Was sind Injektionsangriffe bei KYC#
Ein Injektionsangriff im Kontext der Identitätsprüfung liegt vor, wenn ein Angreifer die normale Erfassungs-Pipeline abfängt und betrügerische Daten an die Stelle echter Kameraeingaben setzt. Anstatt der Kamera ein echtes Identitätsdokument und das eigene Gesicht zu präsentieren, injiziert der Angreifer vorbereitete Bilder oder Videos in den Verifizierungsablauf. Diese Angriffe umgehen die physische Realität, die die KYC-Verifizierung bestätigen soll.
Injektionsangriffe sind zur am schnellsten wachsenden Kategorie des Identitätsbetrugs geworden. Während sich die Lebenderkennung und die Dokumentenprüfung gegen physische Präsentationsangriffe (das Vorhalten eines gedruckten Fotos) verbessern, verlagern sich Angreifer auf digitale Injektionsmethoden, die auf der Softwareebene ansetzen. Die Einstiegshürde ist niedrig: Software für virtuelle Kameras ist frei verfügbar, und Werkzeuge zur Deepfake-Erzeugung sind auch für technisch nicht versierte Nutzer zugänglich geworden.
Angriffsvektoren#
Spoofing virtueller Kameras
Software für virtuelle Kameras wie OBS Virtual Camera, ManyCam oder benutzerdefinierte Treiber gibt sich gegenüber dem Betriebssystem als legitimes Kameragerät aus. Jede Anwendung, die Kamerazugriff anfordert, einschließlich eines KYC-Verifizierungs-SDK, erhält den Feed der virtuellen Kamera anstelle der physischen Kameraeingabe. Der Angreifer kann vorab aufgezeichnete Videos abspielen, eine andere Anwendung per Bildschirmfreigabe übertragen oder synthetische Inhalte über die virtuelle Kamera einspeisen.
Dokumenten-Wiedergabeangriffe
Bei einem Dokumenten-Wiedergabeangriff nutzt der Angreifer ein hochauflösendes Bild eines gestohlenen oder betrügerisch erlangten Identitätsdokuments und präsentiert es der Kamera. Fortgeschrittene Varianten zeigen das Dokumentenbild auf einem Bildschirm mit hoher Punktdichte an, was grundlegende Dokumentenerfassungssysteme täuschen kann, die nicht auf Artefakte der Bildschirm-Wiederaufnahme prüfen.
Deepfake-Selfies
Die Deepfake-Technologie ermöglicht es Angreifern, realistische Gesichtsvideos einer anderen Person zu erzeugen. Anhand eines Referenzfotos vom Identitätsdokument kann ein Angreifer ein synthetisches Video erstellen, das dem Dokumentenfoto entspricht, und es dann über eine virtuelle Kamera injizieren. Fortgeschrittene Deepfakes können in Echtzeit auf Lebenderkennungsaufforderungen reagieren und auf Befehl Kopfdrehungen und Blinzeln ausführen.
Bildschirm-Wiederaufnahme
Der Angreifer zeigt ein Dokument oder Selfie auf einem Bildschirm an und erfasst es mit der Gerätekamera, die auf diesen Bildschirm gerichtet ist. Dies ist ein hybrider physisch-digitaler Angriff, der die Erkennung virtueller Kameras umgehen kann, während dennoch betrügerische Inhalte verwendet werden.
Injektionsangriffe können in ausgefeilten mehrstufigen Angriffen kombiniert werden. Ein Angreifer könnte für den Schritt der Dokumentenerfassung eine physische Dokumentenreplik und für den Selfie-Schritt einen über eine virtuelle Kamera injizierten Deepfake verwenden, sodass Ihre Abwehr unterschiedliche Angriffstypen in unterschiedlichen Phasen des Ablaufs erkennen muss.
Abwehrebenen#
Eine wirksame Abwehr gegen Injektionsangriffe erfordert mehrere unabhängige Erkennungsebenen. Keine einzelne Technik ist ausreichend, da Angreifer Schwachstellen in jeder einzelnen Abwehr finden und ausnutzen werden. Es gilt das Prinzip der Defense-in-Depth: Jede Ebene ist darauf ausgelegt, Angriffe abzufangen, die die vorherige Ebene durchdringen.
Prüfung der Geräteintegrität
Die erste Abwehrebene überprüft, ob die Erfassungsumgebung vertrauenswürdig ist. Auf mobilen Plattformen umfasst dies die Prüfung auf Rooting oder Jailbreaking (was das Hooking von Kamera-APIs ermöglicht), die Verifizierung der Code-Integrität der Anwendung gegen Manipulation, die Erkennung von Instrumentierungs-Frameworks wie Frida oder Xposed, die SDK-Funktionsaufrufe abfangen können, sowie die Bestätigung, dass die Kamera-API Daten von einem physischen Hardware-Sensor und nicht von einer virtuellen Quelle zurückgibt.
Dokumenten-Lebenderkennung
Die Dokumenten-Lebenderkennung bestätigt, dass das Identitätsdokument ein physisches Objekt vor der Kamera ist und keine Bildschirmanzeige oder gedruckte Kopie eines digitalen Bildes. Zu den Techniken gehören: die Analyse von Moiré-Musterinterferenzen, die entstehen, wenn eine Kamera einen Bildschirm erfasst; die Erkennung des charakteristischen Pixelrasters von LCD-/OLED-Displays; die Analyse von Lichtreflexionsmustern, die sich zwischen Dokumenten aus Kunststoff/Polycarbonat und flachen Bildschirmen unterscheiden; sowie die Aufforderung an den Nutzer, das Dokument zu kippen, was bei echten Dokumenten unterschiedliche Reaktionen von Hologrammen und Sicherheitsmerkmalen hervorruft.
Gesichts-Lebenderkennung und Anti-Spoofing
Die Gesichts-Lebenderkennung muss, wie in unserem Artikel zur biometrischen Verifizierung erörtert, robust gegen physische und digitale Präsentationsangriffe sein. Beleuchtungsbasierte Aufforderungen, bei denen der Gerätebildschirm farbige Lichtmuster auf das Gesicht projiziert, bieten eine starke Abwehr, da das reflektierte Lichtmuster ohne Kenntnis der spezifischen Aufforderungssequenz in einem Deepfake äußerst schwer zu reproduzieren ist. Eine serverseitige Auswertung der Lebenderkennung verhindert ein clientseitiges Umgehen der Lebenderkennungsprüfungen.
Frame-Hash-Ketten
Eine Frame-Hash-Kette verknüpft jedes erfasste Videobild durch kryptografisches Hashing mit seinem Vorgänger und erzeugt so eine manipulationssichere Abfolge. Injiziert ein Angreifer mitten im Stream Bilder aus einer anderen Quelle, bricht die Hash-Kette. Die Hash-Kette wird mit einem servergelieferten Nonce initialisiert, bindet die Erfassungssitzung an eine bestimmte Verifizierungsanfrage und verhindert die Wiedergabe zuvor erfasster Sitzungen.
Prüfung der Stream-Integrität#
Über die Integrität einzelner Bilder hinaus muss der gesamte Erfassungsstream auf Konsistenz geprüft werden. Dazu gehört die Analyse zeitlicher Merkmale wie der Stabilität der Bildrate, der Belichtungskonsistenz und der Sensor-Rauschmuster, die sich zwischen physischen Kameras und synthetischen Quellen unterscheiden. Die Analyse der Bewegungsparallaxe kann flache Oberflächen (Bildschirme) erkennen, indem geprüft wird, ob sich Vorder- und Hintergrundelemente bei Gerätebewegungen angemessen verschieben.
Die Metadatenanalyse liefert zusätzliche Signale: Physische Kameras betten EXIF-Daten einschließlich Brennweite, Blende und Sensormodell ein, die mit bekannten Geräteprofilen abgeglichen werden können. Virtuelle Kameras und injizierte Streams lassen diese Metadaten möglicherweise weg oder fälschen sie auf erkennbare Weise.
Serverseitige Validierung#
Verlassen Sie sich niemals ausschließlich auf clientseitige Validierung. Jede auf dem Gerät des Nutzers durchgeführte Prüfung kann von einem hinreichend motivierten Angreifer, der das Gerät kontrolliert, umgangen werden. Alle kritischen Integritäts- und Lebenderkennungsentscheidungen müssen serverseitig anhand der unbearbeiteten erfassten Daten validiert werden.
Die serverseitige Validierung ist die letzte Instanz für die Verifizierungsintegrität. Der Server empfängt die erfassten Bilder, Metadaten, die Hash-Kette und die Antworten auf die Lebenderkennungsaufforderungen und validiert dann unabhängig: die Integrität der Hash-Kette, die Korrektheit der Antworten auf die Lebenderkennungsaufforderungen, die Ergebnisse des biometrischen Vergleichs, die Signale zur Dokumentenechtheit sowie die Kreuzkonsistenz zwischen den Erfassungssitzungen von Dokument und Selfie.
Defense-in-Depth-Architektur#
Eine vollständige Defense-in-Depth-Architektur für die KYC-Verifizierung schichtet diese Abwehrmaßnahmen so, dass ein Angreifer alle Ebenen gleichzeitig überwinden muss, um erfolgreich zu sein:
- Ebene 1 (Gerät): Root-/Jailbreak-Erkennung, Prüfung der App-Integrität, Erkennung virtueller Kameras.
- Ebene 2 (Erfassung): Dokumenten-Lebenderkennung, Gesichts-Lebenderkennung mit Beleuchtungsaufforderung, Initialisierung der Frame-Hash-Kette.
- Ebene 3 (Übertragung): Verschlüsselter, per Zertifikat-Pinning gesicherter Kanal mit Sitzungsbindung und Wiedergabeschutz.
- Ebene 4 (Server): Unabhängige Auswertung der Lebenderkennung, biometrischer Vergleich, Analyse der Dokumentenechtheit, Prüfung der Hash-Kette.
- Ebene 5 (Analytik): Sitzungsübergreifende Anomalieerkennung, Clustering von Geräte-Fingerabdrücken, Geschwindigkeitsprüfungen bei wiederholten Einreichungsversuchen.
Jede Ebene arbeitet unabhängig und meldet ihr eigenes Konfidenzsignal. Die endgültige Verifizierungsentscheidung berücksichtigt alle Ebenen, und ein Versagen auf einer einzelnen Ebene reicht aus, um eine Einreichung zur Prüfung oder Ablehnung zu markieren. Diese Architektur stellt sicher, dass das Gesamtsystem seine Integrität bewahrt, selbst wenn Angreifer Wege finden, einzelne Abwehrmaßnahmen zu umgehen.