Der Gesichtsabgleich (auch bekannt als Gesichtsverifizierung oder Gesichtserkennung) stellt als zentraler Prozess im Rahmen des verhaltensbasierten Identitätsverifizierungssystems einen automatisierten Ablauf dar, der auf Technologien des maschinellen Lernens basiert. Ausgehend vom Gesichts-Scan erfasst, analysiert, identifiziert und verifiziert er die individuellen Gesichtsmerkmale jedes Kunden. Dies ist entscheidend für die Zuordnung einer eindeutigen und vertrauenswürdigen Identität zu jedem Kunden, der mit dem System interagiert. Da der Identitätsprüfungsprozess ohne jegliche menschliche Beteiligung abläuft, bietet die Lösung ein nahtloses Benutzererlebnis bei gleichzeitig hoher Sicherheit.
Im Rahmen der e-KYC-Anforderungen (Know-Your-Customer) und der Vorschriften zur Geldwäschebekämpfung (AML) wird ein vertrauenswürdiges System zur Identitätsprüfung – das insbesondere durch leistungsstarke biometrische Verifizierungsfunktionen wie Gesichtserkennung und Lebendigkeitsprüfung gestützt wird – zunehmend zu einem entscheidenden Bestandteil der Strategie jedes Unternehmens zur Einhaltung gesetzlicher Vorschriften und zum Schutz der digitalen Reputation im Hinblick auf neue Arten von Cyberangriffen.
Ebenso stellen im Rahmen des digitalen Onboarding-Prozesses sogenannte „Presentation Attacks“ eine der häufigsten Angriffsarten dar, die auf die Identitäten von Kunden abzielen. Die zunehmende Verbreitung von Systemen zur Verhaltensauthentifizierung, die Zunahme von KI-gestützten Phishing-Versuchen sowie die Verschärfung der Maßnahmen zur Bekämpfung der Geldwäsche bis Mitte 2025 sowie verschärfte Sanktionen bei schwerwiegenden Verstößen und die genaue Überprüfung der risikoreichsten Institute werden dieses Thema nicht nur für Finanzinstitute, sondern auch für nichtfinanzielle Akteure deutlich wichtiger machen.
In diesem Artikel möchten wir einige Fragen zu Schwachstellen und Betrugsangriffen durch Vorlagen in gesichtsbiometrischen Systemen erörtern und darlegen, wie wir diese mithilfe von Technologie aufdecken.
Was sind „Presentations Attacks“?
Ein Identitätsprüfungssystem, das auf einer Reihe hochentwickelter Technologien basiert, umfasst die Kombination verschiedener Aktivitäten im Rahmen der Ferninteraktion mit dem Nutzer. Im digitalen Onboarding-Prozess stützt sich das Prüfungssystem auf drei Säulen: die Existenz der angegebenen Identität in der realen Welt, die Tatsache, dass die angegebene Identität von ihrem tatsächlichen Inhaber stammt, sowie die direkte Bestätigung dieser Identität durch den Identitätsinhaber während dieser Interaktion. (Gartner)
In der Regel muss bei einem stufenweisen Onboarding-Prozess absolute Sicherheit hinsichtlich der Echtheit und Integrität der Authentifizierungsschritte bestehen, die von der Einreichung eines Ausweisdokuments bis hin zur Aufnahme eines Selfies oder eines Gesichtsvideos reichen. Zu diesem Zweck gewährleisten die Verifizierungsinstrumente während dieser Schritte die tatsächliche Anwesenheit des Ausweisinhabers. Selbst wenn es sich bei Präsentationsangriffen – als biometrische Fälschungsmethoden auf der Grundlage von Fingerabdruck, Stimme oder Gesicht – um Versuche handelt, die Funktionalität der Sicherheitstools und -geräte zum Zwecke des Identitätsdiebstahls zu manipulieren und zu täuschen, können die proaktiv differenzierten und gesicherten Verifizierungsmaßnahmen einen Echtzeitschutz gegen aufkommende Bedrohungen wie die Präsentation künstlicher biometrischer Merkmale gewährleisten.
Biometrische Gesichtserkennungssysteme gewinnen in vielen Anwendungsfällen zunehmend an Bedeutung, beispielsweise bei der digitalen Kundenregistrierung, der Überprüfung des Zugriffs auf Webdienste, dem Entsperren von Mobiltelefonen sowie beim physischen Zugang zu Büros oder Sportveranstaltungen. So kann beispielsweise bei einem „Presentation Attack“ versucht werden, ein Gesichtserkennungssystem durch die Verwendung gefälschter oder manipulierter Gesichtsbilder oder -videos zu täuschen. Um Gesichtserkennungssysteme zu täuschen, verwenden Angreifer Nachbildungen der Gesichter autorisierter Benutzer, darunter gedruckte Fotos, digitale Bilder und sogar lebensechte Masken.
Wie lassen sich Erkennungsmechanismen für Präsentationsangriffe in einem biometrischen Gesichtserkennungssystem einsetzen?
In diesem Artikel werden wir uns darauf konzentrieren, wie sich Präsentationsangriffe in Gesichtserkennungssystemen erkennen lassen. Wir werden erläutern, was die Erkennung von Präsentationsangriffen ist.
Bei Betrugsversuchen legt der Angreifer dem biometrischen Erfassungssubsystem (der Kamera und/oder der Software, die für die Aufnahme eines Gesichtsbildes zuständig ist) biometrische Daten in einer Weise vor, die den Entscheidungsmechanismus, der feststellt, ob ein Gesicht zur authentifizierten oder identifizierten Person gehört, in ungünstiger Weise beeinflusst. Mit anderen Worten: Es werden keine Änderungen am System vorgenommen, sondern der Entscheidungsmechanismus des Systems wird ausgetrickst.
Die Entscheidungsprozesse werden mithilfe eines Objekts manipuliert, das der Person ähnelt, deren Identität nachgeahmt werden soll, oder mithilfe eines Objekts, das zwar niemandem ähnelt, es dem Angreifer jedoch ermöglicht, seine Identität zu verbergen. Bei der Gesichtsbiometrie fungiert die Kamera als Sensor. Gefälschte biometrische Merkmale – wie beispielsweise ein Foto auf einem Bildschirm, ein ausgedrucktes Foto, eine realistische Maske usw. – wurden den Sensoren bereits zuvor „beigebracht“, und es wurden Gegenmaßnahmen gegen sie implementiert.
Diese Gegenmaßnahmen wurden in Übereinstimmung mit dem regulatorischen Rahmenwerk für Präsentationsangriffe entwickelt (ISO/IEC 30107-3:2023) entwickelt. Die Vorschrift klassifiziert Angriffe anhand des Wirksamkeitsgrades der Angreifer. Dieser Ansatz schafft einen methodischen Rahmen für die Risikoanalyse und die Widerstandsfähigkeit des Zugriffsmanagementsystems.
Einige Gutachter, wie beispielsweise iBeta Quality Assurance, unterteilen Angriffstypen in zwei Schwierigkeitsstufen:
Stufe 1Dem Angreifer sind die von der angegriffenen biometrischen Lösung verwendeten Algorithmen nicht bekannt. Schätzungen zufolge kann der Angreifer bis zu 8 Stunden für dasselbe Angriffsmotiv oder dieselbe Angriffsart aufwenden, wobei das Budget für jedes zu erstellende Gerät bei etwa 30 US-Dollar liegt. Diese Art von Angriffen lässt sich mithilfe von Mobilgeräten, Papier und anderem Büromaterial durchführen, wodurch sie relativ einfach zu realisieren sind.
Stufe 2Der Angreifer kennt die Einzelheiten der von der biometrischen Lösung verwendeten Algorithmen. Es wird geschätzt, dass der Angreifer bis zu 48–96 Stunden für denselben Angriff auf dieselbe Person oder dieselbe Zielgruppe aufwenden kann, wobei er über ein Budget von etwa 300 US-Dollar für die Herstellung jedes Geräts und der Ausrüstung wie beispielsweise eines 3D-Druckers, einer Harzmaske und einer Latexmaske verfügt.
Angesichts zunehmender Risikofaktoren und sich ständig weiterentwickelnder Angriffsarten gewinnen zwei grundlegende Lösungen und deren Interoperabilität zunehmend an Bedeutung. Bei diesen Lösungen handelt es sich um Gesichtserkennungssysteme und die Lebendigkeitsprüfung.
Wie lässt sich die Gesichtserkennungstechnologie in der e-KYC-Pipeline einsetzen?
Die Gesichtserkennung – als biometrische Authentifizierungsmethode, die auf künstlicher Intelligenz basiert – ist eine Technologie, die die Identität einer Person anhand einzigartiger Gesichtsmerkmale überprüft oder identifiziert. Sie ermittelt ein eindeutiges biometrisches Merkmal, indem sie Elemente wie den Abstand zwischen den Augen, die Form der Nase und Ähnliches analysiert. Diese Vorlage stellt eine Vorlage dar, die zur Identifizierung und zum Abgleich von Personen in verschiedenen Datenbanken verwendet wird.
Im digitalen Onboarding-Prozess innerhalb der KOBIL-KYC-Pipeline schreitet die e-KYC-Abwicklung zur Gesichtsüberprüfung fort, wobei biometrische Informationen aus dem Ausweischip herangezogen werden. Zunächst extrahiert das System hochwertige, verifizierte Bilder aus dem im Ausweisdokument eingebetteten Chip. Gleichzeitig nimmt der Kunde mit seinem Mobilgerät in einer kontrollierten Umgebung ein gut ausgeleuchtetes Selfie auf. Beide Bilder durchlaufen eine Vorverarbeitung, bei der Bildqualitätsstandards wie Auflösung, Schärfe und Belichtung sichergestellt sowie die Bilder hinsichtlich Winkel, Maßstab und Beleuchtung vereinheitlicht werden. Deep-Learning-Modelle extrahieren anschließend aus beiden Bildern wichtige Gesichtsmerkmale und identifizieren dabei einzigartige Orientierungspunkte wie den Abstand zwischen den Augen, die Nasenform, die Mundwinkel und die Kontur der Kinnlinie. Ein KI-basierter Algorithmus zum Gesichtsabgleich vergleicht diese Merkmale und berechnet einen Ähnlichkeitswert. Ein vordefinierter Schwellenwert bestimmt die Verifizierungsentscheidung; überschreitet der Ähnlichkeitswert diesen Schwellenwert, bestätigt das System, dass die Person, die das Ausweisdokument vorlegt und das Selfie aufnimmt, dieselbe Person ist. Dieser strenge Verifizierungsprozess, der fortschrittliche KI-Algorithmen mit robusten biometrischen Daten kombiniert, ist unerlässlich, um Identitätsdiebstahl zu verhindern und sicherzustellen, dass nur berechtigte Nutzer aufgenommen werden, wodurch die Sicherheit und Zuverlässigkeit des e-KYC-Prozesses erhöht wird.
Gesichts-Lebendigkeitserkennung zur abschließenden Überprüfung
Die Lebendigkeitserkennung dient dazu, durch die Analyse manipulierter statischer Bilder (wie beispielsweise KI-generierter Bilder oder aus sozialen Medien gestohlener Inhalte) oder Videos festzustellen, ob eine angegebene Identität echt oder gefälscht ist. Sie bietet eine zusätzliche Sicherheitsebene gegen eine Vielzahl digitaler Gesichtsmanipulationen und Angriffe, wie beispielsweise 2D-/3D-gedruckte Masken, Deepfakes, gedruckte Fotos, Replay-Angriffe, Gesichtsverformung, Virtual-Reality-Avatare, Schönheitsoperationen, Make-up und drastische Frisurveränderungen.
Algorithmen zur Lebendigkeitserkennung, die fortschrittliche Techniken der Bildverarbeitung und des Deep Learning nutzen, können Lebenszeichen, die sich mit statischen Bildern oder vorab aufgezeichneten Videos nicht nachahmen lassen, effektiv erkennen und identifizieren. Dadurch verringert diese Technologie das Risiko von Identitätsbetrug erheblich. Die Lebendigkeitserkennung kann aktiv (durch Interaktion zwischen Benutzer und Sensor) oder passiv (lediglich durch Sensorinteraktion) erfolgen und bietet somit ein Höchstmaß an Schutz.
Algorithmen zur Lebendigkeitserkennung überprüfen die Anwesenheit einer lebenden Person durch die Analyse von Gesichtsbewegungen und -ausdrücken. Genauer gesagt gewährleisten bei der passiven Lebendigkeitserkennung fortschrittliche Techniken die Authentizität von Videos, ohne dass eine Interaktion des Benutzers erforderlich ist. Die Texturanalyse untersucht die Beschaffenheit der Hautoberfläche, um Unstimmigkeiten zu erkennen, die auf ein Foto oder eine Bildschirmanzeige hindeuten. Die Mikrobewegungsanalyse beobachtet subtile, unwillkürliche Bewegungen der Gesichtsmuskulatur, während Opt-Flow-Algorithmen Pixelbewegungen über Bildrahmen hinweg verfolgen, um die Kohärenz zu überprüfen. Die Spektralanalyse unterscheidet natürliche Lichtreflexion und -absorption auf menschlicher Haut von künstlichen Oberflächen. Diese kombinierten Techniken gewährleisten eine zuverlässige Überprüfung einer lebenden Person und erhöhen damit die Sicherheit und Zuverlässigkeit des e-KYC-Prozesses.
Zum Abschluss der Benutzer-Onboarding-Prozesse innerhalb der KOBIL-KYC-Pipeline umfasst der letzte Schritt entweder aktive oder passive Lebendigkeitsprüfungen. Die Technologie zur Lebendigkeitserkennung ermittelt, ob es sich bei dem Video um eine lebende Person oder um eine zuvor aufgezeichnete bzw. KI-generierte Aufnahme handelt. In dieser Phase wird ein vom Kunden aufgenommenes Video sorgfältig auf Anzeichen von Spoofing-Angriffen oder betrügerischen Aktivitäten untersucht. Das Modul zur aktiven Lebendigkeitserkennung von KOBIL überprüft die Anwesenheit einer lebenden Person, indem es Aufforderungen wie Augenblinzeln, Kopfbewegungen und Gesichtsausdrücke ausgibt und die Reaktionen des Nutzers überwacht. Umgekehrt nutzt die passive Lebendigkeitserkennung von KOBIL fortschrittliche Techniken wie Texturanalyse, Verfolgung von Mikrobewegungen, optischen Fluss und Spektralanalyse, um die Anwesenheit einer lebenden Person zu bestätigen. Diese Maßnahmen bieten eine zusätzliche Sicherheitsebene, gewährleisten die Authentizität des KYC-Prozesses und erhöhen dessen Zuverlässigkeit erheblich.
Schaffung einer ganzheitlichen Sicherheit im Bereich e-KYC
Die „Presentation Attack Detection“ (PAD) deckt ein breites Spektrum an biometrischen Spoofing-Versuchen ab. Diese Angriffsarten werden durch KI-gestützte Entwicklungen immer ausgefeilter und effektiver. Dies erfordert nicht nur den Einsatz jeder einzelnen Komponente des biometrischen Verifizierungssystems, sondern auch die solide Implementierung hochentwickelter Technologien sowie die robuste Kombination von Hardware- und Software-Tools in den Prozessabläufen. Es liegt auf der Hand, dass die Fähigkeit von Unternehmen, zwischen Menschen und nicht-lebenden Fälschungen zu unterscheiden, auch langfristig eine erhebliche Herausforderung darstellt. Dies erfordert, dass Führungskräfte im Risikomanagement gemeinsam mit vertrauenswürdigen Partnern robuste Sicherheitslösungen auf der Grundlage von Hardware und Software etablieren.