亚马逊AWS官方博客
基于 Amazon Rekognition Face Liveness 打造创新的 KYC（电子身份认证）解决方案
什么是 eKYC 解决方案？
eKYC 是电子身份认证的简称，英文全称是 Electronic Know your customer，是指利用人工智能技术远程、数字化地完成对用户身份的自动验证，帮助企业了解用户的真实身份，降低欺诈带来的风险。应用 AI 技术，为用户提供多类型的身份类证件识别及人证验证，推动各行业实现国际业务数字化、自动化的合规经营。
合合信息深耕人工智能文字识别及大数据领域，基于机器学习、深度学习的版面分析、图像处理等多种技术，对前端设备采集的图像自动进行分类、智能判断类别，其多语言，并结合亚马逊 Amazon Rekognition Face Liveness 技术，打造出能够应用于多行业的智能数字身份认证风控（eKYC）解决方案。
行业痛点是什么？
主要由于相应的法律法规需要，例如在支付、通讯及金融行业的业务场景内进行用户有效 KYC 验证。出海企业及跨国企业，在不同区域展业往往面临多语言的挑战，当地法律法规的挑战。
过往这些业务场景往往是通过人工的方式。与用户面对面进行核对校验，主要痛点：
- 各个国家地区身份信息、ID 版式及语言不同，多种信息的识别对人员培训带来挑战；
- 身份信息的真伪验证仅依靠人工审核，且流程复杂。不仅给用户带来不良体验，更有较大的安全隐患；
- 人工操作失误不仅增加隐性时间成本，也为企业集团带来一定的合规风险。
解决方案的应用架构及介绍
方案的智能识别技术帮助企业将人工识别、验证身份信息的工作转为系统自动操作，精准识别企业新用户及存量用户常使用的中国大陆身份证、中国 EEP、中国香港身份证、中国澳门身份证和海外护照，对身份类证件进行质量检测，AI+ID 身份证件稽核。
同时通过亚马逊人脸识别的技术能力，对用户人脸抓取识别、人证对比核验，有效完善了真实活体人脸的检测、防欺诈，人证一致性的校验，完善了人证图像对比流程，形成了在线电子身份人证的方案流程。
 |
Amazon Rekognition Face Liveness 介绍
Amazon Rekognition Face Liveness 是一项利用活体检测技术的人脸识别服务。该服务通过分析用户提交的视频或照片，判断被识别者是否是真实存在且具有活动生命迹象的人物。下面将介绍其特点、使用场景以及优势。
特点
- 活体检测：Amazon Rekognition Face Liveness 能够分析人脸在视频中的实时运动，确保被识别者是活跃的、并非仅是一张静态照片。
- 基于深度学习：该技术使用了基于深度学习的算法，对人脸图像进行高效准确的活体检测。
- 低误判率：Amazon Rekognition Face Liveness 在识别过程中具有较低的误报率，能够有效防止被冒充、欺骗、或使用三维模型等方式进行攻击。
使用场景
- 用户验证：Amazon Rekognition Face Liveness 可以应用于各个行业中的用户验证场景，如银行、金融服务、电子商务和社交媒体等。它可以确保只有真实人员才能访问账户、进行付款或发布内容等操作，提供安全性和防止身份盗窃的保障。
- 人脸活体登记：在高风险环境下，例如入境边检、安全检查等场所，Amazon Rekognition Face Liveness 可以用于识别和验证来访者的真实身份，防止使用照片或其他假冒手段进行欺诈行为。
- 在线考试监控：该技术可以用于在线考试平台，确保考生是真实参与并通过活体检测预防作弊现象的发生。
优势
- 高可靠性：Amazon Rekognition Face Liveness 凭借其有效的活体检测算法，能够提供高可信度的人脸识别反欺诈方案。
- 灵活性：该服务支持多种数据输入形式，既可以处理实时视频流，也可以对静态照片进行分析，满足不同使用场景的需求。
- 速度快：Amazon Rekognition Face Liveness 利用云计算大规模并行处理的优势，具有极快的响应时间，确保用户体验流畅。
Amazon Rekognition Face Liveness 是一项基于深度学习的人脸识别服务，在各个领域中都拥有广泛的应用前景。它的特点以及在用户验证、登记和考试监控等场景中的使用，使得其成为一种安全、可靠且高效的活体识别解决方案。
Amazon Rekognition Face Liveness 的具体实现架构
 |
Amplify UI FaceLivenessDetector 为 Amazon Rekognition Face Liveness 提供了一个 UI 组件，可帮助开发人员验证只有真实用户才能访问您的服务，而不是使用欺骗的不良行为者。
通过 Amazon Amplify 创建和管理，后端应用服务的网关（Amazon API Gateway），身份识别管理系统（Amazon Cognito），以及后端服务本身（Amazon Lambda）。
授权后端服务 Lambda 函数调用 Amazon Rekognition Face Liveness 的权限，执行关键的活体检测逻辑，最后返回检测结果到客户端。
具体的实现代码可以参考：amplify-ui-android/samples/liveness at main · aws-amplify/amplify-ui-android · GitHub。
AWS SDKs 和 APIs
将应用程序配置为与人脸活动功能集成时，它将使用以下 API 操作：
- CreateFaceLivenessSession – 启动人脸活动会话，让人脸活动检测模型在应用程序中使用。返回所创建会话的
SessionId。 - StartFaceLivenessSession – 由 FaceLivenessDetector 组件调用。启动包含有关当前会话中的相关事件和属性的信息的事件流。
- GetFaceLivenessSessionResults – 检索特定人脸活动会话的结果，包括人脸活动置信度分数、参考图像和审核图像。
- 您可以使用任何受支持的 AWS 开发工具包（AWS Python SDK Boto3 或 AWS SDK for Java V2）测试 Amazon Rekognition Face Liveness。
开发经验
下图说明了解决方案体系结构。
 |
人脸活体检查过程包括几个步骤：
- 最终用户在客户端应用程序中启动人脸活体检查。
- 客户端应用程序调用客户的后端应用，而后端应用又调用 Amazon Rekognition。该服务创建一个 Face Liveness 会话并返回唯一的
SessionId。 - 客户端应用使用获取的 SessionId 和适当的回调呈现 FaceLivenessDetector 组件。
- FaceLivenessDetector 组件建立与 Amazon Rekognition 流媒体服务的连接，在用户屏幕上呈现一个椭圆形，并显示一系列彩色灯光。FaceLivenessDetector 将视频实时录制并流式传输到 Amazon Rekognition 流媒体服务。
- Amazon Rekognition 实时处理视频，存储结果，包括存储在 Amazon Simple Storage Service（S3）存储桶中的参考图像和审计图像，并在流式传输完成后向 FaceLivenessDetector 组件返回 DisconnectEvent。
- FaceLivenessDetector 组件调用相应的回调，向客户端应用发出信号，表明流式处理已完成，并且分数已准备好进行检索。
- 客户端应用调用客户的后端以获取一个布尔标志，指示用户是否处于活动状态。客户后端向 Amazon Rekognition 发出请求，以获取置信度分数、参考和审核映像。客户后端使用这些属性来确定用户是否处于活动状态，并向客户端应用返回适当的响应。
- 最后，客户端应用将响应传递给 FaceLivenessDetector 组件，该组件会适当地呈现成功或失败消息以完成流程。
总体来说，Amazon Rekognition Face Liveness 的上线很好地契合了 KYC 业务场景，完善了电子化 KYC 解决方案。
参考链接
Face Liveness | Amplify UI for React
Face Liveness | Amplify UI for Android