Pontuações e limiares de correspondência facial
A correspondência facial devolve uma pontuação de semelhança, e tu decides o que acontece em cada faixa - aqui está como definir os limiares de revisão e recusa sem afogares a tua fila nem deixares passar fraude.
A correspondência facial devolve uma pontuação de semelhança, não um sim ou não. Defines dois limiares: abaixo do limiar de recusa a sessão é recusada, entre os dois vai para revisão, acima do limiar de revisão passa. Onde os colocas é uma decisão de política, e é a principal alavanca tanto sobre a tua taxa de fraude como sobre a tua fila de revisão.
#O que a pontuação significa
- Liveness contém a selfie, o veredito de prova de vida e a pontuação de correspondência facial.
- Overview mostra o que essa pontuação fez à decisão da sessão.
A correspondência facial 1:1 compara a selfie com o retrato do documento e devolve uma pontuação de semelhança. É uma medida de quão parecidos são dois rostos - nunca é uma certeza sobre identidade, porque nenhuma comparação biométrica o é.
É por isso que a plataforma te dá dois limiares em vez de um único veredito.
#As três faixas
| Faixa | O que acontece |
|---|---|
| Acima do limiar de revisão | Passa automaticamente |
| Entre os dois limiares | A sessão vai para Em Revisão para uma pessoa decidir |
| Abaixo do limiar de recusa | A sessão é recusada automaticamente, com LOW_FACE_MATCH_SIMILARITY |
Ambos os limiares são definidos no passo de correspondência facial do teu fluxo de trabalho, por isso fluxos de trabalho diferentes podem ter apetites de risco diferentes - um fluxo de abertura de conta de alto valor e uma verificação de idade de baixo risco não precisam das mesmas definições.
#O que realmente reduz uma pontuação legítima
Antes de apertares fosse o que fosse, sabe o que move a pontuação para utilizadores genuínos:
- Antiguidade da fotografia do documento. Um retrato tirado há dez anos é genuinamente menos semelhante.
- Qualidade de impressão e digitalização. Alguns países imprimem retratos pequenos e de baixo contraste; um cartão desgastado é ainda pior.
- Oclusão. Óculos, chapéus, maquilhagem pesada, uma barba que não existia antes.
- Iluminação e câmara. Uma sala escura e uma câmara frontal barata custam ambas semelhança.
Nada disto é fraude, e todos estes fatores são mais comuns nalguns mercados do que noutros. Se os teus utilizadores tenderem para documentos mais antigos, um limiar ajustado para passaportes recentes vai recusar pessoas genuínas.
#Escolher os limiares
O compromisso é simétrico e inevitável:
- Limiares mais apertados apanham mais impostores e enviam mais utilizadores genuínos para revisão ou recusa.
- Limiares mais soltos deixam passar mais utilizadores genuínos e também mais impostores.
Uma forma prática de os definir:
- Começa com as predefinições e recolhe dados
Corre tráfego real pelas predefinições durante algumas centenas de sessões antes de mudares fosse o que fosse. Não podes ajustar por intuição.
- Vê o que caiu em revisão, e porquê
Abre as sessões na faixa de revisão. Se um revisor aprova quase todas, o teu limiar de revisão está demasiado alto - está a gerar trabalho sem decisões dentro dele.
- Vê as recusas
Se as sessões recusadas forem sobretudo utilizadores genuínos com documentos antigos, o teu limiar de recusa está demasiado alto para a tua população.
- Move um limiar de cada vez
Altera um, mantém o outro, e volta a medir. Mover os dois ao mesmo tempo não te diz qual dos dois importou.
Não ajustes o limiar para fazer desaparecer uma queixa específica. Um único utilizador recusado não é um sinal, e afrouxar um limiar para resolver um caso afrouxa-o também para todos os impostores. Resolve casos individuais com uma decisão de revisão manual ou um reenvio; muda os limiares apenas perante um padrão.
#Alargar a faixa de revisão não é grátis
Uma faixa de revisão larga parece segura - nada é recusado automaticamente, uma pessoa vê tudo o que é limítrofe. Na prática, converte um problema de decisão num problema de dotação de pessoal: a fila cresce, as revisões tornam-se menos cuidadosas, e a qualidade efetiva das decisões cai. Consulta sessões presas em revisão.
#Uma comprovação mais forte vale mais do que um limiar melhor
Se a correspondência facial for o teu ponto fraco, a mudança de maior impacto normalmente não é o limiar de todo:
- O NFC lê o retrato diretamente do chip do documento - a própria imagem do emissor, na qualidade máxima - o que remove a variável de degradação da impressão.
- A prova de vida ativa aumenta o custo de um ataque de apresentação, por isso uma pontuação limítrofe tem menos probabilidade de ser à partida um ataque.
#Testar os teus limiares antes de entrares em produção
O sandbox tem cenários exatamente para isto: decline_face_match_low_similarity para uma falha clara e review_face_match_borderline para uma pontuação dentro da faixa de revisão. Usa-os para confirmar que o teu fluxo de trabalho encaminha cada faixa para onde pensas que a encaminha, antes de os utilizadores reais lá chegarem. Consulta testar em sandbox.