本人確認のための生体認証を理解する

生体認証とは何か#

生体認証とは、人物のライブの生体サンプルを参照情報（通常は本人確認書類上の写真）と照合することで、その人物の本人性を確認するプロセスです。遠隔での本人確認の文脈では、これはライブのセルフィーをパスポート、国民身分証明書、または運転免許証に印刷された肖像と照合することを意味します。目的は単純な問いに答えることです。書類を持っている人物は、そこに写っている人物と同一人物か、ということです。

概念は単純ですが、技術的な実装は高度です。最新の生体認証システムは、照明、カメラ品質、顔の加齢、美容上の変化のばらつき、そして年齢・民族・性別にわたる人間の顔のあらゆる多様性を扱いながら、同時にますます巧妙化する一連の提示攻撃に対して防御しなければなりません。

ライブネス検知#

ライブネス検知は、生体サンプルが、写真、ビデオ再生、マスク、デジタル生成画像ではなく、生きていて物理的にその場にいる人物から得られたものかどうかを判定します。ライブネス検知がなければ、顔照合だけでは簡単に破られてしまいます。攻撃者は書類所持者の印刷写真をカメラの前にかざすだけで済むからです。

パッシブ・ライブネス

パッシブ・ライブネスは、本物の顔と攻撃とを区別するアーティファクトを求めて、単一の画像または短いビデオストリームを分析します。手法には、テクスチャパターン（皮膚の毛穴と印刷のハーフトーンドットの違い）の分析、デフォーカスのぼけによる奥行きの手がかり、鏡面反射のパターン、わずかな眼の震えや脈拍による肌色の変化といった微細な動きの分析などがあります。パッシブ・ライブネスはユーザーには見えず、摩擦のない体験を生み出します。

アクティブ・チャレンジ

アクティブ・ライブネスは、まばたき、首を回す、画面上で動く点を目で追うといった特定の動作をユーザーに求めます。これらのチャレンジは静的な攻撃では再現が難しいものの、ユーザー体験に摩擦を加えます。より高度なアクティブ・チャレンジには照明ベースの手法が含まれ、デバイスの画面がユーザーの顔に色付きの光のパターンを照射し、その反射光が三次元の顔と整合するかどうかを分析します。

顔照合技術#

顔照合は2つの顔画像を比較し、類似度スコアを生成します。最新のシステムは、数百万の顔ペアで訓練された深層畳み込みニューラルネットワークを用いて、顔の幾何学的特徴とテクスチャ特徴を符号化した数値ベクトルである、コンパクトな顔埋め込みを生成します。2つの埋め込み間の類似度はコサイン距離などの指標で計算されます。

顔照合の精度はこの10年で劇的に向上しました。NISTの顔認識ベンダー試験（FRVT）で評価された最高性能のアルゴリズムは、100万分の1の誤一致率において0.1%未満の誤不一致率を達成しています。ただし、精度は画像品質、姿勢の角度、人口統計学的要因によって変動します。すべての人口統計学的グループにわたって公平な性能を確保することは、倫理的な要請であると同時に、EUなどで生まれつつあるアルゴリズム公平性のフレームワークのもとでの規制上の要件でもあります。

Flashmark照明#

Flashmarkは照明ベースのライブネス手法であり、セルフィーカメラがユーザーの顔を撮影する間に、デバイスの画面が色付きの光のパターンの一意なシーケンスを表示します。反射光は、そのセッションに固有の、暗号的に検証可能な色のシグネチャをユーザーの肌の上に作り出します。このアプローチは、光のパターンがセッションごとに変化し、事前に録画されたビデオを役に立たなくするため、再生攻撃に対して防御します。

Flashmarkの信号は奥行き情報も提供します。印刷写真のような平らな面は光を均一に反射しますが、三次元の顔は顔の形状にわたって変化する特徴的な影のグラデーションと鏡面ハイライトを作り出します。撮影された各フレームをその前のフレームに結び付けるフレームレベルのハッシュチェーンと組み合わせることで、Flashmarkは改ざんの痕跡が残る生体撮影パイプラインを作り出します。

ディープフェイク対策#

生成AIの急速な進歩により、合成顔の生成やフェイススワップが手軽になり、ますます現実的になっています。ディープフェイクは生体認証に対する深刻な脅威となります。攻撃者は書類所持者の合成ビデオを生成し、仮想カメラ経由で提示することで、顔照合や基本的なライブネスチェックすら回避できるのです。

• 仮想カメラの検出：デバイスAPI、ドライバの署名、撮影メタデータを精査し、ビデオフィードが物理カメラではなくソフトウェア（OBS、ManyCam）から来ているのを特定します。
• インジェクション攻撃の検出：攻撃者がカメラフィードを傍受して合成コンテンツに置き換える、OSまたはドライバレベルでのフレームインジェクションをカメラパイプラインで監視します。
• 時間的整合性の分析：まばたきの頻度、頭部の微細な動き、血流の信号など、現在の生成モデルが正確に再現することが難しい微小な時間的パターンを分析します。
• アーティファクトの検出：顔の境界での時間的なちらつき、不整合な耳の形状、不自然な目の反射など、生成モデルのアーティファクトを探します。
• 画面再撮影の検出：カメラが別の画面に向けられていることを示す、モアレパターン、ピクセルグリッドのアーティファクト、色温度のずれを特定します。

プライバシー上の考慮事項#

生体データは最も機微な個人情報のカテゴリーの一つです。パスワードとは異なり、生体識別子は侵害されても変更できません。世界中の規制が、生体データの収集、処理、保管に厳格な要件を課しています。

GDPRのもとでは、人物を一意に識別する目的で処理される生体データは特別カテゴリーのデータに分類され、明示的な同意または重大な公益上の根拠のいずれかが必要です。米国イリノイ州の生体情報プライバシー法（BIPA）は、収集前にインフォームドな書面による同意を求め、生体データの販売を禁止し、定められた破棄期限を伴う保管スケジュールを義務付けています。BIPA違反は1件あたり1,000～5,000ドルの法定損害賠償を伴い、集団訴訟は6億ドルを超える和解に至っています。

生体認証実装のベストプラクティス#

• 可能な限り生体比較をサーバー側で処理し、クライアント端末上の攻撃対象領域を縮小します。
• 実行可能な場合は生の画像ではなく顔埋め込みを保管し、ハードウェアに裏付けられた鍵管理を用いて保管時の埋め込みを暗号化します。
• 法的に必要な期間の経過後に生体データを自動的に消去する、構成可能な保管ポリシーを実装します。
• どの生体データを収集し、どのように使用し、どのくらいの期間保管するのかを説明する、明確で平易な言葉による同意フローを提供します。
• 顔照合アルゴリズムの人口統計学的性能を定期的に監査し、いかなる格差にも対処するためにモデルを再訓練します。
• 少なくとも四半期ごとに、新たな攻撃ベクトルに対してライブネスシステムを試験するPAD評価プログラムを維持します。