Айтрекинг vs дипфейки: как защитить онлайн‑биометрию
Автор: Петухов Олег Анатольевич, эксперт по информационной безопасности, руководитель юридической компании ЛЕГАС
Сайт: legascom.ru
Email: petukhov@legascom.ru
Современные системы распознавания лиц активно применяются в городской инфраструктуре - от турникетов метро до терминалов оплаты, но в интернете их использование ограничено. Главная причина - риск подмены видеопотока: злоумышленник может передать серверу заранее записанное видео или дипфейк. Для борьбы с такими угрозами применяется технология Liveness Detection - проверка «живости» пользователя.
Какие угрозы существуют
Атаки на биометрические системы делятся на два основных типа:
Атака предъявления. Злоумышленник показывает камере поддельный объект - например, силиконовую маску или фотографию. Такие атаки успешно нейтрализуются за счёт анализа текстуры кожи, морганий и микродвижений.
Подмена данных на выходе камеры. Сюда входят дипфейки и replay‑атаки (воспроизведение заранее записанного видео). Это более серьёзная угроза: если хакер использует видео жертвы, оно визуально неотличимо от реального сеанса.
Как работает защита на базе айтрекинга
Предлагаемое решение смещает фокус с анализа внешности на проверку естественной реакции пользователя на непредсказуемый стимул. Механизм аутентификации выглядит так:
На экране появляется движущаяся точка - её траектория генерируется случайно в момент сеанса.
Пользователь следит за точкой глазами в течение нескольких секунд.
Система сопоставляет траекторию стимула и реальную траекторию взгляда. Совпадение подтверждает, что перед камерой находится живой человек.
Ключевое преимущество метода - непредсказуемость стимула. Поскольку траектория формируется на сервере в реальном времени, злоумышленник не может подготовить поддельное видео заранее.
Техническая реализация и точность
Для отслеживания взгляда используется ARKit - стандартный фреймворк iOS. Он строит 3D‑модель лица и определяет направление взгляда с частотой 60 кадров в секунду. Специальное оборудование не требуется: достаточно обычного iPhone с фронтальной камерой.
Алгоритм учитывает физиологические особенности человека: между движением точки и реакцией глаз всегда есть задержка - время реакции, которое составляет 100–200 мс. Система сдвигает траектории, анализирует их близость по ряду статистических признаков, а финальное решение принимает простая линейная модель - без использования тяжёлых нейросетей.
В ходе эксперимента были собраны 122 записи реальных пользователей и смоделировано более 500 атак (путём комбинирования траекторий взгляда и стимула из разных видео). Показатель EER (Equal Error Rate, уровень равной ошибки) составил 1,6 %. Это сопоставимо с результатами передовых решений: например, метод DeepEyedentificationLive (Makowski, 2021) демонстрирует EER 1,1 %, но требует профессионального окулографа стоимостью в тысячи долларов и частоты съёмки 1 000 кадров в секунду.
От каких атак защищает метод
Решение эффективно против:
Replay‑атак. Заранее записанное видео не поможет: траектория стимула каждый раз уникальна.
Дипфейков. Даже идеально сгенерированное лицо не спасёт, если глаза не следуют за точкой. Современные нейросети не способны в реальном времени генерировать корректные глазодвигательные реакции на случайную траекторию.
Дополнительным барьером служит индивидуальная специфика движений глаз: они так же уникальны, как почерк или голос.
Перспективы и ограничения
Метод открывает возможность безопасного применения биометрии в онлайн‑среде - в перспективе он может заменить одноразовые СМС‑коды. В отличие от кода, движения глаз невозможно случайно передать мошеннику, что снижает риски телефонного мошенничества.
Единственное потенциальное ограничение - использование очков. Блики и оптические искажения теоретически могут затруднить определение направления взгляда, однако этот аспект требует отдельного изучения.
Вывод: дипфейки пока не умеют достоверно имитировать глазодвигательную реакцию на случайный стимул. Предложенный подход использует эту уязвимость: несколько секунд слежения за движущейся точкой позволяют надёжно отличить живого пользователя от подделки. Решение работает на обычном смартфоне, демонстрирует высокую точность и приближает эру аутентификации без паролей и СМС‑кодов.
