Deepfakes? Nein, danke.

Liveness Detection ist eine fortschrittliche Sicherheitstechnologie, die in Echtzeit bestätigt, dass ein Benutzer eine echte, lebende Person ist, die während der Verifizierung physisch anwesend ist. Sie ist Ihre primäre Verteidigung gegen Präsentationsangriffe, bei denen Betrüger Fälschungen wie gedruckte Fotos, Bildschirmaufnahmen, 3D-Masken oder KI-generierte Deepfakes verwenden, um Ihr System zu täuschen.

Didit bietet eine Suite von drei verschiedenen Anti-Spoofing-Technologien, die es Ihnen ermöglichen, die perfekte Balance zwischen Sicherheit und Benutzererfahrung für Ihre spezifischen Anforderungen zu wählen:

• Passive Liveness (Standardsicherheit): Dies ist unsere reibungsloseste Methode. Sie verwendet fortschrittliches Deep Learning (CNN), um eine einzige Fotoaufnahme auf Texturmuster und digitale Artefakte zu analysieren, die ein echtes Gesicht von einem Spoofing unterscheiden. Sie ist ideal für Szenarien mit geringem Risiko, bei denen eine nahtlose Benutzererfahrung oberste Priorität hat.

• 3D-Flash (Hohe Sicherheit): Bei dieser Methode werden dynamische Lichtmuster vom Bildschirm des Benutzers auf sein Gesicht projiziert. Unsere KI analysiert die Reflexionen, um eine 3D-Tiefenkarte zu erstellen, die die dreidimensionale Struktur des Gesichts bestätigt. Dies bietet einen starken Schutz vor Präsentationsangriffen wie gedruckten Fotos und Bildschirmwiedergaben, wodurch es perfekt für Finanzdienstleistungen und sicheren Kontozugriff ist.

• 3D-Aktion & Flash (Höchste Sicherheit): Unsere robusteste Methode kombiniert die 3D-Flash-Lichtmusteranalyse mit einer Aufforderung zu einer einfachen, zufälligen Benutzeraktion (wie Blinzeln oder Nicken). Diese Integration von physischen (Tiefen-) und Verhaltens-Cues (Aktion) bietet das höchste Maß an Sicherheit, um selbst ausgeklügelte Spoofing-Angriffe wie hochwertige Masken und Video-Deepfakes zu besiegen. Es wird für Banken, Regierungen und andere Hochrisikoanwendungen empfohlen.

Unsere KI ist darauf trainiert, verräterische Anzeichen digitaler und physischer Manipulationen zu erkennen. Sie analysiert Faktoren wie Hautstruktur, Lichtreflexionen, Mikrobewegungen und 3D-Tiefe, die bei Spoofs unnatürlich sind. Bei Deepfakes können unsere Modelle digitale Artefakte und inkonsistente Verhaltensmuster identifizieren, die für KI-generierte Inhalte charakteristisch sind.

Unsere Technologie erreicht eine branchenführende Genauigkeitsrate von 99,9 % bei der Erkennung von Spoofs, mit einer extrem niedrigen False Acceptance Rate (FAR) von unter 0,1 %. Diese Leistung wird anhand internationaler Standards (mit iBeta PAD-Tests auf unserer Roadmap) validiert, um Ihnen das höchste Maß an Vertrauen zu geben.

Wir empfehlen, für die meisten Anwendungen mit der passiven Liveness zu beginnen, da sie eine hervorragende Sicherheit und ein nahtloses Benutzererlebnis bietet. Für hochriskante Transaktionen (z. B. große Geldtransfers) oder Branchen mit strengeren Compliance-Anforderungen (z. B. regulierte Fintech) können Sie Ihren Workflow einfach so konfigurieren, dass die aktive Liveness als erforderliche Step-up-Verifizierung verwendet wird.

Die Lebenderkennung ist ein entscheidender Schritt. Sie stellt sicher, dass die Person, die einen Ausweis einreicht, tatsächlich ein lebendiger Mensch ist. Der typische Ablauf ist:

• Dokumentenprüfung zur Bestätigung der Echtheit des Ausweises
• Gesichtsvergleich 1:1 zur Bestätigung, dass die Person der Eigentümer des Ausweises ist
• Lebenderkennung zur Bestätigung der realen Präsenz

Diese mehrschichtige Sicherheit bietet einen robusten Compliance-Prozess.

Passive Liveness ist kostenlos und unbegrenzt als Teil unseres Core KYC-Angebots enthalten, wenn es innerhalb unserer Workflows verwendet wird. Für höhere Sicherheitsanforderungen ist Aktive Liveness als Premium-Funktion für nur 0,15 $ pro erfolgreicher Prüfung verfügbar.