Fujitsu Laboratories Ltd. je najavio tehnologiju za uspješno prepoznavanje prijevara sustava koji koristi konvencionalne kamere za prepoznavanja lica.

Iako biometrijska autentifikacija  raste u popularnosti,  i dalje postoje mnogi rizici.  U nekim slučajevima, pojavljuje se mogućnost da slika može postati meta zlonamjernih korisnika, ako bude  primjerice  ukradena zbog gubitka osobne iskaznice ili  kada se slike lica otkrivaju na Internetu putem SNS-a itd.  Zbog rasprostranjenosti takvih slika,   autentifikacija lica  postaje ranjivijom od ostalih metoda autentifikacije, poput otisaka prstiju ili vena na dlanu.

Primjer predstavljanja druge osobe za sustav prepoznavanja lica pomoću osobne iskaznice itd.

Isto tako  pokazalo se da je teško odrediti autentičnost lica  oslanjajući se samo na sliku lica  zbog učinaka poput refleksija uzrokovanih fluorescentnim svjetlima ili sunčevom svjetlošću ili zamućenja uzrokovanih pokretima lica. 

Iz tog se razloga, kako bi se podigao stupanj sigurnosti  koriste   namjenske infracrvene ili dubinske kamere koje mjere udaljenost između predmeta i fotoaparata kako bi  detektirale  tipične znakove krivotvorenja.  

Međutim, ove metode  imaju nesavršenosti i dovode do problema koji uključuju povećane troškove i smanjenu praktičnost   zbog potrebe za dodatnom interakcijom korisnika što  usporava postupak provjere autentičnosti.

Kako bi   riješili ove izazove, Fujitsu je razvio tehnologiju  koja otkriva suptilne razlike između autentične slike i krivotvorine, kao i tehnologiju prosudbe krivotvorenja obzirom razlike u izgledu zbog okruženja.

Tehnika  otkrivanje  suptilnih  razlika

Prvo, slika lica snimljena kamerom razdvojena je na različite elemente koji pokazuju karakteristične značajke krivotvorenja, poput reflektirajućih elemenata i elemenata oblika.

Dalje, tehnologija obrade slike koristi se za digitalizaciju karakterističnih obilježja krivotvorenja za svaki od odvojenih elemenata, a karakteristike svakog elementa kombiniraju se da bi se stvorila karakteristika za prosudbu. To omogućuje identificiranje krivotvorina bez podataka na temelju korisničkih radnji.

Slika 2:  Tehnologija izdvajanja krivotvorenih značajki

Tehnologija ocjenjivanja krivotvorenja kao odgovor na promjene u kvaliteti slike zbog okruženja snimanja

U prošlosti, kako bi se odgovorilo na varijacije izgleda slike uzrokovane okolinom snimanja, generiran je jedan model određivanja treniranjem sustava sa slikama lica koji sadrži razne varijacije pomoću strojnog učenja.

Međutim, širok raspon varijacija načina snimanja slika, ovisno o vrsti krivotvorenja, poput zaslona pametnog telefona ili osobne iskaznice, komplicira granicu između stvarnog lica i krivotvorine, što otežava identificiranje krivotvorine čak i s najnovijim tehnikama dubokog učenja. 

Uz Fujitsu  tehnologiju  može se ispravno identificirati krivotvorina generirajući modele određivanja koji smanjuju utjecaj varijacija učeći kategorije slika lica koje imaju slične varijacije, poput slika lica snimljenih u uredu  ili snimljenih kroz prozor.

Koraci razvojne tehnologije podijeljeni su u fazu treninga i fazu prosudbe. U fazi treninga slike lica stečene u raznim okruženjima klasificiraju se u kategorije poput prozora, pozadinskog osvjetljenja i obično se temelje na okruženju snimanja, poput intenziteta svjetlosti i smjera svjetlosti.

Zatim se izrađuje model prosudbe kako bi se utvrdilo je li meta stvarno lice ili je krivotvoreno pomoću strojnog učenja, koristeći značajke odlučivanja generirane tehnologijom ekstrakcije obilježja krivotvorenja za svaku kategoriju 

U fazi prosudbe, kako bi se procijenilo kojoj je od kategorija definiranih u fazi treninga blisko okruženje za snimanje ulazne slike, sličnost između ulazne slike i svake kategorije izračunava se dinamički. 

Dalje, kako bi se naglasio rezultat modela određivanja kategorije u kojoj su ulazna slika i okoliš bliski jedni drugima, vrijednost dobivena množenjem rezultata koji pokazuje autentičnost rezultata svakog modela određivanja s ponderom na temelju sličnost sa svakom kategorijom koristi se da bi se utvrdilo je li predmet lažan ili nije.

Fujitsu želi dodatno poboljšati točnost svoje tehnologije otkrivanja krivotvorenja s ciljem da je stavi u praktičnu upotrebu do kraja fiskalne 2020. godine u ožujku 2021.