear, hablar, seguir con la mirada un objeto en la pantalla o realizar cualquier otra acción que se le indique.
Ambos enfoques pueden aportar valor.
La verificación pasiva puede reducir las dificultades y hacer que el proceso de verificación sea más rápido y accesible. Esto puede resultar especialmente importante en entornos de gran volumen de consumidores, en los que el abandono de la compra conlleva un coste comercial directo.
La «vitalidad activa» puede introducir una fase explícita de «pregunta y respuesta», lo que ofrece otra señal de que la interacción se está produciendo en tiempo real.
Sin embargo, ninguna de las dos etiquetas indica por sí sola la calidad de la seguridad.
Un sistema pasivo no es necesariamente menos seguro, y un sistema activo no es necesariamente más seguro. El método adecuado depende del caso de uso, el modelo de amenazas, el colectivo de usuarios, el entorno operativo y el nivel de riesgo.
Las preguntas relevantes son:
¿Para detectar qué tipos de ataques se ha diseñado esta tecnología?
- ¿Cómo se ha probado?
- ¿En qué condiciones se evaluó?
- ¿Qué ocurre cuando el sistema es incierto?
- ¿Cómo afecta esta medida a los usuarios legítimos?
- ¿Cómo se supervisa su rendimiento a medida que evolucionan los ataques?
¿Cómo deberían evaluar las empresas la tecnología de detección de vida?
Las empresas deberían ir más allá de las afirmaciones generales sobre la precisión y solicitar pruebas que reflejen el uso que pretenden darle.
Algunas preguntas útiles son:
- ¿Qué ataques a la presentación se incluyeron en las pruebas?
- ¿Cómo gestiona el sistema los contenidos multimedia insertados digitalmente?
- ¿Ha sido evaluada la tecnología por un organismo de ensayo independiente?
- ¿Reflejan las pruebas los dispositivos y entornos que utilizan los clientes reales?
- ¿Cómo se equilibran los falsos rechazos con la aceptación de los ataques?
- ¿Cómo varía el rendimiento en función de las condiciones de iluminación y los tipos de cámara?
- ¿Cómo ha evaluado la organización los resultados demográficos?
- ¿Se pueden ajustar los umbrales de seguridad en función del riesgo de la transacción?
- ¿Con qué frecuencia se actualiza la tecnología a medida que surgen nuevos métodos de ataque?
- ¿Qué datos hay disponibles, además de una simple puntuación global o una certificación?
Las normas y las evaluaciones independientes pueden aportar datos valiosos, sobre todo cuando aclaran la metodología de las pruebas y los tipos de ataques utilizados.
Sin embargo, el resultado de una prueba de un componente no debe interpretarse como prueba de que todo el sistema de identidad sea seguro.
Un control biométrico puede funcionar bien en un laboratorio y, aun así, verse comprometido por una seguridad deficiente en la aplicación, un canal de captura desprotegido, umbrales inadecuados o procesos deficientes en otras etapas del proceso de identificación.
Las empresas deben evaluar el sistema tal y como se implantará realmente.
El futuro de la verificación de la identidad va más allá de la comprobación de la vitalidad
Liveness detection seguirá siendo una parte esencial de la verificación de identidad a distancia. A medida que cada vez más interacciones se trasladen al ámbito digital y los medios sintéticos resulten cada vez más convincentes, será aún más importante demostrar la presencia humana real.
Sin embargo, el sector debe resistirse a la tentación de convertir la «presencia en tiempo real» en sinónimo de seguridad total de la identidad. Las organizaciones mejor preparadas para hacer frente a la próxima generación de fraudes de identidad serán aquellas que evalúen toda la cadena de confianza. Combinarán la prueba de presencia con la prueba de identidad, la integridad de los datos capturados, el análisis contextual de riesgos y la escalación adecuada.
La pregunta más útil para los líderes empresariales no es: «¿Tenemos un liveness detection?».
Es:
«¿De qué pruebas disponemos para saber que podemos confiar en esta persona, su identidad, el dispositivo, el proceso de captura y la transacción en su conjunto?»
Ese es el estándar que debe cumplir la seguridad de la identidad en la actualidad.
