面對面使用者身分驗證擴展速度慢、成本高且使用者摩擦大。採用機器學習技術的面部生物識別技術可實現線上使用者身分驗證。Amazon Rekognition 提供預先訓練的面部識別和分析功能，您可以快速將其新增至使用者布設和身分驗證工作流程中，以便線上驗證選擇加入的使用者身分。不需要機器學習相關專業知識。藉助 Amazon Rekognition，您可以在幾秒內布設並驗證使用者身分，同時偵測詐騙或重複帳戶。因此，您可以更快地增長使用者、減少詐騙，並降低使用者驗證成本。
優勢
更快地增長使用者
透過減少布設時間，以及增加使用者便利性，將更多訪客轉化為客戶。藉助 Amazon Rekognition，您可以在幾秒內驗證世界各地的使用者線上身分，並從每小時數百到數百萬的身分驗證擴展。 使用者現在無需親自到訪，即可線上存取您的服務。
減少詐騙
透過線上視覺身分驗證，對以密碼為基礎的身分驗證進行補充，增強您的詐騙防範能力。透過將使用者的自拍照與身分證明相片，或者您收集的現有使用者相片作比較，防止詐騙性開戶或交易。
降低成本和開銷
使用 Amazon Rekognition 預先訓練和可自訂的 API，減少面對面身分驗證的時間和成本。藉助 Amazon Rekognition，您無需建置和管理自己的 ML 基礎設施，即可線上註冊並驗證使用者。
運作方式
功能
檢測臉部活力
Amazon Rekognition 臉部活力可協助您確認唯有真實使用者 (而非使用愚弄手法的不當行為者) 才能存取您的服務。您可以偵測在相機前呈現的愚弄手法，例如列印出來的相片、數位相片、數位影片或 3D 面具，以及無視相機偵測的愚弄手法，例如預先錄製或深度偽造的影片。
驗證自拍照
Amazon Rekognition 臉部偵測可協助您偵測使用者的自拍照是否正確拍攝。您可以偵測圖片中是否存在人臉。您還可以使用邊界框大小、姿勢、亮度、銳度、睜眼、張嘴和佩戴的眼鏡等預測屬性，來確定相片品質。
將自拍照與使用者 ID 作比較
Amazon Rekognition 臉部比較可協助您衡量兩張人臉的相似度，以確定他們是否為同一個人。您能夠以近乎即時的方式，接收使用者自拍照與其身分證件圖片的相似度得分預測。
偵測重複使用者
Amazon Rekognition 臉部索引和搜尋能讓您建立現有使用者的臉部集合，並針對集合中的所有臉部搜尋新使用者自拍照，藉此偵測重複或詐騙性帳戶建立的嘗試。
分類身分文件
Amazon Rekognition 物件偵測可協助您確定使用者身分文件的類型，例如駕照或護照。您還可以使用 Amazon Rekognition 自訂標籤，透過使用一些帶註釋的影像來訓練自訂機器學習模型，藉此偵測您所在區域獨有的身分文件類型。
擷取使用者資料
Amazon Rekognition 文字偵測可協助您擷取身分證上文字的關鍵部分，例如姓名、核發日期、年齡和身分證字號。您可以將此資訊與使用者申請表資料作比較。
客戶
Aella Credit 利用生物識別、雇主和行動電話等資料，向新興市場中具有可驗證收入來源的個人提供快速貸款。
「身分驗證和確認一直是新興市場的主要挑戰。正確識別用戶的能力是新興市場數十億人建立信用的主要障礙。在我們的行動應用程式上使用 Amazon Rekognition 進行身分驗證顯著減少了驗證錯誤，並使我們能夠擴展。我們現在可以在沒有任何人為干預的情況下即時偵測和驗證個人身分，從而可以更快地訪問我們的產品。我們嘗試了各種廣為宣傳的解決方案，但沒有任何一個受歡迎的替代方案能夠準確地識別出各種膚色。Amazon Rekognition 協助我們有效地識別市場中的客戶臉孔。同時還協助我們使用 KYC 來探索重疊的輪廓和重複的資料集。」
Aella Credit 技術長兼共同創辦人 Wale Akanbi
AU Small Finance Bank (AU Bank) 是印度最大的小型金融銀行（根據資產和負債），自 2020 年以來，已透過視訊 KYC 成功為新客戶提供服務，現時在 900 個銀行接觸點支援 270 多萬客戶。
「AWS 為 WorkApps 平台提供必要的可擴展性和可靠性，基於雲端的解決方案大大加快了我們的上市時間和價值實現時間。」
AU Small Finance Bank 資訊長 Ankur Tripathi
Banco de Bogotá
Banco de Bogotá 隸屬 Aval 集團，擁有 150 年的營運經驗，其資產在哥倫比亞銀行系統中排名第二，使其成為該國的主要參與者。
「憑藉 AWS，我們成為哥倫比亞第一間推出貸款和信貸產品的銀行，這些產品可在不到 5 分鐘的時間內從我們的數位管道購買。」
波哥大銀行數位策略與資料局技術主管 Gabriel Morris
Carbon 是一個採用 OneFi 技術的數位金融服務平台，通過下載量超過 900,000 次的 Android 行動應用程式，為西非無法享受銀行服務的個人提供金融服務。
「2016 年 5 月，Carbon 推出了用於貸款申請程序的行動應用程式。藉助該行動應用程式，能夠以前所未有速度產生和取用影像。Carbon 需要滿足日益增長的影像分析需求，以進行詐騙偵測和風險分析。我們希望能夠識別上傳的影像中是否確實偵測到人臉，並識別性別和身分等其他標籤。我們之所以選擇 Amazon Rekognition，是因為該服務可以輕鬆地將影像分析新增至我們的行動應用程式，以及其面部分析的準確性。」
OneFi IT 基礎設施工程主管 Olawale Olaleye
CreditVidya
CreditVidya 是一間總部位於印度的新創公司，憑藉其承銷技術，正在向超過 2.5 億遭遇金融機構排斥的公民開放該國的貸款市場。CreditVidya 計劃很快與 Amazon Rekognition 一起上線，將面部識別新增至應用程式中。
「我們計劃使用 Amazon Rekognition 來完成我們的「認識您的客戶」電子程序。我們會比較使用者上傳的身分證和自拍照，以確保申請人上傳的是自己的身分證。」
CreditVidya IT 與安全副總裁 Srikanth Gaddam
Banco Inter SA
Banco Inter SA 提供銀行、投資、信貸和保險方面的完整服務，此外還擁有一個彙集巴西最佳零售商的購物中心。該公司擁有 1,100 萬名客戶，擴展了 94 億雷亞爾的信貸組合，股東權益為 33 億雷亞爾，總資產為 198 億雷亞爾。
「三年前，我們每天開設 200 個帳戶。如今，每天開設 29,000 個帳戶，如果沒有 Amazon Rekognition，我們將無法靈活地做到。」
Banco Inter 機器學習工程師 Bruno Picchioni
K-STAR Group 是一間提供音樂會票務和支付服務的娛樂公司。
「我們是一間為客戶提供音樂會票務和支付服務的娛樂公司。音樂會上反覆出現的一個痛點是，觀眾排長隊等待提供其購買的紙質門票證明，然後在入口處進行驗證。為解決這個問題，我們使用 Amazon Rekognition 開發了 ‘Face Ticket’ 服務。現在，觀眾可以快速驗證其購買，而不是排隊等候取票，或在入場時掃描其紙質票。我們提供支援的音樂會不再需要排長隊，我們的全新 ‘Face Ticket’ 系統為觀眾帶來了便捷和有趣的體驗。在開發這項服務時，我們將 Rekognition 與其他本地面部分析服務進行了比較，由於該服務具備 S3 的可擴展性，以及與其他 AWS 服務無縫集成，我們最終決定使用 Rekognition。」
K-STAR 集團董事長 Hyojin Kim
Software Company 是一間頂級的 AI 和 ML 軟體開發公司，在全球範圍內提供尖端技術解決方案，專注於其 300 多個進行中專案的創新、品質和客戶滿意度。
「我們的主要挑戰是實作強大但快速且準確的使用者身分驗證平台，而 Amazon Rekognition 及其 Face Liveness 偵測 API 則協助我們實現這一目標。這個全新的 Amazon Rekognition API 讓我們能夠建立內部生物特徵臉部辨識程序，協助我們將身分詐騙攻擊和風險降低高達 95%，讓我們的 X509 數位憑證發行和簽章程序更加安全、更有效率。能夠讓我們的客戶可以選擇使用手機相機來驗證和確認其身分，這也使我們的服務更具包容性，並且可以跨區域使用。」
Software Colombia CEO Alex Chacón
Q5id
Q5id 為消費者和企業提供了一個強大的經驗證身分管理解決方案，可協助客戶驗證身分並保護組織安全。
「Q5id 致力於證明個人身分，而非假設其有效性。我們的目標是為我們的金融服務客戶及其客戶提供最高層級的保證，以識別和驗證他們的真實身分。我們利用 Amazon Rekognition 身分驗證 API 及其臉部辨識功能，然後整合我們的專有軟體以構建我們的產品和服務，進而實現這一目標。AWS 協助我們改善和平衡我們所用的臉部辨識模式，從而實現 9,330 億分之一的錯誤接受率，而這一數字是世界人口的 100 倍。」
Q5id 技術長 Becky Wanta
進一步了解 Amazon Rekognition 定價