使用 Amazon Rekognition 进行身份验证

使用机器学习在线验证用户身份

为何需要身份验证?

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(ML)的面部生物识别可以帮助进行在线用户身份验证。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。使用此功能不需要具备机器学习专业知识。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。

身份验证的优势

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,用户无需亲临现场即可在线访问您的服务。

使用 Amazon Rekognition 预先训练和可自定义的 API,即可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。

在基于密码的身份验证基础上补充在线视觉身份验证,即可加强防欺诈能力。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。

 

Page Topics

一般性问题

一般性问题

Amazon Rekognition Face Liveness 有助于验证只有真实用户(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)。

Amazon Rekognition 面孔检测有助于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。

Amazon Rekognition 面孔比较有助于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。

Amazon Rekognition 面孔索引面孔搜索有助于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,对重复的或具有欺诈性的账户创建尝试进行检测。

Amazon Rekognition 对象检测有助于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,来检测自己所在区域独特的身份证件类型。

Amazon Rekognition 文本检测有助于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

    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。Rekognition 还帮助我们在 KYC 中发现了重叠的资料和重复的数据集。

    Aella Credit 首席技术官兼共同创始人 Wale Akanbi
  • AU Small Finance Bank

    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
  • Carbon

     

    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。

    OneFi IT 基础设施工程主管 Olawale Olaleye
  • Software Colombia

    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。

    阅读成功案例

     

    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,并且可以跨区域使用。

    Software Colombia 首席执行官 Alex Chacón
  • 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。

    观看 Q5ID 客户评价视频

    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。

    Q5id 首席技术官 Becky Wanta