تقنية الكشف عن الحيوية ومستقبل منع الاحتيال المتعلق بالهوية

تعد تقنية الكشف عن الحيوية جانبًا حيويًّا في عملية التحقق من الهوية الحديثة، لا سيما في ظل تزايد تعقيد أساليب الاحتيال مثل «ديب فايك» (deepfakes) والأقنعة ثلاثية الأبعاد والوسائط الاصطناعية التي يُنتجها الذكاء الاصطناعي. في هذا المنشور، سنتعمق في أحدث التطورات في مجال الكشف عن الحيوية وكيف يمكن لقادة الثقة والأمان دمجها في سير عمل التحقق من الهوية القابل للتوسع دون المساس بالأمن أو تجربة المستخدم.

تسلسل زمني للتطورات في مجال الكشف عن الحيوية

كانت أقدم تقنيات الكشف عن الحيوية تعتمد على مطالبات بسيطة مثل الكشف عن الرمش أو تعليمات من نوع «أدر رأسك». ورغم فائدة هذه الأساليب في ذلك الوقت، إلا أنه كان من السهل التحايل عليها باستخدام مقاطع فيديو مسجلة مسبقًا أو أقنعة مطبوعة. لكن هذا المجال شهد تحولًا كبيرًا على مدار السنوات القليلة الماضية.

• 2019–2020: ظهور نماذج مكافحة التزوير وشهادات iBeta من المستوى 1.
  
• 2021–2022: التطورات في مجال دمج البيانات المستمدة من أجهزة استشعار متعددة والمؤشرات السلوكية البيومترية.
  
• 2023–2024: توسيع نطاق الطرز المتوافقة مع الأجهزة المحمولة وتعزيز القدرة على الصمود في مواجهة التزييف العميق العدائي.
  
• 2025: اليوم، تحصل شركات مثل Microblink على شهادة iBeta من المستوى 2 بفضل أدواتها المصممة للعمل على نطاق واسع، وعلى مستوى الأجهزة، وعبر مختلف القطاعات.

أهم التطورات في مجال الكشف عن الحيوية حسب الوظيفة

أهم 5 تطورات في تكنولوجيا الكشف عن الحيوية

وكما يعمل المحتالون باستمرار على تطوير أساليبهم والأدوات التي يستخدمونها، يجب أن تتطور أيضًا التكنولوجيا المصممة لوقف هذه الأعمال. وفيما يلي أهم التطورات المؤثرة التي تشكل تكنولوجيا الكشف عن الحيوية الحديثة، وكيفية تضافرها لتوفير السرعة والأمان معًا.

1. النماذج القائمة على التعلم العميق

تستند التطورات الحديثة في مجال الكشف عن الحيوية إلى الشبكات العصبية العميقة، مثل الشبكات العصبية التلافيفية ثلاثية الأبعاد (3D CNNs) المستخدمة في الكشف المكاني-الزماني، ومحولات الرؤية (ViTs) التي تلتقط التغيرات الدقيقة في النسيج، والبنى الهجينة بين الشبكات العصبية التلافيفية (CNN) وشبكات LSTM التي تحلل الحركة والتوقيت.

يمكن لهذه النماذج تمييز الأنماط الدقيقة التي يصعب حتى على مقاطع «ديب فايك» عالية الجودة محاكاتها.

لم تعد محركات «PAD» (الكشف عن الهجمات من خلال العرض) الحديثة تعتمد على بنية أساسية تلافيفية واحدة؛ بل أصبحت الآن تجمع بين مكونات عصبية متكاملة بحيث يتعلم كل منها «بصمة حياة» مختلفة.

فيما يلي بعض الأمثلة على الكتل النموذجية وما يتعلمه كل منها:

• واجهات شبكات CNN ثلاثية الأبعاد: الإيقاع الزماني المكاني الدقيق، مثل تذبذبات لون البشرة الناتجة عن النبض عبر الإطارات المتتالية. 
• محولات الرؤية (ViT / Swin / DeiT). دورية النسيج الدقيق والسياق العام (بما في ذلك أنماط نقاط الطباعة، وحواف مويريه من شاشات الهواتف، والتباينات في مسام الأقنعة ثلاثية الأبعاد).
• أجهزة فك الترميز الهجينة التي تجمع بين شبكات CNN و LSTM أو Transformer. التوقيت ومصداقية التسلسل، بما في ذلك إيقاع رمش العين، وأنماط الكلام، وديناميكيات إيماءات الرأس. 

ترتقي المجموعات العميقة بتقنية PAD من مجرد مصنفات ثنائية من نوع «حقيقي/مزيف» إلى محللات للإشارات الفسيولوجية يصعب على تقنية «ديب فايك» التلاعب بها، لأن توليد نبضات وحركات دقيقة وملمس متناسقين في تزامن تام لا يزال أمراً بالغ الصعوبة.

2. النقل متعدد الوسائط ودمج بيانات أجهزة الاستشعار

يؤدي استخدام كاميرات RGB والأشعة تحت الحمراء (IR) وكاميرات العمق معًا إلى خلق بيئة تجعل التزوير أكثر صعوبة. كما أن التصوير متعدد الأطياف ورسم خرائط الانعكاس الحراري يعززان موثوقية النظام بشكل أكبر، مما يجعل تزوير وجود «حي» باستخدام مدخلات ثابتة أو مُعدَّلة أمرًا شبه مستحيل.

• RGB + العمق (الضوء المنظم أو ToF): على سبيل المثال، تجمع تقنية Face ID من Apple بين جهاز عرض نقطي بطول موجي 940 نانومتر وكاميرا تعمل بالأشعة تحت الحمراء؛ وأي تباين في العمق يزيد عن بضعة ملليمترات يؤدي على الفور إلى تشغيل نظام PAD.
• RGB + IR + الحراري: البوابات الإلكترونية في مطار سنغافورة مزودة بلوحة حرارية ذات موجات طويلة؛ حيث تبدو الأقنعة الورقية مسطحة عند درجة حرارة الغرفة، بينما تظهر الوجوه الحقيقية خريطة للأوعية الدموية عند درجة حرارة 34 درجة مئوية.
• أجهزة التصوير المتعدد الأطياف (12 نطاقًا): تلتقط النماذج الأولية المحمولة الحديثة مكعبًا بدقة 65 ميجابكسل يغطي نطاقات الموجات المرئية؛ وتُبرز الذروة الطيفية لـ«الماء» عند حوالي 940 نانومتر رطوبة البشرة الحية التي تفتقر إليها أقنعة السيليكون.
• إشارات تشويه المنظور على الهواتف: يطلب نظام «FaceCloseup» لعام 2023 من المستخدم تحريك الهاتف بضعة سنتيمترات؛ ثم تتحقق شبكة عصبية تلافيفية (CNN) من أن تشويه معالم الوجه يتوافق مع الهندسة الإسقاطية لجسم محدب، وهو أمر لا يمكن للمطبوعات المسطحة محاكاته. 

إن دمج حتى جهازين استشعار غير متجانسين يؤدي إلى خفض معدل القبول الخاطئ (APCER) إلى أقل من 0.1٪ في مجموعات البيانات الشائعة الخاصة بهجمات الطباعة وإعادة التشغيل؛ وعادةً ما تؤدي إضافة جهاز استشعار ثالث (مثل جهاز استشعار حراري) إلى القضاء التام على حالات القبول الخاطئ المتبقية.

3. القياسات الحيوية السلوكية

تتضمن أنظمة الكشف المتطورة عن الحياة الآن مؤشرات سلوكية تدل على الحياة، بما في ذلك التعبيرات الدقيقة مثل الارتعاشات اللاإرادية للحاجبين أو حركات الخدين، بالإضافة إلى تقنية قياس التغير الضوئي في النبض عن بُعد (rPPG) لرصد بيانات النبض في الوقت الفعلي.

يصعب تزوير أو محاكاة الحركات اللاإرادية للوجه — مثل الارتعاشات الطفيفة في الحاجبين، أو شد الخدين، أو أنماط الرمش — في مقطع فيديو مسجل مسبقًا أو في وجه تم إنشاؤه بواسطة الذكاء الاصطناعي. على سبيل المثال، قد يحاول المحتال عرض صورة ثابتة لشخص ما، لكن غياب الحركات العضلية اللاإرادية في الوقت الفعلي سيثير الشكوك على الفور.

أما بالنسبة لتقنية rPPG، فهي تقنية تستخدم كاميرا الجهاز لرصد نبض المستخدم استنادًا إلى التغيرات الطفيفة في لون البشرة الناتجة عن تدفق الدم. وتعمل هذه التقنية حتى أثناء مكالمات الفيديو أو جلسات استخدام تطبيقات الهاتف المحمول. وإذا حاول شخص ما تزوير صورة سيلفي باستخدام صورة ثابتة عالية الدقة أو رسوم متحركة مزيفة باستخدام تقنية «ديب فايك»، فلن يتمكن النظام من رصد التغيرات الطبيعية في النبض.

كما يُستخدم تتبع حركة العين بشكل شائع للكشف عن التفاعل الحقيقي للمستخدم. من خلال حث المستخدم على متابعة نقطة أو كائن متحرك على الشاشة، يمكن للأنظمة تحليل سلاسة حركة العين وسرعة استجابتها. وفي المقابل، غالبًا ما تفشل مقاطع الفيديو المزيفة في محاكاة حركات العين السلسة هذه، حيث تتجمد الصورة أو تتأخر بشكل غير طبيعي.

وبالمثل، يُقيِّم تحليل وضعية الرأس الطريقة التي يميل بها الشخص رأسه أو يديره بشكل طبيعي في الفضاء ثلاثي الأبعاد. يستجيب المستخدمون الحقيقيون للتوجيهات مثل «انظر إلى اليسار» أو «أمل رأسك إلى الأعلى» بحركات سلسة وغير مقيدة، في حين أن التسجيلات المزيفة أو الصور المولدة بالحاسوب غالبًا ما تفتقر إلى النطاق الكامل للحركة أو واقعيتها.

4. الحماية من التزوير في تقنيات بصمات الأصابع وقزحية العين

بالإضافة إلى الكشف عن حيوية الوجه، توفر طرق القياس الحيوي الأخرى، مثل التعرف على بصمات الأصابع وقزحية العين، مستويات قوية من الأمان المقاوم للتزوير. فقد تطورت أجهزة قراءة بصمات الأصابع، على سبيل المثال، لتتجاوز بكثير مجرد مطابقة الأنماط البسيطة. فأجهزة الاستشعار الحالية قادرة على الكشف عن كثافة مسام العرق، وتفاصيل الحواف، وحتى مرونة الجلد لتحديد ما إذا كانت بصمة الإصبع تخص شخصًا حيًا. ومن الصعب للغاية تقليد هذه السمات البيومترية الدقيقة باستخدام الأطراف الصناعية أو الصور المطبوعة. 

كما أن أجهزة مسح القزحية تتميز بنفس الدرجة من التطور. فالأنظمة الحديثة لا تكتفي بمسح الأنماط المرئية لقزحية العين فحسب، بل تُقيّم أيضًا توسع الحدقة استجابةً لتغيرات ظروف الإضاءة، بالإضافة إلى البنية الدقيقة لأنسجة القزحية. وتُعد هذه التفاصيل مميزةً للبشر وحدهم، كما أنها تتفاعل ديناميكيًّا مع الإضاءة المحيطة، مما يعني أن محاولات التلاعب بها باستخدام صورة عالية الدقة أو حتى تراكب رقمي للعين ستبوء بالفشل في العادة. على سبيل المثال، عندما يتعرض الشخص لوميض ضوئي سريع، تنقبض بؤبؤة العين الحقيقية قليلاً ثم تتوسع مرة أخرى — وهو سلوك انعكاسي يكاد يكون من المستحيل تزييفه في مقطع فيديو أو قناع ثلاثي الأبعاد.

تشكل هذه الإشارات البيومترية مجتمعة حاجزًا قويًا للغاية ضد الاحتيال، حيث توفر مستوى من التحقق في الوقت الفعلي يتجاوز بكثير المظهر السطحي. وبالنسبة للشركات التي تحتاج إلى أعلى مستويات الضمان (مثل البنوك أو أجهزة أمن الحدود)، يمكن أن يكون هذا النهج متعدد المستويات ضروريًا لوقف حتى أكثر محاولات الانتحال تطورًا.

5. الدفاع ضد الهجمات التنافسية

يستخدم المحتالون حاليًا أدوات الذكاء الاصطناعي مثل شبكات GAN (الشبكات التنافسية التوليدية) لإنشاء وجوه مزيفة فائقة الواقعية. وتشمل أفضل تقنيات الكشف عن الحيوية المتوفرة حاليًا أدوات لمكافحة هذه الظاهرة، ومن بينها:

• الكشف عن الشبكات التوليدية (GAN) عبر التدريب التنافسي: نماذج تم تدريبها على اكتشاف العلامات الدالة على المحتوى التوليدي، مثل ملمس البشرة غير الطبيعي، أو الإضاءة غير المتسقة، أو عدم انتظام تناسق ملامح الوجه.
  
• منع هجمات إعادة التشغيل: آليات تكتشف ما إذا كان المستخدم يحاول عرض مقاطع فيديو مسجلة مسبقًا أو صورًا ثابتة بدلاً من التفاعل في الوقت الفعلي.
  
• الكشف عن الحالات الشاذة للكشف عن الأنماط المعاد استخدامها أو الوسائط المزورة: خوارزميات تحدد الأنماط المعاد استخدامها، أو العناصر المزيفة، أو البيانات الوصفية غير المتطابقة التي غالبًا ما تصاحب الوسائط المصطنعة أو المزورة.

تحسين عملية الكشف عن الحيوية للاستخدام في العالم الواقعي

لضمان الأداء والموثوقية على حد سواء، يجب تحسين أنظمة الكشف عن الحيوية لتتناسب مع الظروف الواقعية واختبارها بدقة وفقًا لمعايير قياسية موحدة. وفيما يلي بعض المجالات الأساسية التي تضمن أداء تقنية الكشف عن الحيوية بدقة وكفاءة في عمليات النشر الواقعية.

تحسين الأداء على الأجهزة المحمولة وأجهزة الحافة

بفضل بنى النماذج الفعالة مثل EfficientNet وMobileNet، أصبح من الممكن الآن تشغيل أنظمة الكشف عن الحيوية عالية الدقة مباشرةً على أجهزة المستخدمين. تستفيد هذه النماذج من العناصر الآمنة مثل Secure Enclave من Apple وبيئة التنفيذ الموثوقة (TEE) في نظام Android لضمان إجراء عملية التحقق بسرعة على الجهاز نفسه مع الحد الأدنى من زمن الاستجابة — حتى في البيئات ذات النطاق الترددي المنخفض.

المقارنة المعيارية ومجموعات البيانات العامة

للتحقق من الفعالية والدقة، يتم تقييم الموردين استنادًا إلى مجموعات بيانات موحدة مثل SiW-Mv3 وCelebA-Spoof وLivDet وتحدي ChaLearn لمكافحة التزوير في التعرف على الوجوه. تساعد هذه المعايير العامة الفرق على ضبط نماذجها بدقة وتقليل معدلات القبول والرفض الخاطئة عبر مجموعات سكانية متنوعة، مما يضمن أداءً موثوقًا به في عمليات النشر في العالم الواقعي.

الذكاء الاصطناعي القابل للتفسير (XAI)

الثقة والشفافية أمران مهمان. تتيح أدوات مثل Grad-CAM وقيم SHAP وخرائط الحرارة الخاصة بالاهتمام لفرق المنتج والأمن مراجعة القرارات وفهم سلوك النموذج وتفسير حالات الرفض أو الإشارات التحذيرية بطرق يمكن للجهات التنظيمية والمستخدمين قبولها.

لماذا يهم ذلك لمسؤولي الثقة والسلامة

إذا كنت مسؤولاً عن إدارة المخاطر أو تجربة العملاء أو مكافحة الاحتيال، فإن تقنية الكشف المتقدم عن الحياة الحقيقية تُعد أمرًا حيويًا من أجل:

• الوقاية من الاحتيال في الوقت الفعلي دون الإضرار بتجربة المستخدم
  
• الدقة على نطاق واسع، حتى في المناطق
  الجغرافية عالية المخاطر
• أدوات تتوافق مع معايير الصناعة مثل iBeta PAD المستوى 2 و ISO/IEC 30107-3
  

تفي تقنية الكشف عن الحيوية من Microblink بهذه التوقعات بل وتتجاوزها، بفضل عملية التحقق المدعومة بالذكاء الاصطناعي التي تعمل عبر مختلف الأجهزة والقنوات. وسواء كنت تعمل على بناء الثقة في منصة للخدمات المؤقتة، أو تأمين عملية التسجيل في خدمات التكنولوجيا المالية، أو منع الاحتيال في الهوية في قطاع الرعاية الصحية، فإن Microblink توفر لك حماية معتمدة ومستعدة لمواجهة مستقبل التكنولوجيا.

الخلاصة: البقاء في صدارة السباق لمواكبة وتيرة الاحتيال

تستمر عمليات الاحتيال في التوسع بوتيرة سريعة. ومن الضروري أن نبقى متقدمين عليها بخطوة.

من خلال تبني أحدث التطورات في مجال الكشف عن الحيوية، يمكن لمسؤولي الثقة والأمان أن يسبقوا المهاجمين بخطوة، وأن يلتزموا بمعايير الامتثال، وأن يقدموا تجربة مستخدم سلسة تعزز الثقة — لا تسبب أي عوائق.

اكتشف تقنية الكشف عن الحيوية من Microblink لترى كيف يمكن للذكاء الاصطناعي المعتمد أن يحمي مستخدميك وعلامتك التجارية — اليوم وغدًا.