실제 존재를 확인하고 모든 스푸핑 공격을 차단합니다.
ASTERIA KYC 생체 인식 라이브니스 감지는 셀피를 제출하는 사람이 실제로 존재하는지 판별합니다. 수동 분석, 능동 챌린지 응답, 주입 공격 감지가 순서대로 실행되어 단일 구조화된 라이브니스 결과를 반환합니다.
A real-person check that resists screen replays, printed photos, and injection attacks.
세 가지 감지 레이어. 하나의 라이브니스 결과.
수동 분석은 모든 세션에서 먼저 실행됩니다. 챌린지 및 주입 레이어는 수동 신호가 에스컬레이션을 요구할 때 활성화됩니다.
수동 분석
사용자 상호작용 없이 프레임 수준 생체 신호를 분석합니다. 제출된 캡처에서 텍스처, 깊이 단서, 미세 움직임 패턴을 평가합니다.
능동 챌린지
수동 신호가 불확실할 때 무작위 챌린지 시퀀스가 사용자에게 제시됩니다. 세션 구성에 따라 머리 움직임, 눈 깜빡임, 표정 프롬프트가 반환됩니다.
주입 공격 감지
생체 분석이 시작되기 전에 세션 레이어에서 가상 카메라, 에뮬레이트된 기기, 미디어 주입 신호를 감지합니다.
Face match, anti-spoof signals, and capture guidance — every step instrumented for audit-ready evidence.
알려진 모든 스푸핑 벡터. 모두 커버됩니다.
라이브니스 검사는 프로덕션에 도달하는 공격 유형을 커버할 때만 의미가 있습니다. ASTERIA KYC는 알려진 프레젠테이션 공격 범주 전체를 커버합니다.
인쇄 사진
종이에 인쇄되거나 두 번째 화면에 표시된 정적 이미지. 텍스처 깊이 분석과 미세 움직임 신호 부재로 감지합니다.
비디오 재생
세션 중 실제 사용자의 사전 녹화된 비디오 재생. 움직임 패턴 분석과 프레임 일관성 검사를 적용합니다.
3D 마스크
얼굴에 착용한 실리콘, 종이 또는 단단한 마스크. 표면 텍스처 분석과 깊이 신호 불일치 감지를 적용합니다.
딥페이크 스트림
캡처 중 실시간으로 대체된 AI 생성 얼굴. 주파수 아티팩트, 시간적 일관성, 얼굴 경계 신호를 평가합니다.
카메라 주입
실제 기기 입력을 대체하는 가상 카메라 드라이버 또는 미디어 주입 도구. 세션 레이어 기기 신호 검증을 적용합니다.
부분 스푸핑
얼굴 일부만 덮는 사진 또는 마스크. 얼굴 완전성 검증과 영역 수준 신호 일관성 검사를 적용합니다.
신뢰도와 이유 코드가 포함된 구조화된 라이브니스 결과.
모든 라이브니스 세션은 결과 코드, 신뢰 범위, 해당되는 경우 감지된 공격 유형, 다운스트림 사용을 위한 이유 코드를 반환합니다.
| 필드 | 설명 | 값 |
|---|---|---|
| liveness_result | 전체 라이브니스 결정 | passed / uncertain / failed |
| confidence_score | 라이브니스 신뢰도 | 0–100 |
| method_used | 적용된 감지 방법 | passive / challenge / injection |
| attack_type | 감지된 공격 범주 | none / print / replay / mask / deepfake / injection |
| challenge_result | 능동 챌린지 결과 | passed / failed / not_triggered |
| reason_codes | 구조화된 이유 배열 | 문자열 배열 |
{
"liveness_result": "passed",
"confidence_score": 96,
"method_used": "passive",
"attack_type": "none",
"challenge_result": "not_triggered",
"reason_codes": ["LIVENESS_PASSIVE_CLEAR"]
}운영 에스컬레이션을 위해 구축된 라이브니스 결과.
불확실한 라이브니스 결과는 자동으로 세션을 실패시키지 않습니다. 결과는 리스크 점수에 반영되고 구성에 따라 인적 검토를 트리거할 수 있습니다.
통과
수동 또는 챌린지 분석이 실제 존재를 확인했습니다. 스푸핑 신호가 감지되지 않았습니다. 신뢰도 점수가 구성된 임계값 이상입니다.
불확실
하나 이상의 신호가 낮은 신뢰도를 반환했습니다. 이미지 품질, 움직임 패턴 또는 챌린지 응답이 통과 임계값으로 해결되지 않았습니다.
실패
스푸핑 신호가 실패 임계값 이상으로 감지되었습니다. 공격 유형이 결과에 기록되었습니다. 플랫폼 구성에 따라 세션이 에스컬레이션되거나 거부됩니다.