Chống giả mạo khuôn mặt trong Camera thông minh

Công nghệ nhận dạng khuôn mặt là một trong những lĩnh vực quan trọng đang được đẩy mạnh nghiên cứu và phát triển, với các ứng dụng thiết thực giúp nâng cao trải nghiệm người dùng và tối ưu hoạt động sản xuất kinh doanh. Ngày nay, chúng được tích hợp vào nhiều thiết bị thông minh hỗ trợ cá nhân hóa thông tin, tăng tính bảo mật và thực hiện đa dạng thao tác. Tuy nhiên, trong bối cảnh tội phạm kỹ thuật số ngày càng gia tăng và tinh vi, chúng thường xuyên tìm cách giả mạo khuôn mặt để thâm nhập vào nhiều hệ thống, đánh cắp thông tin hay sử dụng thông tin giả để làm nhiễu loạn cơ sở dữ liệu. Vì vậy kỹ thuật chống giả mạo khuôn mặt có vai trò vô cùng quan trọng.

chống giả mạo khuôn mặt
Các hệ thống chống giả mạo khuôn mặt nhằm bảo vệ dữ liệu nhạy cảm, ngăn chặn hành vi trộm cắp và gian lận.

Các phương thức giả mạo khuôn mặt thường thấy  

Phần lớn các phương thức giả mạo để tấn công hệ thống sử dụng 2D và 3D (tĩnh hoặc động) để đánh lừa phần mềm nhận dạng khuôn mặt.

Phương thức giả mạo sử dụng 2D tĩnh dựa trên ảnh chụp, giấy phẳng hoặc mặt nạ, trong khi các phiên bản động sử dụng phát lại video màn hình hoặc hiệu ứng của một chuỗi các ảnh liên tiếp.

Phương thức giả mạo sử dụng 3D tĩnh có thể thực hiện bằng các bản in 3D, tác phẩm điêu khắc hoặc mặt nạ dạng 3D, trong khi các phiên bản động sử dụng robot tinh vi để tái tạo lại các biểu cảm một cách hoàn chỉnh và thậm chí bổ sung cả lớp trang điểm.

Những kỹ thuật chống giả mạo khuôn mặt được sử dụng phổ biến 

Ngày nay các cuộc tấn công thường sử dụng giả mạo 2D hơn 3D, bởi vì một số hạn chế về công nghệ và chi phí. Vì vậy, các hệ thống nhận diện khuôn mặt thường dựa vào độ sống động để phát hiện và nhận dạng một cá nhân. Các bước kiểm tra có thể xác minh xem một cá nhân có thực sự hiện diện hay sử dụng ảnh để giả mạo hệ thống.

Kỹ thuật phát hiện nháy, chớp mắt

Phát hiện nháy, chớp mắt là một trong những bước kiểm tra độ sống động một cách chính xác. Con người trung bình chớp mắt 15–30 lần mỗi phút. Mỗi lần nháy mắt, mắt thường nhắm trong khoảng 250 mili giây. Khi quay video bằng máy quay, máy ảnh thì khoảng cách giữa các khung hình nhỏ hơn nhiều (50 mili giây ở tốc độ 30 khung hình/giây).

Các kỹ sư thường áp dụng một số cách để phát hiện nháy, chớp mắt như: sử dụng video để tìm khung hình nhắm mắt và đếm số lượng để có được con số mong đợi, hoặc sử dụng phân tích các mốc trên khuôn mặt và tính toán diện tích bề mặt của mắt. Với nhiệm vụ này có thể áp dụng các thuật toán học sâu để hỗ trợ, bao gồm các Mạng nơ-ron tích chập (Convolutional Neural Network – CNN) và huấn luyện CNN để nhận ra đâu là ảnh thật và đâu là ảnh giả mạo. 

Kỹ thuật phản ứng thách thức

Kỹ thuật này sử dụng một hành động đặc biệt của con người được gọi là một mẫu thách thức. Hệ thống hoạt động để xác minh rằng mẫu thách thức này sẽ xảy ra trong một chuỗi video và dựa trên một loạt các mẫu để xác thực danh tính của một cá nhân.

Những mẫu thách thức này có thể bao gồm:

  • Nụ cười 
  • Nét mặt buồn bã hay vui vẻ
  • Chuyển động của đầu

Mặc dù phương pháp này có những hiệu quả đáng kể nhưng lại yêu cầu đầu vào có quy chuẩn nhất định, và bị giới hạn bởi các mẫu. Vì vậy nó vẫn chưa được coi là phương pháp tối ưu. 

Phương pháp sử dụng Camera 3D

Sử dụng Camera 3D là phương thức chống giả mạo đáng tin cậy nhất. Dễ dàng phân biệt giữa các khuôn mặt có chuyển động và những bức hình phẳng nhờ vào độ pixel chính xác. Tuy nhiên, phương pháp này vẫn gặp phải hạn chế khi tội phạm sử dụng phương thức giả mạo 3D.

Phương pháp sử dụng ánh đèn Flash

Đây là một kỹ thuật thú vị, được các chuyên gia kỳ vọng sẽ có nhiều hứa hẹn trong tương lai. Giải pháp này cho phép phát hiện giả mạo bằng cách sử dụng những phản xạ ánh sáng trên khuôn mặt. Ý tưởng này bắt nguồn từ việc nghiên cứu các môi trường xung quanh có ánh sáng liên tục thay đổi, sau đó sử dụng ánh sáng bổ sung đến từ màn hình của thiết bị. Ánh sáng trắng tạo ra phản xạ thích hợp trên mỗi khuôn mặt.

Kỹ thuật này được gọi là Kỹ thuật chống giả mạo Active Flash. Kỹ thuật này huấn luyện các chương trình bởi các khung hình trước và sau khi có ánh đèn Flash chiếu vào. Đèn flash hoạt động giúp người quản trị phân tách các đặc điểm khuôn mặt và phân loại chúng.

Các tiêu chuẩn đánh giá kỹ thuật chống giả mạo khuôn mặt thành công hay thất bại 

Mỗi kỹ thuật chống giả mạo đều khả thi nếu đặt trong hoàn cảnh phù hợp, tùy nhiên chúng đều có ưu và khuyết điểm riêng. Đôi khi người ta cũng sử dụng kết hợp hai hay nhiều kỹ thuật để mang đến hiệu quả cao hơn.

Dưới đây là một số chỉ số là cần thiết thường dùng để đo độ chính xác của hệ thống chống giả mạo khuôn mặt.

Tỷ lệ chấp nhận sai (False Acceptance Rate – FAR) và Tỷ lệ từ chối sai (False Rejection Rate – FRR) là các chỉ số phổ biến được sử dụng trong xác minh sinh trắc học cũng có thể áp dụng cho việc chống giả mạo. 

Tỷ lệ chấp nhận sai đo và đánh giá hiệu quả và độ chính xác của một hệ thống sinh trắc học bằng cách xác định tốc độ mà người sử dụng trái phép hoặc bất hợp pháp được xác minh trên một hệ thống cụ thể.

Tỷ lệ từ chối sai là một cách để đo độ chính xác của hệ thống sinh trắc, tỉ lệ người dùng trái phép bị từ chối truy cập vào hệ thống như những người dùng không hợp lệ

Với mục đích tối ưu trải nghiệm người dùng – thì tập trung vào tỷ lệ FRR được đánh giá là quan trọng hơn.  

Kỹ thuật chống là mạo là một trong những kỹ thuật quan trọng của công nghệ nhận diện khuôn mặt, nhằm đảm bảo tính bảo mật thông tin và kiểm soát an toàn cho hệ thống. Vì vậy, kỹ thuật này đang được tập trung nghiên cứu và phát triển để tích hợp trong các hệ thống camera thông minh. Hy vọng rằng các kỹ thuật này có thể góp phần nâng cao trải nghiệm khách hàng, cũng như tối ưu các hoạt động vận hành của doanh nghiệp trong tương lai.

Kỹ thuật chống giả mạo khuôn mặt đã được VinBigData tích hợp trong giải pháp Camera thông minh (VinCamAI). VinCamAI đáp ứng mọi nhu cầu của doanh nghiệp như kiểm soát ra vào, đảm bảo an ninh, chấm công không chạm… ứng dụng cho đa dạng quy mô, với độ chính xác tới 99%, và tối ưu chi phí vận hành, tiết kiệm 50% chi phí đầu tư so với hệ thống cảm biến nhiệt. Tìm hiểu thêm về VinCamAI: Tại đây 

Tư liệu tham khảo: Towards Data Science

Tags:

Chia sẻ:
Share on facebook
Share on twitter
Share on linkedin

Có thể bạn quan tâm

Chu trình xây dựng thuật toán và ứng dụng của công nghệ nhận diện khuôn mặt

Nhận diện khuôn mặt là thuật toán xác định danh tính của một cá nhân bằng

EFPN: Mô hình mạng tính năng thiết kế dạng kim tự tháp mở rộng để phát hiện vật thể nhỏ

Công nghệ thị giác máy tính (Computer Vision) sử dụng các thuật toán để máy tính