攻击面观察。只讨论防御分层与测试用例,不提供可复现的绕过步骤。

通行场景的双目活体,主要挡照片、视频、面具去开门。鸿蒙人脸识别人证比对多了一个攻击面:把证件表面或屏幕上的芯片照翻拍成「现场人脸」。若核验口只复用闸机活体用例,前台很容易在「能过闸」的机器上被人证翻车。


一、人证比通行多出来的输入

人证链路有一张合法的、低质量的芯片照。攻击者可以:

  • 用手机播放事先拍的本人视频,同时真证读卡;

  • 把证件照片打印贴在镜头前,证仍是本人的;

  • 证是本人、人是替身(这是人证要抓的正例失败,不是活体分类里的「面具」)。

因此活体回答「镜头前是不是真人」;人证比对回答「这个真人是不是这张证」。两个问题串起来才是核验。鸿蒙人脸识别算法可以一次推理出活体分和比对分,日志必须分字段,否则无法复盘。


二、建议多测的最小集合(相对闸机)

鸿蒙人脸识别消费机窗口一般不做替身持证测试,除非项目把消费开户定义成核验。不要把食堂样板点的通过率,写进人证材料。


三、光学与交互

核验口往往是前台、室内、距离更近、有人配合。闸机是通道、逆光、无人值守。同一套开源鸿蒙终端,安装角和补光不同,活体阈值就要分开。云识客等整机实践若门禁、消费、核验共用算法包,工程上仍应给场景码:access / consume / idverify。传统通道设备同样很少用食堂机顶访客核验的活体配置。


四、合规写法

活体测试通过 ≠ 已获某认证。方案写「可配合送检」「按项目验证」即可。CSDN 讨论停在用例分层,不转到证书口号。


五、小结

鸿蒙人脸识别人证比对的活体,要比通行多测证件翻拍和替身持证。算法可以同源,测试集不能同源。欢迎分享你们核验口有没有把「摘口罩」写成强制交互,而不是只靠模型硬抗。

Logo

作为“人工智能6S店”的官方数字引擎,为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐