Как оценить надёжность liveness-проверки: гайд для тех, кто выбирает KYC-поставщика

Новый клиент проходит удалённую идентификацию за 30 секунд. Улыбается в камеру, поворачивает голову, делает селфи — и вот он уже в системе. Но точно ли это тот самый человек, а не мошенник с чужой фотографией?

Для финтеха, банкинга, страхования и других сфер с высоким риском поиск реальных способов определить, кто пришёл: добропорядочные пользователь или злоумышленник, — регулярная задача со множеством ответов. Внедрение KYC-сервиса – один из них. Однако если сервис некорректно, вы либо потеряете конверсию, либо можете понести прямые финансовые потери от фрода.

Часто от вендоров звучат одинаковые обещания: «точность 99,9%», «защита от deepfake», «сертифицировано по международному стандарту». Однако за этими фразами могут стоять совершенно разные системы — от простой проверки моргания до полноценной защиты.

По каким критериям оценивать liveness-решение, чтобы выбрать действительно работающую защиту?

Зачем нужен liveness и от чего он защищает

Liveness detection или определение «живости» это проверка, что перед камерой живой человек, а не его имитация.

Подделки называют атаками на предъявление (Presentation Attack). Самые частые:

• Print Attack — бумажная распечатка лица, поднесённая к камере или маска-вырезка
• Replay Attack — видеозапись человека, воспроизводимая на экране другого устройства;
• 3D или объёмные маски — силиконовые, латексные или 3D-печатные модели лица;
• Deepfake-видео — синтезированное видео, транслируемое на экране высокого разрешения;
• Инъекция видеопотока — подмена данных на уровне программного интерфейса, виртуальной камеры.

Чем сложнее атака, тем более совершенная модель и архитектура требуются для её обнаружения.

Метрики: на что реально смотреть

Вендоры любят называть общую точность или F1-score, среднее между точностью (Precision) и полнотой (Recall).

Precision отвечает на вопрос: “Среди всех объектов, которые модель назвала положительными, какая доля действительно является положительными?”

Recall отвечает на вопрос: “Из всех существующих больных/мошенников/спам-писем, сколько процентов мы нашли?”

F1 = 2 × (Precision × Recall) / (Precision + Recall)

В задачах liveness detection значения F1-score варьируются:

F1-score — полезный ориентир, но не главный, а для финтех-системы даже плохой. Причина в том, что цена двух видов ошибок различается на порядки: цена пропуска атаки (мошенник получил доступ) и цена ложного отказа (реальный клиент не смог войти) несопоставимы.

Первая ошибка стоит компании денег и репутации, вторая раздражает пользователя, но не создаёт прямого ущерба.

Индустриальный стандарт для liveness не F1-score, а две отдельные метрики, закреплённые в международном стандарте ISO/IEC 30107-3 (Presentation Attack Detection).

APCER и BPCER: язык индустриального стандарта

В международном стандарте ISO/IEC 30107-3 оперируют двумя метриками:

APCER (Attack Presentation Classification Error Rate) — доля пропущенных атак. Для финтеха допустимо ≤ 1% (Уровень 1) или ≤ 0,1% (Уровень 2).

BPCER (Bona Fide Presentation Classification Error Rate) — доля заблокированных живых пользователей. Для приемлемого UX: ≤ 1–2%.

Уровни сложности атак: Уровень 1 и Уровень 2

Стандарт ISO 30107 разделяет атаки на уровни, и система обязана блокировать каждый из них:

Уровень 1 (базовый фрод):

• Бумажные распечатки и маски-вырезки;
• Видеоповтор на другом смартфоне перед камерой.

Уровень 2 (продвинутый фрод):

• Силиконовые и латексные маски;
• Реалистичные 3D-модели лиц;

Профессиональные deepfake-видео на 4K-дисплеях и планшетах с антибликовым покрытием.

Пассивный и активный liveness: два подхода, одна цель

Пассивный liveness

Нейросеть анализирует один кадр или короткий видеоролик без каких-либо действий со стороны пользователя. Модель ищет:

• муаровые узоры (интерференция при съёмке экрана на камеру);
• текстуру бумаги или пиксельную сетку дисплея;
• блики от плоской стеклянной поверхности;
• отсутствие глубины, отсуствие объёма: плоский носитель не даёт микродисторсии и глубины настоящего лица, это проверяется через карты глубины (Depth Estimation).

Плюс: идеальный UX, когда клиент просто смотрит в камеру.

Минус: требует тяжёлых, хорошо обученных моделей.

Активный liveness

Клиенту предлагается выполнить случайное действие: моргнуть, улыбнуться, повернуть голову, проследить за точкой на экране.

Плюс: эффективно против статичных распечаток.

Минус: уязвим к deepfake-видео на экранах, если не дополнен пассивным методом.

Эти детали — не техническая экзотика, а повод для конкретного вопроса вендору: «какие признаки атаки распознаёт модель и как это тестировалось на реальных материалах — бумаге, экранах, масках?» Общий ответ «у нас нейросеть» не говорит ничего о реальном покрытии типов атак.

Что выбрать?

Надёжное решение всегда комбинирует оба подхода. Если вам предлагают только активный liveness — это уровень пятилетней давности. Ни один из методов не работает надёжно в одиночку.

Пассивная проверка ловит текстуру подделки, но не гарантирует, что перед камерой не крутят видео с нужными движениями.

Активная проверка ловит статичные атаки, но её саму можно обмануть качественным дипфейком.

Надёжная архитектура сочетает оба подхода — и это стоит прямо спрашивать у вендора: работает ли его система только на пассивном анализе или комбинирует методы.

Архитектурные требования: то, что не видно в демо

Самая точная модель бесполезна, если архитектура сессии допускает обход. При оценке решения обращайте внимание на три критических элемента или предусмотрите, чтобы они были реализованы на вашей стороне:

1. Связывание сессии (Session Binding)

Видеопоток с движениями и финальное статичное селфи должны быть сделаны в рамках одной неразрывной сессии, одним человеком, на одном устройстве. Должна быть исключена возможность пройти видео-челлендж настоящим лицом, а на этапе селфи подставить фотографию другого человека или перехватить API-запрос.

2. Динамическая генерация заданий (Challenge-Response)

Команды («поверните голову влево», «моргните», «улыбнитесь») должны генерироваться сервером случайно в реальном времени. Фиксированная последовательность = возможность записать видео заранее и воспроизвести его.

3. Жёсткие тайм-ауты

На каждое действие отводится несколько секунд. Это лишает злоумышленника времени на переключение экранов, замену масок или запуск нужного фрагмента записи.

Защита от инъекций: невидимый фронт

ISO 30107-3 оценивает не только то, что «видит» камера, но и как данные поступают в систему:

• Контроль целостности SDK: приложение защищено от подмены видеопотока на уровне кода;
• Детекция виртуальных камер: блокировка эмуляторов, виртуальных драйверов, инструментов захвата экрана, которые позволяют транслировать заранее подготовленное видео вместо реальной картинки с объектива;
• Контроль метаданных: анализ EXIF-данных, проверка соответствия разрешения камеры заявленному устройству.

Это тот уровень защиты, который редко попадает в маркетинговые материалы, но именно его отсутствие чаще всего эксплуатируют профессиональные мошенники: не «обмануть» нейросеть, а обойти её, подменив данные до момента анализа.

Переведите это в три конкретных вопроса:

• Генерируются ли задания случайно на сервере или берутся из фиксированного набора?
• Как проверяется, что видео и селфи сняты в одной сессии?
• Какой тайм-аут установлен на выполнение действия?

Опасная ловушка официальных тестов или как найти гармоничное решение

Официальный аудит устроен так: эксперты создают сотни искусственных атак, используя для этого фотографии тестировщиков, маски и снимки экранов.

Результат оценивают всё по тем же двум критериям:

• APCER = 0%. Для получения сертификата система не должна пропустить ни одной атаки из тестового пула — ни для Level 1, ни для Level 2, если заявлен именно этот уровень.
• BPCER ≤ 15%. Формальный порог сертификации допускает, что система может ошибочно отклонить реального человека в 15% случаев. Это много: для продакшена бизнес обычно требует показатель в разы ниже: 1–2%.

Однако здесь и кроется ловушка, о которой важно помнить: сертификатом подтверждается факт защиты от атак, но не комфортный пользовательский опыт. Система может честно пройти сертификацию и при этом отклонять каждого седьмого живого клиента: просто эта цифра формально укладывается в требования аудита.

Каждую сервисы нужно протестировать самостоятельно, ориентируясь, но не обращая большого внимания на заявленные цифры в отчетах.

Чек-лист вопросов вендору

1. Комбинирует ли система passive- и active-проверку или полагается на один метод?
2. Как защищён канал передачи видео — блокируются ли виртуальные камеры, эмуляторы, инъекции видеопотока?
3. Проверяются ли метаданные снимка на соответствие заявленному устройству?
4. Если в сценарии есть связка «видео + селфи»,  как обеспечиваете связывание сессии и случайна ли генерация заданий?
5. Какой тайм-аут установлен на выполнение действия в active-проверке?

Что в итоге

Liveness detection, проверка на «живость» —  это проверка, что перед камерой живой человек, а не фотография, маска, записанное видео или дипфейк. Без этой проверки дистанционная идентификация слабее защищена от атаки.

• Оценивать надёжность liveness-системы по одной общей цифре точности бессмысленно: индустриальный стандарт — это раздельные метрики APCER и BPCER, закреплённые в ISO/IEC 30107-3, и уровень сложности атак, который система способна отражать.
• В надёжной системе сочетаются пассивный и активный методы проверки, а также есть защита канала передачи данных от подмены и, если сценарий это предполагает, есть надёжная связка видео-челленджа с финальным селфи в рамках одной сессии.

Выбирая поставщика, запросите отчёт с цифрами APCER и BPCER и сравните эти цифры с требованиями своего продукта, которые всегда балансируют между бесшовным пользовательским опытом для честных клиентов, репутационными рисками и реальными убытками.

Как выбрать надёжное решение

• Ориентируйтесь на APCER и BPCER, а не на абстрактную «точность».
• Убедитесь, что архитектура включает session binding, динамический challenge-response и защиту от инъекций.
• Оценивайте совокупность пассивного и активного liveness — по отдельности каждый метод уязвим.

Выбирайте партнёра, который инвестирует в обновление моделей и отслеживает новые векторы атак, а не продаёт «коробку» с фиксированным набором признаков.

_____________

Ищете надёжный KYC-сервис с идентификацией в видео-потоке, распознаванием и анализом данных? Протестируйте «Биорг.Идентификация» — бесплатно после регистрации в личном кабинете.