iBeta คืออะไร? คู่มือฉบับสมบูรณ์สำหรับการรับรอง Face Liveness

เมื่อธนาคารขอให้คุณถ่ายเซลฟี่เพื่อยืนยันตัวตน พวกเขารู้ได้อย่างไรว่าคุณอยู่จริง — ไม่ใช่ใครบางคนที่กำลังชูรูปถ่ายพิมพ์ใบหน้าของคุณ? คำตอบอยู่ที่เทคโนโลยี liveness detection และมาตรฐานทองคำสำหรับการทดสอบคือ การรับรอง iBeta หากคุณเคยสงสัยว่าป้าย "iBeta Level 1 Certified" หมายความว่าอะไร คู่มือนี้จะอธิบายทุกอย่าง

iBeta คืออะไร?

iBeta Quality Assurance เป็นบริษัททดสอบซอฟต์แวร์ในสหรัฐอเมริกาและห้องปฏิบัติการทดสอบไบโอเมตริกอิสระชั้นนำของโลก พวกเขาคือ:

• ได้รับการรับรอง NIST NVLAP — ห้องปฏิบัติการทดสอบไบโอเมตริกเพียงแห่งเดียวที่ได้รับการรับรองจาก National Institute of Standards and Technology (NIST) ภายใต้ National Voluntary Laboratory Accreditation Program
• ได้รับการรับรอง FIDO Alliance — ห้องปฏิบัติการแรกที่ได้รับการรับรองให้ดำเนินการประเมินไบโอเมตริกสำหรับ FIDO Alliance Biometric Component Certification Program
• Android Security Partner — ได้รับการยอมรับจาก Google สำหรับการทดสอบไบโอเมตริก Android

เมื่อบริษัทอ้างว่าระบบการจดจำใบหน้าหรือ liveness detection ของพวกเขา "ได้รับการรับรอง iBeta" หมายความว่าห้องปฏิบัติการอิสระที่ได้รับการรับรองได้ทดสอบระบบอย่างเข้มงวดกับการโจมตีมาตรฐานและยืนยันว่าเป็นไปตามมาตรฐานความปลอดภัยระดับนานาชาติ

PAD Testing คืออะไร?

PAD (Presentation Attack Detection) testing ประเมินว่าระบบไบโอเมตริกสามารถตรวจจับและปฏิเสธตัวอย่างไบโอเมตริกปลอมได้ดีเพียงใด สำหรับการจดจำใบหน้า หมายถึงการทดสอบว่าระบบสามารถแยกความแตกต่างระหว่าง:

• คนจริงที่มีชีวิต ยืนอยู่หน้ากล้อง
• การโจมตีปลอมแปลง โดยใช้รูปถ่าย วิดีโอ หน้ากาก หรือสิ่งประดิษฐ์อื่นๆ

การทดสอบ PAD ของ iBeta เป็นไปตามมาตรฐานสากล ISO/IEC 30107-3 ซึ่งกำหนด:

• วิธีดำเนินการทดสอบ presentation attack detection
• ประเภทการโจมตีที่ต้องทดสอบ
• วิธีวัดผลและรายงานผลลัพธ์
• เกณฑ์ผ่านหรือไม่ผ่าน

การทดสอบ Face Liveness ทำงานอย่างไร

กระบวนการทดสอบ

1. Genuine Presentations (การทดสอบใบหน้าจริง)

• คนจริงแสดงใบหน้าต่อระบบ
• ทดสอบสถานการณ์การใช้งานปกติ
• วัดอัตราการปฏิเสธผิดพลาด (BPCER)

2. Attack Presentations (การทดสอบการปลอมแปลง)

• ผู้ทดสอบพยายามหลอกระบบด้วยใบหน้าปลอม
• ทดสอบหลายประเภทการโจมตี
• วัดอัตราความสำเร็จของการโจมตี (APCER)

3. การคำนวณผลลัพธ์

• คำนวณ APCER และ BPCER สำหรับแต่ละประเภทการโจมตี
• คำนวณ IAPMR (อัตราความสำเร็จการโจมตีโดยรวม)
• ระบบต้องได้ < 0.3% IAPMR เพื่อผ่าน

4. การรับรอง

• หากระบบผ่าน iBeta จะออกจดหมายยืนยัน
• ผลลัพธ์เผยแพร่บนเว็บไซต์ iBeta
• บริษัทสามารถอ้าง "iBeta PAD Level X Certified"

ระดับการทดสอบ PAD: Level 1 vs Level 2

iBeta เสนอการทดสอบ PAD สองระดับ แต่ละระดับจำลองความสามารถของผู้โจมตีที่แตกต่างกัน:

Level 1 — การโจมตีพื้นฐาน

งบประมาณ: $30 ต่อสิ่งประดิษฐ์การโจมตี เวลา: การโจมตีทั้งหมด 150 ครั้งเสร็จภายใน 8 ชั่วโมง อุปกรณ์: สิ่งของที่หาได้ง่ายในบ้าน/สำนักงาน

ประเภทการโจมตี:

• รูปถ่ายพิมพ์: รูปถ่ายความละเอียดสูงพิมพ์บนกระดาษ
• หน้ากากกระดาษ: รูปใบหน้าที่ตัดออกมาพร้อมช่องตา
• รูปบนหน้าจอ: ใบหน้าแสดงบนโทรศัพท์/แท็บเล็ต/จอภาพ
• วิดีโอเล่นซ้ำ: เล่นวิดีโอของบุคคลเป้าหมาย

ใครต้องการ Level 1:

• แอปที่ต้องการการยืนยันตัวตนพื้นฐาน
• ธุรกรรมความเสี่ยงต่ำ
• แอปพลิเคชันผู้บริโภคทั่วไป

Level 2 — การโจมตีขั้นสูง

งบประมาณ: $300 ต่อสิ่งประดิษฐ์การโจมตี เวลา: 48+ ชั่วโมงสำหรับการสร้างสิ่งประดิษฐ์ (6 subjects) อุปกรณ์: เครื่องมือพิเศษรวมถึงเครื่องพิมพ์ 3 มิติ

ประเภทการโจมตี (รวมทุกอย่างใน Level 1 บวก):

• หน้ากากพิมพ์ 3 มิติ: แบบจำลองใบหน้าพิมพ์แบบกำหนดเอง
• หน้ากากลาเท็กซ์: หน้ากากใบหน้ายืดหยุ่นสมจริง
• หน้ากากเรซิน: แบบจำลองใบหน้าหล่อรายละเอียด
• หน้ากากซิลิโคน: หน้ากากคุณภาพระดับ prosthetic

ใครต้องการ Level 2:

• บริการธนาคารและการเงิน
• ระบบตัวตนภาครัฐ
• การควบคุมการเข้าถึงความปลอดภัยสูง
• ข้อกำหนดการปฏิบัติตามกฎระเบียบ

เกณฑ์ผ่าน/ไม่ผ่าน

เพื่อผ่านระดับใดก็ตาม ระบบต้องได้:

• IAPMR (Impostor Attack Presentation Match Rate) < 0.3% — การโจมตีน้อยกว่า 0.3% สำเร็จ
• BPCER (Bona Fide Presentation Classification Error Rate) < 15% — ผู้ใช้จริงน้อยกว่า 15% ถูกปฏิเสธ

คำศัพท์สำคัญที่อธิบาย (อธิบายศัพท์เทคนิค)

1. Presentation Attack (การโจมตีแบบนำเสนอ)

คืออะไร: ความพยายามใดๆ ที่จะแทรกแซงระบบไบโอเมตริกโดยใช้ตัวอย่างไบโอเมตริกปลอมหรือดัดแปลง

อธิบายง่ายๆ: การพยายามหลอกระบบจดจำใบหน้าโดยนำเสนอสิ่งอื่นที่ไม่ใช่ใบหน้าจริงมีชีวิตของคุณ — เช่น รูปถ่าย วิดีโอ หรือหน้ากากของคนอื่น

ประเภทของ presentation attacks:

• การโจมตีด้วยรูปถ่าย: รูปถ่ายพิมพ์หรือดิจิทัล
• การโจมตีด้วยวิดีโอ: วิดีโอที่บันทึกไว้หรือเล่นสด
• การโจมตีด้วยหน้ากาก: หน้ากากกระดาษ 2 มิติหรือหน้ากากทางกายภาพ 3 มิติ
• การโจมตีด้วยเครื่องสำอาง: ใช้เครื่องสำอางเพื่อเปลี่ยนแปลงรูปลักษณ์

2. Liveness Detection (การตรวจจับความมีชีวิต)

คืออะไร: เทคโนโลยีที่พิจารณาว่าตัวอย่างไบโอเมตริกมาจากคนที่มีชีวิตอยู่ ณ จุดจับภาพหรือไม่

อธิบายง่ายๆ: ระบบตรวจสอบว่ามีมนุษย์จริงมีชีวิตอยู่หน้ากล้อง — ไม่ใช่รูปถ่าย วิดีโอ หรือหน้ากาก

สองประเภท:

• Active Liveness: ผู้ใช้ต้องทำการกระทำ (กระพริบตา ยิ้ม หมุนศีรษะ)
• Passive Liveness: ระบบตรวจจับความมีชีวิตโดยไม่ต้องมีการกระทำจากผู้ใช้ (ที่ iApp ใช้)

3. APCER (Attack Presentation Classification Error Rate)

คืออะไร: เปอร์เซ็นต์ของ presentation attacks ที่ถูกจัดประเภทผิดว่าเป็นของแท้

อธิบายง่ายๆ: ระบบถูกหลอกด้วยใบหน้าปลอมบ่อยแค่ไหน ยิ่งต่ำยิ่งดี

สูตร: APCER = (จำนวนการโจมตีที่สำเร็จ) / (ความพยายามโจมตีทั้งหมด) × 100%

ตัวอย่าง: หาก 3 จาก 1,000 การโจมตีด้วยรูปถ่ายสำเร็จ APCER สำหรับรูปถ่าย = 0.3%

4. BPCER (Bona Fide Presentation Classification Error Rate)

คืออะไร: เปอร์เซ็นต์ของ genuine presentations ที่ถูกปฏิเสธผิดพลาด

อธิบายง่ายๆ: ระบบปฏิเสธผู้ใช้จริงบ่อยแค่ไหน ยิ่งต่ำยิ่งดี

สูตร: BPCER = (ความพยายามจริงที่ถูกปฏิเสธ) / (ความพยายามจริงทั้งหมด) × 100%

ตัวอย่าง: หาก 50 จาก 1,000 ผู้ใช้จริงถูกปฏิเสธ BPCER = 5%

5. IAPMR (Impostor Attack Presentation Match Rate)

คืออะไร: อัตราโดยรวมที่ attack presentations ถูกยอมรับผิดพลาดโดยระบบข้ามทุกประเภทการโจมตี

อธิบายง่ายๆ: อัตราความสำเร็จรวมของการโจมตีปลอมแปลงทั้งหมด นี่คือตัวชี้วัดหลักสำหรับการรับรอง iBeta — ต้องต่ำกว่า 0.3% เพื่อผ่าน

ทำไมสำคัญ: แม้ระบบจะบล็อกการโจมตีด้วยรูปถ่าย 99% แต่ล้มเหลวกับการโจมตีด้วยวิดีโอ IAPMR โดยรวมก็ยังสูงได้

ทำไมการรับรอง iBeta ถึงสำคัญ

1. การยืนยันโดยอิสระ

iBeta เป็นบุคคลที่สามที่เป็นอิสระโดยไม่มีผลประโยชน์ทางการเงินในผลลัพธ์ การรับรองจาก NIST หมายความว่ากระบวนการทดสอบของพวกเขาถูกตรวจสอบและยืนยัน

2. การทดสอบมาตรฐาน

การปฏิบัติตาม ISO/IEC 30107-3 รับประกันการทดสอบที่สอดคล้องและทำซ้ำได้ คุณสามารถเปรียบเทียบระบบต่างๆ ได้อย่างยุติธรรมเพราะทดสอบในลักษณะเดียวกัน

3. การจำลองการโจมตีในโลกจริง

ผู้ทดสอบ iBeta ใช้เทคนิคการปลอมแปลงจริงที่ผู้ฉ้อโกงอาจใช้ การผ่านหมายความว่าระบบสามารถป้องกันการโจมตีในทางปฏิบัติ

4. การปฏิบัติตามกฎระเบียบ

หลายอุตสาหกรรมกำหนดให้ระบบไบโอเมตริกต้องเป็นไปตามมาตรฐานความปลอดภัยเฉพาะ:

• ธนาคาร: ข้อกำหนด Know Your Customer (KYC)
• ภาครัฐ: การออกเอกสารตัวตน
• สาธารณสุข: การยืนยันตัวตนผู้ป่วย
• การเงิน: การปฏิบัติตาม Anti-money laundering (AML)

5. ความน่าเชื่อถือและความไว้วางใจ

ป้ายการรับรอง iBeta แสดงให้ลูกค้าเห็นว่าระบบได้รับการทดสอบอย่างเข้มงวดและเป็นไปตามมาตรฐานความปลอดภัยระดับนานาชาติ

การรับรอง iBeta แก้ปัญหาอะไร?

ปัญหา	ไม่มีการรับรอง	มีการรับรอง iBeta
การโจมตีด้วยรูปถ่าย	อาจถูกหลอกด้วยรูปถ่ายพิมพ์	ยืนยันแล้วว่าตรวจจับและปฏิเสธได้
การเล่นซ้ำวิดีโอ	เปราะบางต่อการเล่นบนหน้าจอ	ทดสอบแล้วกับการโจมตีด้วยวิดีโอ
การโจมตีด้วยหน้ากาก	ความต้านทานไม่ทราบ	Level 2 ทดสอบหน้ากาก 3D/latex
การปฏิบัติตามกฎระเบียบ	ยากที่จะพิสูจน์ความปลอดภัย	การยืนยันจากบุคคลที่สาม
ความไว้วางใจของลูกค้า	คำอ้าง "เราปลอดภัย" ไม่ได้รับการยืนยัน	การรับรองจากห้องปฏิบัติการอิสระ
การป้องกันการฉ้อโกง	ประสิทธิภาพไม่ทราบ	วัดได้ < 0.3% ความสำเร็จของการโจมตี

การรับรอง iBeta ของ iApp Technology

ระบบ Face Passive Liveness Detection ของ iApp Technology ได้รับ การรับรอง iBeta PAD Level 1 แสดงให้เห็นว่า:

ผลการทดสอบ

• ความแม่นยำ 99.43% จากการทดสอบ 7,680 ครั้ง
• < 0.3% IAPMR — ผ่านข้อกำหนด ISO/IEC 30107-3
• ตรวจจับรูปถ่ายพิมพ์ การแสดงบนหน้าจอ หน้ากากกระดาษ และการเล่นซ้ำวิดีโอได้สำเร็จ

สิ่งนี้หมายความว่าอะไรสำหรับผู้ใช้

• ความปลอดภัยระดับธนาคาร สำหรับการยืนยันตัวตน
• การตรวจจับแบบ passive — ไม่ต้องให้ผู้ใช้กระพริบตาหรือหมุนศีรษะ
• การประมวลผลเร็ว — ผลลัพธ์ในเวลาน้อยกว่า 0.4 วินาที
• ยืนยันในระดับนานาชาติ — ไม่ใช่แค่การอ้างด้วยตัวเอง

ดูใบรับรอง

ดูใบรับรอง iBeta ของ iApp

วิธีใช้ Liveness Detection ที่ได้รับการรับรอง iBeta ของ iApp

APIs ที่มี

บริการ	คำอธิบาย	การรับรอง
Face Passive Liveness	ตรวจจับการปลอมแปลงจากภาพเดียว	iBeta Level 1
Face Verification	เปรียบเทียบใบหน้าสองใบเพื่อจับคู่ตัวตน	ตาม ISO 19795
Face Detection	ตรวจจับและระบุตำแหน่งใบหน้าในรูปภาพ	ความแม่นยำสูง

ตัวอย่าง: การตรวจจับ Face Liveness

import requests

def check_face_liveness(image_path, api_key):
    """
    ตรวจสอบว่าภาพใบหน้ามาจากคนจริงหรือการโจมตีปลอมแปลง
    ความแม่นยำได้รับการรับรอง iBeta Level 1
    """
    response = requests.post(
        'https://api.iapp.co.th/v3/store/ekyc/face-passive-liveness',
        headers={'apikey': api_key},
        files={'file': open(image_path, 'rb')}
    )

    result = response.json()

    return {
        'is_real': result['predict'] == 'REAL',
        'is_spoof': result['predict'] == 'SPOOF',
        'confidence': result['score'],
        'processing_time': result['duration']
    }

# ตัวอย่างการใช้งาน
result = check_face_liveness('selfie.jpg', 'YOUR_API_KEY')

if result['is_real']:
    print(f"✓ ตรวจจับใบหน้าจริง (ความมั่นใจ: {result['confidence']:.2%})")
else:
    print(f"✗ ตรวจจับการปลอมแปลง! (ความมั่นใจ: {result['confidence']:.2%})")

ตัวอย่าง: ขั้นตอน eKYC สมบูรณ์พร้อม Liveness

import requests

def verify_identity_with_liveness(id_card_image, selfie_image, api_key):
    """
    การยืนยัน eKYC สมบูรณ์:
    1. สกัดข้อมูลจากบัตรประชาชน (OCR)
    2. ตรวจสอบ liveness ของเซลฟี่ (ได้รับการรับรอง iBeta)
    3. เปรียบเทียบใบหน้า (verification)
    """

    # ขั้นตอนที่ 1: OCR บัตรประชาชน
    ocr_result = requests.post(
        'https://api.iapp.co.th/thai-national-id-ocr/v3',
        headers={'apikey': api_key},
        files={'file': open(id_card_image, 'rb')}
    ).json()

    # ขั้นตอนที่ 2: ตรวจสอบ liveness ของเซลฟี่ (ได้รับการรับรอง iBeta Level 1)
    liveness_result = requests.post(
        'https://api.iapp.co.th/v3/store/ekyc/face-passive-liveness',
        headers={'apikey': api_key},
        files={'file': open(selfie_image, 'rb')}
    ).json()

    if liveness_result['predict'] == 'SPOOF':
        return {'success': False, 'error': 'ตรวจจับการโจมตีปลอมแปลง'}

    # ขั้นตอนที่ 3: เปรียบเทียบรูปในบัตรกับเซลฟี่
    verification_result = requests.post(
        'https://api.iapp.co.th/face-verification',
        headers={'apikey': api_key},
        files={
            'image1': open(id_card_image, 'rb'),
            'image2': open(selfie_image, 'rb')
        }
    ).json()

    return {
        'success': True,
        'person_name': ocr_result.get('name_th'),
        'id_number': ocr_result.get('id_number'),
        'face_match': verification_result.get('match'),
        'liveness_verified': True
    }

# ตัวอย่างการใช้งาน
result = verify_identity_with_liveness(
    'thai_id_card.jpg',
    'live_selfie.jpg',
    'YOUR_API_KEY'
)
print(result)

เริ่มต้นใช้งาน

สำหรับผู้ใช้ธุรกิจ

รวม liveness detection ที่ได้รับการรับรอง iBeta เข้ากับแอปพลิเคชันของคุณ:

1. สมัคร: รับ API key ของคุณ
2. เลือก API: Face Passive Liveness สำหรับการตรวจจับการปลอมแปลง
3. เชื่อมต่อ: REST API ง่ายๆ ทำงานกับภาษาใดก็ได้
4. ใช้งานจริง: เพิ่มความปลอดภัยในขั้นตอนการยืนยันตัวตนของคุณ

แหล่งข้อมูล

1. เอกสาร API: Face Passive Liveness API
2. Face Verification: Face Verification API
3. eKYC สมบูรณ์: โซลูชัน eKYC
4. ดูใบรับรอง: จดหมายยืนยัน iBeta
5. เข้าร่วมชุมชน: Discord

สรุป

การทดสอบไบโอเมตริก iBeta คือมาตรฐานทองคำสำหรับการยืนยันระบบ face liveness detection เมื่อคุณเห็น "iBeta Level 1 Certified" หรือ "iBeta Level 2 Certified" หมายความว่าห้องปฏิบัติการอิสระที่ได้รับการรับรอง NIST ได้ทดสอบระบบกับการโจมตีปลอมแปลงในโลกจริงและยืนยันว่าเป็นไปตามมาตรฐานความปลอดภัยระดับนานาชาติ (ISO/IEC 30107-3)

Face Passive Liveness Detection ของ iApp Technology ได้รับ การรับรอง iBeta PAD Level 1 พิสูจน์ว่าสามารถตรวจจับและปฏิเสธการโจมตีด้วยรูปถ่าย การเล่นซ้ำวิดีโอ หน้ากากกระดาษ และการแสดงบนหน้าจอด้วยความแม่นยำมากกว่า 99% — ให้แอปพลิเคชันของคุณมีความปลอดภัยระดับธนาคารสำหรับการยืนยันตัวตน

พร้อมที่จะเพิ่ม liveness detection ที่ได้รับการรับรอง iBeta ในแอปพลิเคชันของคุณ? สมัครฟรี และเริ่มใช้ APIs ที่ได้รับการรับรองของเราวันนี้!

---

มีคำถาม? เข้าร่วม Discord Community หรืออีเมลหาเราที่ support@iapp.co.th

iApp Technology Co., Ltd. บริษัท AI ชั้นนำของประเทศไทย | ได้รับการรับรอง iBeta PAD Level 1

---

แหล่งที่มา:

• iBeta Biometrics Testing
• ISO 30107-3 PAD Testing at iBeta
• iBeta PAD Spoofing Testing