クラウドWatch

顔画像による「なりすまし」検知 富士通研、本物との差異を数値判定

 富士通研究所は、印刷した写真やインターネットに公開されている画像などをカメラに提示して他人になりすます不正行為を、一般的なカメラで検知できる顔偽造物判定技術を開発したと発表した。

 偽造物の特徴を分離

 生体情報を用いた認証方式として、カメラで撮影した顔画像で認証を行う技術が注目されている。ただ、顔画像はSNSなどでインターネット上に公開されている場合も多く、顔写真付きのIDカードなどの紛失により画像が盗まれる場合も考えられ、指紋や手のひらの静脈など他の生体情報と比較して、他人の情報を容易に利用できてしまうという問題がある。また、不正に取得した他人の顔画像をカメラに提示して他人になりすます偽造物攻撃に対する懸念もあり、カメラに写った顔が本物か偽造物かを判定する技術が必要とされていた。

 このため、偽造物特有の特徴を捉えるために近赤外線カメラなどの専用デバイスや、偽造物では再現が困難な顔の向きを左右に振るなどの動きを利用者に要求する対策が取られていたが、専用デバイスの追加によるコスト増加や、利用者に追加の操作を強いるために認証に時間がかかるという問題があった。

 富士通研究所によると、カメラに偽造物を提示して取得した画像には、スマートフォンなどの端末画面の反射や平面の偽造物を写すことによる顔の形状の歪(ゆが)みなど偽造物特有の特徴が現れるという。開発した偽造特徴抽出技術では、こうした偽造物特有の特徴と本物の顔との差異を、判定可能な数値として表現する。

 具体的には、カメラで取得した顔画像を、反射成分や形状(歪み)成分といった偽造物特有の特徴が現れるさまざまな成分に分離。分離した成分ごとに画像処理技術を用いて偽造物特有の特徴を数値化し、各成分の特徴を合成した判定用特徴を生成する。これを用いることで、利用者の操作に基づく情報がなくても偽造物判定が可能になる。

 一方、取得環境による写り方の変動に対応した偽造物判定技術は、オフィスで撮影した顔画像や窓際で撮影した顔画像など、類似した変動を持つ顔画像のカテゴリーを学習する。これにより変動の影響を小さくした判定モデルを生成し、偽造物を正しく判定できるようにする。

 機械学習モデル構築

 判定は、学習フェーズと判定フェーズに分かれ、学習フェーズではあらかじめさまざまな環境で取得した顔画像を光の強さや光源の方向などの取得環境に基づき、窓際、逆光、通常といったカテゴリーに分類。次にカテゴリーごとに偽造特徴抽出技術で生成した判定用特徴を用いて、機械学習によって本物の顔か偽造物かを判定する判定モデルを構築する。

 判定フェーズでは、入力画像の取得環境が学習フェーズのどのカテゴリーに近いかを推定し、入力画像と各カテゴリーの類似度を動的に算出する。入力画像と環境が近いカテゴリーの判定モデルの結果が重視されるように、各判定モデルが出力する本物らしさを表すスコアに各カテゴリーとの類似度に基づく重みを掛けた値を用いて偽造物かどうかを判定する。

 これらの技術を使うことで、一般的カメラで撮影した顔画像の情報のみで偽造物を判定し、なりすまし検知を実現する。

 今回開発した技術により、顔認証の利便性を損なわずにセキュリティーを強化できるため、本人認証技術の高度化によるデジタルトランスフォーメーション(DX)への貢献が期待できるとしている。2020年度中の実用化に向けて、偽造検知技術のさらなる精度向上を目指す。(インプレスウオッチ)

Recommend

Ranking

アクセスランキング

Biz Plus