เทคโนโลยีใหม่คู่หนึ่งเสนอการรับรองความถูกต้องของผู้ใช้ตามการเคลื่อนไหวของริมฝีปากในขณะที่พูด-หรือการอ่านริมฝีปาก-เป็นวิธีการทางชีวภาพเชิงพฤติกรรม
ริมฝีปากLipsecure แจ้งให้ผู้ใช้เปล่งลำดับตัวเลขแบบสุ่มตามที่ปรากฏบนหน้าจอและทำงานร่วมกับเทคโนโลยีการจดจำใบหน้าที่มีอยู่ของผู้ขายเพื่อตรวจสอบความมีชีวิตชีวาของผู้ใช้ การเริ่มต้นของไอริชได้เปิดตัวการทดลองด้วยการตรวจสอบผู้ใช้ที่กำหนดไว้และผู้ให้บริการตรวจสอบตัวตนเพื่อเพิ่มขีดความสามารถในการต่อต้านการตบเบา ๆ ของระบบการจดจำใบหน้าของพวกเขาตามการประกาศของ บริษัท
“ การทดลองเหล่านี้เป็นโอกาสที่น่าตื่นเต้นในการพัฒนาและตรวจสอบความถูกต้องของการตรวจสอบการตรวจสอบ Lipsecure ในพื้นที่ที่เทคโนโลยี FR ถูกนำไปใช้ในปัจจุบันเช่นการรับรองความถูกต้องสำหรับบริการออนไลน์การตรวจสอบข้อมูลประจำตัวสำหรับลูกค้าบนเครื่องบินการปลดล็อคอุปกรณ์ ฯลฯ “ ด้วยตัวเองการจดจำใบหน้าเป็นตัวตรวจสอบทางชีวภาพที่สะดวกมาก แต่การตรวจจับความมีชีวิตชีวาที่ไม่ดีและการกดเชิงลบที่เกิดขึ้นนั้นส่งผลกระทบอย่างมากต่อการซื้อสินค้าโดยเฉพาะอย่างยิ่งในอุปกรณ์มือถือ
บริษัท กล่าวว่า Lipsecure นั้นถูกรวมเข้ากับระบบการจดจำใบหน้าของบุคคลที่สามผ่านคลาวด์หรือซอฟต์แวร์ในสถานที่ที่เข้าถึงได้จาก SDK ที่หลากหลาย
การอ่านลิปและรหัสผ่านพูดถูกเสนอเป็นไฟล์การรับรองความถูกต้องสองปัจจัยระบบโดยศาสตราจารย์มหาวิทยาลัยแบ๊บติสต์ฮ่องกงเมื่อปีที่แล้ว
ทีมนักวิจัยนำโดย Jiadi Yu จากมหาวิทยาลัยเซี่ยงไฮ้ Jiao Tong ได้พัฒนา Lippass ซึ่งรู้สึกถึงการเคลื่อนไหวของปากของผู้ใช้อย่างมากIEEE spectrumรายงาน
ตามที่เผยแพร่เมื่อเร็ว ๆ นี้ศึกษาLippass ระบุผู้ใช้ที่มีความแม่นยำ 90.2 เปอร์เซ็นต์และตรวจจับการปลอมแปลงด้วยความแม่นยำ 93.1 เปอร์เซ็นต์ในการทดสอบครั้งแรก โปรไฟล์ Doppler ที่ไม่ซ้ำกันที่สร้างขึ้นโดยพฤติกรรมการพูดของผู้ใช้นั้นจะถูกตรวจจับโดยไมโครโฟนสมาร์ทโฟนและการจับคู่จะถูกสร้างขึ้นด้วยวิธีการตรวจสอบความถูกต้องตามทรีไบนารี ระบบได้รับการทดสอบโดยอาสาสมัคร 48 คนในสมาร์ทโฟน Android ยอดนิยมสี่ตัวในสภาพแวดล้อมอะคูสติกที่แตกต่างกันสี่แบบ
ระบบที่คล้ายกันได้รับการพัฒนาที่มหาวิทยาลัยรัฐฟลอริดาในปี 2560
ในการตั้งค่าในห้องปฏิบัติการความแม่นยำของการตรวจสอบความถูกต้องของ Lippass อยู่ที่ 95.3 เปอร์เซ็นต์ในขณะที่การรับรู้เสียง WeChat มีความแม่นยำ 96.1 เปอร์เซ็นต์และการรับรู้ใบหน้า Alipay พบว่ามีความแม่นยำ 97.2 เปอร์เซ็นต์ อย่างไรก็ตามในสภาพแวดล้อมที่มีเสียงดังและมืดความแม่นยำของ WeChat ลดลงถึง 21.3 เปอร์เซ็นต์และ Alipay's ถึง 20.4 เปอร์เซ็นต์ในขณะที่ Lippass มีความแม่นยำค่อนข้างคงที่ในสภาวะที่แตกต่างกัน
“ เพื่อต่อต้านการโจมตีโซลูชั่นที่มีอยู่ไม่ว่าจะใช้โครงสร้างพื้นฐานพิเศษเช่น Apple FaceId หรือต้องการให้ผู้ใช้มีส่วนร่วมในการดำเนินงานพิเศษเช่นการกะพริบตาซึ่งแนะนำค่าใช้จ่ายและความพยายามเพิ่มเติมและลดประสบการณ์การใช้งานของผู้ใช้” Yu กล่าว
นักวิจัยพบว่า Lippass ตรวจพบมากกว่า 90 เปอร์เซ็นต์ของการเล่นซ้ำเสียงการเลียนแบบและแม้กระทั่งสะท้อนการโจมตีโปรไฟล์ Doppler หลังประสบความสำเร็จเกือบ 20 เปอร์เซ็นต์ของเวลาภายใต้เงื่อนไขที่ควบคุมในห้องปฏิบัติการ แต่ต้องการให้ผู้โจมตีบันทึกโปรไฟล์ของผู้ใช้ที่ถูกต้องจากระยะใกล้ที่สุดเท่าที่ 50 เซนติเมตรเพื่อเก็บข้อมูลคุณภาพสูงพอ
Yu กล่าวว่าทีมกำลังพิจารณาแอพพลิเคชั่นสมาร์ทโฟนและอุปกรณ์สมาร์ทโฮมสำหรับเทคโนโลยี
หัวข้อบทความ
การรับรองความถูกต้อง-ชีวภาพเชิงพฤติกรรม-การตรวจจับไบโอเมตริกซ์-ไบโอเมตริกซ์-ริมฝีปาก-การเคลื่อนไหวของริมฝีปาก-การตรวจจับการปลอมแปลง
