A pandemia da COVID-19 iluminou de forma nada lisonjeira o estado da segurança cibernética em todo o mundo. Até o final de 2021, espera-se que o prejuízo global com o crime cibernético totalize US$ 6 trilhões e US$ 10,5 trilhões até 2025. De spoofing a outros ataques de apresentação, o mundo está vendo um aumento global no crime cibernético. Para combater esses tipos de golpes, é imperativo que os consumidores estejam aware do problema e das formas de se protegerem. Essas estatísticas são alarmantes, mas, infelizmente, sem a educação adequada e a proteção segura Identidade , esses números continuarão a crescer.
Ameaças à segurança da ID digital
O spoofing é um dos métodos mais comuns que os criminosos cibernéticos usam para burlar os métodos Autenticação biométrica. Spoofing é o termo do setor para personificar usuários legítimos com identificadores biométricos falsos a fim de obter acesso a dados valiosos. A maioria dos métodos de spoofing depende da falsificação de características físicas, como características faciais, Impressão digital ou padrões de veias, enganando assim os sensores para que reconheçam usuários que não estão lá.
Em março de 2021, o serviço de reconhecimento facial do governo chinês foi hackeado. Como resultado, dois hackers roubarammais de US$ 76 milhõesenviando faturas fiscais falsas para empresas e seus clientes. De acordo com apesquisarealizada pela Accenture em 2012, existem padrões biométricos básicos de Fraude que os hackers exploram sistematicamente. Uma falsificação bem-sucedida pode levar a perdas financeiras substanciais tanto para o indivíduo quanto para a empresa. Como resultado, os provedores de biometria estão contando com várias ferramentas para combater a falsificação de biometria. O principal método é a detecção de liveness .
Detecção de Liveness definida
A detecção deLiveness em biometria é a capacidade de um sistema de detectar se uma impressão digital ou um face (ou outra modalidade) é real (de uma pessoa viva presente no ponto de captura) ou falsa (de uma parte do corpo falsa ou sem vida). Há dois tipos principais de detecção de liveness : ativa e passiva. A detecção de liveness ativa solicita que o usuário execute uma ação que não pode ser facilmente replicada com uma falsificação. Uma técnica é chamada de "ativa" se ela espera que o usuário faça algo para confirmar que é uma pessoa viva. 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, ele pode incorporar várias modalidades, como análise de pressionamento de tecla ou reconhecimento de alto-falante. A detecção passiva de liveness usa algoritmos para detectar indicadores de uma imagem não viva sem a interação do usuário. Diferentemente do exemplo ativo compartilhado há pouco, com a liveness passiva o usuário pode não estar aware de que uma verificação de liveness está sendo realizada, pois ela não afeta a experiência do usuário. A captura de dados biométricos de alta qualidade durante o Cadastro melhora o desempenho dos algoritmos de matching e de detecção de liveness .
A importância da detecção de liveness
As soluções biométricas estão se tornando o método aceito e preferido de segurança e comprovação de Identidade . Muitos aplicativos e soluções móveis têm se adaptado à tecnologia de reconhecimento facial, agora prontamente disponível na última geração de dispositivos móveis. O reconhecimento facial é uma modalidade biométrica comumente usada para integração e Autenticação móvel:
- Quase todos os dispositivos móveis têm câmeras integradas que suportam esse recurso.
- A experiência do usuário ao capturar 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 a detecção de liveness , alguns algoritmos de reconhecimento facial podem ser falsificados com relativamente pouco esforço, devido à ampla disponibilidade de imagens faciais na Internet e à facilidade com que alguém pode mascarar parte de seu face. Por esse motivo, é essencial aplicar uma detecção robusta de liveness ao usar o reconhecimento facial para Autenticação móvel.
Qual é a força da detecção de liveness em sua solução biométrica?
Em um mundo com fraudadores, é imperativo que as empresas e os consumidores se mantenham informados sobre vários golpes de segurança cibernética para proteger seus dados. Como o mundo continua a adotar a tecnologia biométrica, precisamos ter certeza de que a detecção de liveness é forte o suficiente para evitar ataques de falsificação e apresentação. Ao procurar um fornecedor de detecção de liveness biométrica para a integração digital remota ou Autenticação, há vários fatores a serem considerados: confiabilidade, velocidade, experiência do usuário e teste de detecção de ataques de apresentação (PAD) de terceiros para antifalsificação. O teste de PAD é essencial porque muitas soluções ativas de liveness na verdade não funcionam de forma eficiente. O software de liveness deve ser comprovado e validado por um laboratório de testes de terceiros, como o iBeta, que comprove sua segurança e robustez. O iBeta é um laboratório credenciado pelo NIST que testou o software antifalsificação de muitos fornecedores.
Se você estiver procurando uma Autenticação mais forte, aestrutura deAutenticação biométrica móvel da Knomi®é uma opção robusta. A Knomi oferece comprovação de Identidade para dar suporte à integração móvel. Suas verificaçõessegurança Avançada podem autenticar carteiras de motorista e passaportes e garantir matching facial biométrica resistente a falsificações entre imagens ao vivo e impressas. Além disso, a solução Knomi foi aprovada nos níveis 1 e 2 do teste PAD, de acordo com a ISO/IEC 30107-3, conduzido pela iBeta - uma conquista que apenas algumas poucas empresas conseguiram.
