UK scaleup launches groundbreaking approach to ID verification: turning your head
UK ScaleUpは、ID認証(顔を傾けての認証)を提供開始
要約(英語):
Onfido, an Oxford University spin-out, unveiled its industry-first approach to identity verification, asking users to turn their heads. The system’s false rejection and acceptance rates are under 0.1%, while verification speed is 10 seconds for 95% users. Similar developments have been observed around the world. In the US, for instance, around 49 million consumers fell victim to identity fraud in 2020 — costing them around $56 billion.
要約(日本語):
オックスフォード大学のスピンアウトであるOnfidoは、アイデンティティの検証に対する業界最初のアプローチを発表し、ユーザーに頭を向けるように依頼しました。システムの誤った拒否と受け入れ率は0.1％未満ですが、95％のユーザーでは検証速度は10秒です。同様の開発が世界中で観察されています。たとえば、米国では、2020年に約4,900万人の消費者がID詐欺の犠牲になり、約560億ドルの費用がかかりました。
本文:
A UK scale-up this week unveiled an industry-first approach to identity verification: asking users to turn their heads.
今週の英国のスケールアップは、アイデンティティの検証に対する業界初のアプローチを発表しました。ユーザーに頭を回すように依頼しました。
Onfido, an Oxford University spin-out, launched the software amid surging identity fraud.
Oxford UniversityのスピンアウトであるOnfidoは、身元詐欺が急増している中でソフトウェアを立ち上げました。
Growing economic pressures, increasing digitization, and pandemic-fuelled upheaval recently led politicians to warn that a “fraud epidemic” is sweeping across Onfido’s home country of the UK.
経済的圧力の拡大、デジタル化の増加、およびパンデミックに燃料を供給した激変により、政治家は、「詐欺の流行」が英国のフィドーの母国を掃除していると警告するようになりました。
Similar developments have been observed around the world.
同様の開発が世界中で観察されています。
In the US, for instance, around 49 million consumers fell victim to identity fraud in 2020 — costing them a total of around $56 billion.
たとえば、米国では、2020年に約4,900万人の消費者がID詐欺の犠牲になりました。
These trends have triggered a boom in the ID verification market.
これらの傾向は、ID検証市場でブームを引き起こしました。
Increasingly sophisticated fraudsters are also forcing providers to develop more advanced detection methods.
ますます洗練された詐欺師は、プロバイダーにより高度な検出方法を開発することを強制しています。
Onfido gave TNW an exclusive demo of their new entry to the field: a head-turn capture experience dubbed Motion.
Onfidoは、TNWにフィールドへの新しいエントリである排他的なデモを与えました。ヘッドターンキャプチャエクスペリエンスと呼ばれるモーションです。
This was the sweet spot.
これはスイートスポットでした。
The uptake of biometric onboarding has been curbed by two key problems.
バイオメトリックオンボーディングの取り込みは、2つの重要な問題によって抑制されています。
“Active” detection methods, which ask users to perform a sequence of gestures in front of a camera, are notorious for high abandonment rates.
ユーザーにカメラの前で一連のジェスチャーを実行するように求める「アクティブ」検出方法は、高い放棄率で有名です。
“Passive” approaches, meanwhile, remove this friction as they don’t require specific user actions, but this often creates uncertainty about the process.
一方、「パッシブ」アプローチは、特定のユーザーアクションを必要としないため、この摩擦を取り除きますが、これはしばしばプロセスに関する不確実性を生み出します。
A little bit of friction can reassure customers — but too much scares them away.
少しの摩擦が顧客を安心させることができますが、あまりにも多くの人が彼らを怖がらせます。
Motion attempts to resolve both these issues.
モーションは、これらの両方の問題を解決しようとします。
Giulia Di Nola, an Onfido product manager, told TNW the company tested more than 50 prototypes before deciding that head-turn capture provides the best balance.
OnfidoのプロダクトマネージャーであるGiulia Di Nolaは、TNWに、ヘッドターンキャプチャが最高のバランスを提供すると判断する前に、50以上のプロトタイプをテストしたと語った。
“We experimented with device movements, different pattern movements, feedback from end users, and work with our research team,” she said.
「私たちは、デバイスの動き、さまざまなパターンの動き、エンドユーザーからのフィードバックを実験し、研究チームと協力しました」と彼女は言いました。
“This was the sweet spot that we found was easy to use, secure enough, and gives us all the signals we needed.” Onfido says the system’s false rejection and acceptance rates are under 0.1%.
「これは、使いやすく、十分に安全であり、必要なすべての信号を提供したと感じたスイートスポットでした。」Onfidoは、システムの誤った拒否と受け入れ率は0.1％未満だと言います。
The verification speed, meanwhile, is 10 seconds or under for 95% of users.
一方、検証速度は、ユーザーの95％の場合、10秒以下です。
That’s quick for onboarding clients, but fairly slow for frequent use — which may explain why Onfido isn’t yet using the service for regular authentication. In our demo, the process felt swift and seamless.
オンボーディングクライアントにとっては迅速ですが、頻繁に使用するにはかなり遅いです。これは、Onfidoがまだ通常の認証のためにサービスを使用していない理由を説明するかもしれません。デモでは、このプロセスは迅速でシームレスに感じました。
After sharing a photo ID, the user is directed to provide their facial biometrics via a smartphone.
写真IDを共有した後、ユーザーはスマートフォンを介して顔の生体認証を提供するように指示されます。
They’re first instructed to position their face within the frame and then to turn their head slightly towards the right and the left — the order doesn’t matter.
彼らはまず、顔をフレーム内に配置し、次に頭を右と左に向かってわずかに回すように指示されます。順序は重要ではありません。
As they move, the system provides feedback to ensure correct alignment.
それらが移動すると、システムは正しいアラインメントを確保するためのフィードバックを提供します。
Moments later, the app delivers its decision: clear.
しばらくして、アプリは決定を下します：CLEAR。
While the user turns, AI compares the face on the camera with the one on the ID. The video is sequenced into multiple frames, which are then separated into different sub-components.
ユーザーが回転している間、AIはカメラの顔をIDの顔と比較します。ビデオは複数のフレームにシーケンスされ、その後、異なるサブコンポーネントに分離されます。
Next, a suite of deep learning networks analyzes both the individual parts and the video in its entirety. The networks detect patterns within the image.
次に、一連のディープラーニングネットワークは、個々のパーツとビデオ全体の両方を分析します。ネットワークは、画像内のパターンを検出します。
In facial recognition, these patterns range from the shape of a nose to the colors of the eyes.
顔認識では、これらのパターンは鼻の形から目の色まで及びます。
In the case of anti-spoofing, the patterns could be reflections from a recorded video, bezels on a digital device, or the sharp edges of a mask.
スプーフィング防止の場合、パターンは、録音されたビデオからの反射、デジタルデバイスのベゼル、またはマスクの鋭いエッジである可能性があります。
Each network builds a representation of the input image.
各ネットワークは、入力画像の表現を構築します。
All the information is then aggregated into a single score. “That is what our customers see: whether or not we think the person is genuine or a spoof,” said Romain Sabathe, Onfido’s applied science lead for machine learning.
その後、すべての情報が単一のスコアに集約されます。「それが私たちの顧客が見ていることです。その人が本物であるかスプーフィングだと思うかどうか」と、機械学習のためのオンフィドの応用科学のリードであるロマン・サバテは言いました。
Onfido’s confidence in Motion derives, in part, from an unusual company division: a fraud creation unit.
Onfidoの動きに対する自信は、部分的には珍しい会社部門である詐欺作成ユニットに由来しています。
In a location that resembles a photo studio, the team tested various masks, lighting resolutions, videos, manipualted images, refresh rates, and angles.
写真スタジオに似た場所で、チームはさまざまなマスク、照明解像度、ビデオ、マニピュアル型画像、リフレッシュレート、角度をテストしました。
In total, they created more than 1000,000 different examples of fraud — which were used to train the algorithm. Each case was tested on the system.
合計で、彼らは1000,000を超える異なる詐欺の例を作成しました。これはアルゴリズムのトレーニングに使用されました。各ケースはシステムでテストされました。
If it passed the checks, the team probed Motion further with similar types of fraud, such as different versions of a mask.
小切手に合格した場合、チームは、マスクの異なるバージョンなど、同様のタイプの詐欺でさらに動きを調査しました。
This generated a feedback loop of finding issues, resolving them, and improving the mechanism.
これにより、問題を発見し、それらを解決し、メカニズムを改善するフィードバックループが生成されました。
Motion also had to work on a diverse range of users.
また、モーションは、多様なユーザーの範囲に取り組む必要がありました。
Despite stereotypes about the victims, fraud affects most demographics fairly evenly.
被害者についてのステレオタイプにもかかわらず、詐欺はほとんどの人口統計にかなり均等に影響します。
To ensure the system serves them, Onfido deployed diverse training datasets and extensive testing.
システムがそれらを提供するために、Onfidoは多様なトレーニングデータセットと広範なテストを展開しました。
The company says this reduced algorithmic biases and false rejections across all geographical regions. Sabathe demonstrated how Motion works when a fraudster uses a mask. When the system captures his face, it extracts information from the image.
同社は、これにより、すべての地理的地域でのアルゴリズムバイアスと誤った拒絶が減少したと述べています。Sabatheは、詐欺師がマスクを使用したときに動きの仕組みを示しました。システムが顔をキャプチャすると、画像から情報を抽出します。
It then represents the findings as coordinates on a 3D chart.
次に、3Dチャートの座標としての結果を表します。
The chart is comprised of colored clusters, which correspond to features from both genuine users and types of fraud.
チャートは、本物のユーザーと詐欺の種類の両方の機能に対応する色付きクラスターで構成されています。
When Sabathe puts the mask on, the system plots the image on the fraud cluster.
Sabatheがマスクを着用すると、システムは詐欺クラスター上の画像をプロットします。
As soon as he takes it off, the point enters the genuine cluster.
彼がそれを脱ぐとすぐに、ポイントは本物のクラスターに入ります。
“We can start understanding how the network interprets the different spoof types and the different genuine users that it sees based on that representation,” he said.
「ネットワークが、その表現に基づいて見られるさまざまなスプーフィングタイプとさまざまな本物のユーザーをどのように解釈するかを理解することができます」と彼は言いました。
Onfido’s head-turn technique resembles one revealed last month by Metaphysic.ai, a startup behind the viral Tom Cruise deepfakes.
Onfidoのヘッドターンテクニックは、先月、Metaphysic.aiによって明らかにされたものに似ています。
Researchers at the company discovered that a sideways glance could expose deepfake video callers.
同社の研究者は、横向きの視線が深いビデオ発信者を暴露できることを発見しました。
Di Nola notes that such synthetic media attacks remain rare — for now.
Di Nolaは、このような合成メディア攻撃は今のところまれなままであると指摘しています。
“It’s definitely not the most common type of attack that we see in production,” she said.
「それは間違いなく、生産で見られる最も一般的なタイプの攻撃ではありません」と彼女は言いました。
“But it is an area that we are aware of and that we are investing in.” In the field of identity fraud, both attacks and defenses will continue to rapidly evolve.
「しかし、それは私たちが認識しており、私たちが投資している分野です。」アイデンティティ詐欺の分野では、攻撃と防御の両方が急速に進化し続けます。
元記事
https://thenextweb.com/news/onfido-launches-industry-first-biometric-id-verification-system-motion
