Soluciones > Detección Avanzada de Alteraciones

Detección Avanzada de Alteraciones

Los modelos en cascada de Machine Learning de IDmission detectan documentos de identidad fraudulentos, deepfakes, ediciones digitales, cambios en textos y sustitución de fotografías.

Detection tamper(Spanish)-03

Obtenga más información

Document Verification

Verificación de Documentos

Los requisitos básicos que debe tener una Verificación de Documentos Efectiva incluyen:

1. La detección del documento con fondos complejos.
2. Extracción del documento, recorte y rotación.
3. Detección en el documento por el anverso y reverso de la foto principal del rostro y la secundaria, del MRZ y el código de barras.
4. Extracción de datos de formatos que pueden ser leídos por máquinas (zona de lectura por máquina, código de barras, tarjetas NFC).
5. Obtención precisa de todos los datos por OCR.
6. Validación del formato de los datos y de los dígitos verificadores cuando existan.
7. Validación de los datos extraídos del anverso del documento contra los datos extraídos de los formatos de lectura por máquina.
8. Detección de la presencia de símbolos nacionales y de características de seguridad.
9. Verificación del documento contra bases de datos del emisor cuando estén disponibles.

La Tecnología Avanzada de Verificación de Documentos aborda numerosos vectores de ataque nuevos y emergentes que deben detectarse y ser contrarrestados.

BPCER - Bona fide Presentation Classification Error Rate (Tasa de error de clasificación de presentación de buena fe)
APCER - Attack Presentation Classification Error Rate (Tasa de error de clasificación de la presentación del ataque)

Vector de Ataqu Presentación Contramedidas Métricas Clave
Alteración con photoshop del texto o de la fotografía. El documento físico no está presente. Photoshop tamper

Documento físico válido no está presente.
La tecnología de captura que utilizan las aplicaciones móviles o web debe de rechazar las imágenes de las pantallas de computadoras o de dispositivos móviles. Métricas Clave de Realidad de un Documento:
BPCER: < 1%
APCER: < 2%
Impresión Alterada de un documento que se editó con Photoshop. Tampered printout

Documento físico válido no está presente.
La tecnología de captura que utilizan las aplicaciones móviles o web debe de rechazar impresiones, fotocopias, etc. Métricas Clave de Realidad de un Documento:
BPCER: < 1%
APCER: < 5%
Rostros Duplicados - Intento de uso de una fotografía fraudulenta con múltiples documentos de identidad legítimos Duplicate Faces

Documento físico presente, pero se sustituyó la fotografía antes de imprimir el documento plástico.
La deduplicación biométrica evitará que el mismo rostro se presente en múltiples documentos de identificación. Métricas Clave de Deduplicación Biométrica:
BPCER: < 0.25%
APCER: < 0.0%
Foto sobrepuesta - sustitución de una foto con una foto física sobrepuesta en un documento legítimo en todo lo demás. Photo paste up

Documento físico presente, pero la fotografía fue sustituida físicamente.
Modelos de Machine Learning entrenados para detectar la sustitución física de fotografías. Métricas Clave de Deduplicación Biométrica:
BPCER: < 1%
APCER: < 3%
Sustitución de texto - con marcador o con corrector sobre un documento físico. Text Substitution

Documento físico presente, pero el texto fue sustituido físicamente.
Modelos de Machine Learning entrenados para detectar la sustitución física de texto en documentos de identidad. Métricas Clave para Modelos específicos por tipo de documento de identidad :
BPCER: < 1%
APCER: < 5%
Deepfakes con IA - imágenes digitales falsas generadas con IA. AI Deep Fake NO PERMITA que carguen imágenes. Una serie en cascada de modelos de ML detecta anomalías en imágenes generadas por IA y evita la carga. Métricas Clave para Modelos específicos por tipo de documento de identidad:
BPCER: < 1%
APCER: < 2%
Ataque de inyección -inyección de imágenes mediante una cámara virtual. Injection Attack NO PERMITAla carga de imágenes. Los SDK de captura de IDmission deshabilitarán las cámaras virtuales.
Obtenga más información
face reconization

Reconocimiento Facial

Requisitos Básicos para un Reconocimiento Facial Efectivo:
1. Detección de un rostro humano.
2. Aviso si hay varios rostros en la escena.
3. Aviso para quitarse el cubrebocas.
4. Aviso para quitarse los lentes obscuros.
5. Rostro mirando hacia el frente.
6. Ojos abiertos.
7. Rechazo de rostros no humanos como  imágenes de animales.
8. Eliminación del sesgo racial.

La Tecnología Avanzada de Reconocimiento Facial aborda numerosos vectores de ataque nuevos y emergentes que deben detectarse y ser contrarrestados.

Vector de Ataquer Presentación Contramedidas Métricas Clave
Ataque de Presentación- facsímil de rostro humano (impresión, imagen fija, vídeo, máscaras, deepfakes, etc.) Presentation Attack

Ser humano físico no presente.
Modelos de machine learning entrenados para detectar seres humanos físicos y rechazar cualquier tipo de imitación. Certificación de detección de ataques de presentación pasiva ISO 30107-3 nivel 1 y nivel 2 de iBeta. La detección pasiva no requiere que el usuario sonría, gire la cabeza, parpadee ni haga algo en absoluto. Métricas Clave para Prueba de Vida:
BPCER: < 1%
APCER: < 0%
Ataque de duplicación - la misma persona se presenta como diferentes individuos. Duplication Attack La deduplicación biométrica inmediata garantiza que cada humano sea un solo cliente. Métricas Clave de Deduplicación Biométrica :
BPCER: < 0.25%
APCER: < 0.0%
Estafador conocido - estafadores conocidos que se presentan con documentos robados de identidad válidos. Known Fraudster Comparación inmediata de cada nuevo rostro con una biblioteca biométrica de estafadores conocidos. Métricas Clave de Búsqueda en BD negativa de Biométricos :
BPCER: < 0.25%
APCER: < 0.0%
Deepfake facial - deepfakes generados por IA. Facial Deep Fake NO PERMITA a carga de imágenes. La serie en cascada de modelos de ML detecta anomalías en las imágenes generadas por IA y evita la carga. Métricas Clave de Prueba de Vida :
BPCER: < 1%
APCER: < 0%
Ataque de inyección - inyección de imágenes mediante una cámara virtual. Injection Attack NO PERMITA la carga de imágenes. Los SDK de captura de IDmission deshabilitarán las cámaras virtuales.

Contact Us Today

We love helping customers solve problems and we are easy to do business with, try us out

Let’s Get Started