使用 Amazon Rekognition 进行身份验证

使用机器学习在线验证用户身份

面对面的用户身份验证速度慢,成本高,对用户来说阻力大。采用机器学习的面部生物识别可以实现在线用户身份验证。Amazon Rekognition 提供预先训练的面部识别和分析功能,您可以快速将其添加到您的用户引导和身份验证工作流中,以在线验证选择加入的用户的身份。无需拥有机器学习专业知识。使用 Amazon Rekognition,您可以在几秒钟内对用户进行引导和身份验证,同时检测欺诈或重复账户。因此,您可以更快地增加用户,减少欺诈,并降低用户验证成本。

什么是 Amazon Rekognition 身份验证(1:22)

优势

更快地增加用户

通过减少引导时间和增加用户便利性,将更多访客转化为客户。借助 Amazon Rekognition,您可以在几秒钟内在线验证世界任何地方的用户,每小时可以进行数百到数百万次身份验证。 现在,用户无需亲自拜访即可在线访问您的服务。

减少欺诈

通过在基于密码的身份验证基础上补充在线视觉身份验证,加强您的防欺诈能力。通过将用户的自拍照片与身份证件照片或您收集的现有用户照片进行比较,防止欺诈性开户或交易。

降低成本和开销

通过使用 Amazon Rekognition 预先训练和可自定义的 API,减少面对面身份验证的时间和成本。借助 Amazon Rekognition,您无需构建和管理自己的 ML 基础设施,即可在线对用户进行引导和身份验证。

工作原理

Amazon Rekognition Face Liveness 的工作原理

功能

检测人脸活动

Amazon Rekognition Face Liveness 可以帮助您验证只有真实用户(而不是使用欺诈手段的虚假行为者)可以访问您的服务。您可以检测呈现给相机的欺骗行为(例如打印的照片、数字照片、数字视频或 3D 面具)以及绕过相机的欺诈行为(例如预先录制或深度伪造的视频)。

验证自拍照片

Amazon Rekognition Face Detection 可以帮助您检测用户的自拍照片是否被正确捕获。您可以检测照片中是否存在人脸。您还可以使用预测属性,例如边框大小、姿势、亮度、锐度、眼睛睁开程度、嘴巴张开程度和是否佩戴眼镜来确定照片质量。

CBS

将自拍图片与用户 ID 进行比较

Amazon Rekognition Face Comparison 可以帮助您衡量两张脸的相似度,从而帮助您确定他们是否是同一个人。您可以近乎实时地接收用户的自拍照片与其身份证件照片的相似度得分预测。

CBS

检测重复用户

Amazon Rekognition Face IndexSearch 使您能够创建现有用户的人脸集合,并针对集合中的所有人脸搜索新的用户自拍照片,以检测重复或欺诈性的账户创建尝试。

CBS

对身份证件进行分类

Amazon Rekognition Object Detection 可以帮助您确定用户身份证件的类型,例如驾照或护照。您还可以使用 Amazon Rekognition Custom Labels,通过使用几张带注释的图像训练自定义机器学习模型,来检测您所在区域独特的身份证件类型。

提取用户数据

Amazon Rekognition Text Detection 可以帮助您提取身份证上的关键文本片段,例如姓名、签发日期、年龄和身份证号码。您可以将此信息与用户申请表单数据进行比较。

客户

Aella Credit 使用生物识别、雇主和手机数据在新兴市场向可查证收入来源的个人提供即期贷款。

“身份验证与确认已经成为新兴市场中的一大挑战。正确确认用户身份的能力是为新兴市场的数十亿人建立信用的关键障碍。使用 Amazon Rekognition 在我们的移动应用程序上进行身份验证,大大减少了验证错误,并使我们能够进行扩展。现在,我们可以实时检测并验证某个人的身份,而无需任何人为干预,因此让访问产品更快。我们尝试过各种大加宣传的解决方案,但是没有一个流行的备选方案能够准确地识别各种肤色。Amazon Rekognition 帮助我们有效地对我们市场上的客户进行面部识别。我们还可以通过 KYC 发现重叠的个人资料和重复的数据集。”

Wale Akanbi,Aella Credit 首席技术官兼共同创始人

AU Small Finance Bank (AU Bank) 是印度最大的小型金融银行(按资产和负债计算),自 2020 年以来已成功通过视频 KYC 吸引新客户,目前在 900 个银行接触点为超过 270 万客户提供支持。

“AWS 为 WorkApps 平台提供了必要的可扩展性和可靠性,通过基于云的解决方案,我们的上市速度和价值实现速度得到显著加快。”

Ankur Tripathi,AU Small Finance Bank 首席信息官

CBS

Banco de Bogotá

拥有 150 年运营经验的 Banco de Bogotá 隶属 Aval Group 旗下,其资产在哥伦比亚银行体系中排名第二,这使其在该国的经济发展中发挥着举足轻重的作用。

“通过 AWS,我们成为哥伦比亚第一家推出贷款和信贷产品的银行,这些产品可以在不到 5 分钟的时间内从我们的数字渠道购买。”

Gabriel Morris,Bank of Bogotá 技术负责人兼数字战略和数据董事

Carbon 是一个由 OneFi 提供技术支持的数字金融服务平台,通过一个下载量超过 900000 次的 Android 移动应用程序,在西非为未得到银行服务的人们提供服务。

“2016 年 5 月,Carbon 发布了用于贷款申请流程的移动应用程序。通过该移动应用程序,能够比以往更快地持续生成和使用图像。Carbon 需要满足其对图像分析日益增长的需求,以进行诈骗检测和风险分析。我们希望能够识别是否确实在上传的图像中检测到了人脸以及识别性别和身份等其他标签。我们之所以选择 Amazon Rekognition,是因为它能够非常方便地将图像分析添加到我们的移动应用程序,并且能准确地进行面部分析。”

Olawale Olaleye,OneFi IT 基础设施工程主管

CBS

CreditVidya

CreditVidya 是一家总部位于印度的初创公司,其承保技术正在向超过 2.5 亿经济困难的公民开放该国的贷款市场。CreditVidya 计划很快与 Amazon Rekognition 合作,后者将人脸识别添加到应用程序中。

“我们计划使用 Amazon Rekognition 来完成我们的“了解您的客户”电子流程。我们将比较用户上传的身份证和自拍照,以确保申请人上传的是自己的身份证。”

Srikanth Gaddam,CreditVidya IT 和安全副总裁

Banco Inter

Banco Inter SA

Banco Inter SA 提供银行、投资、信贷和保险方面的完整服务,此外还拥有一个汇集巴西最好零售商的购物中心。该公司拥有 1100 万客户,扩大后的信贷组合为 94 亿雷亚尔,股东权益为 33 亿雷亚尔,总资产为 198 亿雷亚尔。

“三年前,我们每天开立 200 个账户。如今,每天有 2.9 万个账户开立,如果没有 Amazon Rekognition,我们就无法灵活地做到这一点。”

Bruno Picchioni,Banco Inter 机器学习工程师

K-STAR Group 是一家娱乐公司,主要提供音乐会票务和支付服务。 

“作为一家娱乐公司,我们为客户提供音乐会票务和支付服务。关于音乐会,一个一再出现的痛点就是,观众长时间排队等待提供所购买纸质门票的凭证,然后在入场时进行验证。为了解决此问题,我们使用 Amazon Rekognition 开发了“刷脸入场”服务。现在,观众可以快速验票,而无需排队取票或在入场时扫描纸质门票。我们支持的音乐会不再需要排队,观众得以尽享我们的新“刷脸入场”系统所带来的便利和有趣体验。在我们开发此服务时,我们将 Rekognition 与其他本地面部分析服务进行了对比,最终决定使用 Rekognition,因为它可使用 S3 进行扩展并且可与其他 AWS 服务无缝集成。”

Hyojin Kim,K-STAR Group 主席

Software Colombia 是一家顶级的人工智能和机器学习软件开发公司,在全球范围内提供尖端技术解决方案,专注于其 300 多个活跃项目的创新、质量和客户满意度。

“我们的主要挑战在于实施一个强大、快速且准确的用户身份验证平台,Amazon Rekognition 及其 Face Liveness 检测 API 帮助我们实现了这一目标。这个新的 Amazon Rekognition API 使我们能够构建内部生物特征面部识别流程,帮助我们将身份欺骗攻击和风险降低多达 95%,使我们的 X509 数字证书颁发和签名流程更加安全和高效。我们的客户可以选择使用手机摄像头进行身份验证,这也使我们的服务更具包容性,并且可以跨地区使用。”

Alex Chacón,Software Colombia 首席执行官

阅读成功案例 >>
Q5id

Q5id

Q5id 为消费者和企业提供了一个强大的验证身份管理解决方案,以帮助客户验证身份并保护组织安全。

“Q5id 专注于证明个人身份,而不是假设其有效。我们的目标是为我们的金融服务客户及其客户提供最高级别的保证,以识别和验证个人声称的身份是否属实。我们通过使用 Amazon Rekognition 身份验证 API 及其人脸识别功能,然后集成我们的专有软件来构建我们的产品和服务,从而实现这一目标。AWS 帮助我们改进和平衡人脸识别模式,我们使用这些模式实现了 9330 亿分之一的误识率,9330 亿这个数字是世界人口的 100 多倍。”

Becky Wanta,Q5id 首席技术官

观看 Q5ID 客户评价视频 

了解有关 Amazon Rekognition 定价的更多信息

访问定价页面
准备好开始构建了吗?
Amazon Rekognition 入门
还有更多问题?
联系我们