A pandemia da COVID-19 expôs de forma alarmante a situação da segurança cibernética em todo o mundo. Estima-se que, até o final de 2021, as perdas globais com crimes cibernéticos cheguem a US$ 6 trilhões e a US$ 10,5 trilhões até 2025. De golpes de falsificação a outros ataques de apresentação, o mundo está testemunhando um aumento global da criminalidade cibernética. Para combater esses tipos de golpes, é fundamental que os consumidores estejam cientes do problema e das formas de se protegerem. Essas estatísticas são alarmantes, mas, infelizmente, sem a devida educação e a comprovação segura de identidade, esses números continuarão a crescer.
Ameaças à segurança da identidade digital
A falsificação de identidade é um dos métodos mais comuns usados por cibercriminosos para burlar métodos de autenticação biométrica. Spoofing é o termo técnico para descrever a personificação de usuários legítimos com identificadores biométricos falsos, a fim de obter acesso a dados valiosos. A maioria dos métodos de falsificação se baseia na falsificação de características físicas, como traços faciais, impressões digitais ou padrões de veias, enganando os sensores para que reconheçam usuários que não estão presentes.
Em março de 2021, o serviço de reconhecimento facial do governo chinês foi alvo de um ataque cibernético. Como resultado, dois hackers roubaram mais de US$ 76 milhões enviando notas fiscais falsas para empresas e seus clientes. De acordo com uma pesquisa realizada pela Accenture em 2012, existem padrões básicos de fraude biométrica que os hackers exploram sistematicamente. Uma falsificação bem-sucedida pode levar a perdas financeiras substanciais tanto para o indivíduo quanto para a empresa. Consequentemente, os provedores de serviços biométricos estão utilizando diversas ferramentas para combater a falsificação de dados biométricos. O principal método é... liveness detection .
Liveness detection definido
Liveness detection em biometria é a capacidade de um sistema detectar se uma impressão digital ou rosto (ou outra modalidade) é real (de uma pessoa viva presente no momento da captura) ou falsa (de uma falsificação ou parte do corpo sem vida). Existem dois tipos principais de detecção de vivacidade: ativa e passiva. Ativa liveness detection Solicita ao usuário que execute uma ação que não pode ser facilmente replicada com uma falsificação. Uma técnica é denominada "ativa" se espera que o usuário faça algo para confirmar que é uma pessoa real. Normalmente, espera-se que o usuário mude a posição da cabeça, acene com a cabeça, pisque os olhos ou siga uma marca na tela do dispositivo com os olhos. Além disso, pode incorporar múltiplas modalidades, como análise de digitação ou reconhecimento de voz. Passiva liveness detection Utiliza algoritmos para detectar indicadores de uma imagem não viva sem interação do usuário. Ao contrário do exemplo ativo compartilhado há pouco, com a verificação passiva de vivacidade o usuário pode não perceber que uma verificação está sendo realizada, pois isso não impacta a experiência do usuário. Capturar dados biométricos de alta qualidade durante o cadastro melhora o desempenho da correspondência e liveness detection algoritmos.
A importância de liveness detection
As soluções biométricas estão se tornando o método aceito e preferido para segurança e comprovação de identidade. Muitos aplicativos e soluções móveis adotaram a tecnologia de reconhecimento facial, agora prontamente disponível na última geração de dispositivos móveis. O reconhecimento facial é uma modalidade biométrica comumente usada para cadastro e autenticação em dispositivos móveis.
- Quase todos os dispositivos móveis possuem câmeras integradas que suportam essa função.
- A experiência do usuário ao tirar uma "selfie" é excepcionalmente intuitiva e conveniente.
- O reconhecimento Facial tem 99,7% de precisão e está aumentando a cada ano, de acordo com o NIST.
No entanto, sem liveness detection Alguns algoritmos de reconhecimento facial podem ser facilmente burlados devido à ampla disponibilidade de imagens faciais na internet e à facilidade com que alguém pode mascarar parte do rosto. Por essa razão, é essencial aplicar medidas robustas de segurança. liveness detection Ao usar o reconhecimento facial para autenticação móvel.
Quão forte é o liveness detection Na sua solução biométrica?
Em um mundo repleto de fraudadores, é imprescindível que empresas e consumidores se mantenham informados sobre os diversos golpes cibernéticos para proteger seus dados. À medida que o mundo adota cada vez mais a tecnologia biométrica, precisamos garantir que a segurança dos dados seja preservada. liveness detection é forte o suficiente para repelir falsificações e ataques de apresentação. Ao procurar por um dado biométrico. liveness detection Ao escolher um fornecedor para integração ou autenticação digital remota, é preciso considerar diversos fatores: confiabilidade, velocidade, experiência do usuário e testes de detecção de ataques de apresentação (PAD) de terceiros para evitar falsificação. Os testes PAD são essenciais, pois muitas soluções de verificação de presença ativa não funcionam de forma eficiente. O software de verificação de presença deve ser comprovado e validado por um laboratório de testes independente, como o iBeta, que ateste sua segurança e robustez. O iBeta é um laboratório credenciado pelo NIST que já testou o software de diversos fornecedores para verificar a eficácia da verificação de presença.
Se você busca uma autenticação mais robusta, a plataforma de autenticação biométrica móvel Knomi® é uma opção sólida. A Knomi oferece comprovação de identidade para facilitar o cadastro de novos usuários em dispositivos móveis. Seus avançados mecanismos de segurança podem autenticar carteiras de habilitação e passaportes, garantindo a correspondência biométrica facial entre imagens reais e impressas, à prova de falsificação. Além disso, a solução Knomi foi aprovada nos níveis 1 e 2 dos testes PAD, de acordo com a norma ISO/IEC 30107-3, conduzidos pela iBeta — uma conquista alcançada por pouquíssimas empresas.
