PIRAMOONFACE APIدرخواست جلسه معرفی
زیرساخت احراز هویت چهره برای سازمان‌ها

هویت دیجیتال،
با اطمینان بیشتر.

Piramoon Face API زنجیره تشخیص چهره، کنترل کیفیت، زنده‌بودن و تطبیق را در یک سرویس سازمانی یکپارچه می‌کند؛ برای سامانه‌هایی که امنیت، سرعت و مقیاس اهمیت دارد.

مشاهده نمونه سرویسمشاهده کاربردها
استقرار سازمانی پردازش GPU طراحی‌شده برای مقیاس بالا
ENGINE ONLINEPF–A۱۰۰ / ۰۱
X ۰٫۰۰۸Y ۰٫۰۱۴
QUALITYPASS
LIVENESSLIVE
IDENTITYMATCH
یک API برای تمام زنجیره احراز هویت چهره
DETECTQUALITYLIVENESSVERIFY
یکپارچه، دقیق، کنترل‌پذیر

از دریافت تصویر تا تصمیم نهایی، در یک مسیر قابل اتکا

به‌جای اتصال و نگهداری چند ابزار پراکنده، یک رابط پایدار در اختیار سامانه‌های کسب‌وکار قرار می‌گیرد و پیچیدگی مدل‌ها در لایه موتور باقی می‌ماند.

مرحله ۱

دریافت ورودی

تصویر یا ویدئو

مرحله ۲

تحلیل چهره

تشخیص و کیفیت

مرحله ۳

کنترل اصالت

Liveness

مرحله ۴

تصمیم هویتی

Compare یا Verify

قابلیت‌های کلیدی

اجزای ضروری یک تجربه احراز هویت امن

هر قابلیت مستقل قابل استفاده است؛ بیشترین ارزش زمانی ایجاد می‌شود که آن‌ها در یک زنجیره سیاست‌گذاری‌شده کنار هم قرار بگیرند.

۰۱

تشخیص و کنترل کیفیت چهره

وجود چهره، وضعیت قرارگیری و کیفیت تصویر پیش از تصمیم هویتی ارزیابی می‌شود تا ورودی نامعتبر وارد فرایند تطبیق نشود.

۰۲

تشخیص زنده‌بودن

لایه مقابله با جعل برای تشخیص تلاش‌های مبتنی بر تصویر چاپی، نمایشگر و بازپخش ویدئو؛ متناسب با سناریوی سازمانی شما.

۰۳

مقایسه و تأیید هویت

دو چهره را مقایسه کنید یا با انتخاب سطح خطای مورد پذیرش، پاسخ نهایی تطبیق را از سرویس Verify دریافت کنید.

۰۴

احراز هویت ویدئویی

انتخاب هوشمند فریم مناسب از ویدئو و اجرای زنجیره کیفیت، زنده‌بودن و تطبیق؛ بدون تحمیل پردازش غیرضروری.

تجربه در مقیاس ملی

اعتماد سازمان‌های بزرگ به زیرساخت پیرامون

راهکارهای پردازش چهره مانی‌پرداز ایرانیان برای سناریوهایی طراحی شده‌اند که پایداری، مقیاس و کنترل‌پذیری عملیاتی اهمیت مستقیم دارند.

مشتری شاخص

سازمان ثبت احوال کشور

تأیید چهره (Face Verification) در بیش از ۶۰ میلیون درخواست

تجربه عملیاتی
کاربردها در صنایع مختلف

یک موتور هویتی برای سناریوهای متفاوت سازمانی

سطح ریسک و تجربه کاربری در هر صنعت متفاوت است. Piramoon Face API به‌عنوان یک جزء قابل ترکیب، در جریان‌های KYC، ورود و تأیید عملیات به کار گرفته می‌شود.

بانک و مؤسسات مالی

افتتاح حساب و KYC غیرحضوری

تطبیق تصویر زنده مشتری با تصویر مرجع، کنترل کیفیت و Liveness برای افتتاح حساب، بازیابی دسترسی و عملیات پرریسک.

دولت و خدمات عمومی

احراز هویت شهروندان

ارائه خدمات غیرحضوری به شهروندان، کنترل هویت متقاضی و کاهش نیاز به مراجعه فیزیکی در فرایندهای سازمانی.

فین‌تک و پرداخت

ورود و تأیید تراکنش

افزودن عامل بیومتریک به ورود، تغییر اطلاعات حساس، بازیابی حساب و تأیید تراکنش‌های نیازمند اطمینان بیشتر.

بیمه و سلامت

شناسایی بیمه‌شده و بیمار

کنترل هویت در صدور بیمه‌نامه، ثبت خسارت، پذیرش غیرحضوری و دسترسی امن به خدمات و پرونده‌های حساس.

کسب‌وکارهای خصوصی

شناخت و احراز مشتری

KYC مشتریان پلتفرم‌ها، بازارگاه‌ها و خدمات اشتراکی برای کاهش جعل هویت و ایجاد مسیر ثبت‌نام روان‌تر.

سازمان‌های بزرگ

کنترل دسترسی و خدمات کارکنان

تأیید هویت کارکنان و پیمانکاران برای دسترسی به سامانه‌ها، ثبت درخواست حساس یا استفاده از خدمات داخلی.

نمونه ورودی و خروجی وب‌سرویس

تأیید هویت یک فرد در گذر زمان

دو تصویر از یک هویت فرضی در سنین متفاوت به متد verify2Faces ارسال می‌شوند. پاسخ زیر مطابق قرارداد مستندشده سرویس نمایش داده شده است.

تصویر اول · حدود ۲۹ سالگی
VERIFY
تصویر دوم · حدود ۴۱ سالگی
POST /api/faceVerify/verify2Faces
{
  "face1Base64": "...",
  "face2Base64": "...",
  "requestedFarIndex": 0,
  "analysisOption": {
    "runQualityCheck": true,
    "runLivenessCheck": true,
    "applyToSecondImage": false
  }
}
پاسخ Verify2FacesResponse MATCH
{
  "success": true,
  "similarityScore": 0.83,
  "isMatch": true,
  "decision": "MATCH",
  "thresholdUsed": 0.78,
  "requestedFarIndex": 0,
  "requestedFar": 0.0001,
  "qualityCheckDone": true,
  "livenessCheckDone": true,
  "qualityMetrics1": {
    "faceQuality": 0.91,
    "confidence": 0.99,
    "yaw": 2.4,
    "pitch": -1.8,
    "roll": 0.7,
    "brightness": 0.74,
    "contrast": 0.69,
    "sharpness": 0.87
  },
  "livenessResult1": {
    "livenessScore": 0.96,
    "isLive": true
  },
  "qualityMetrics2": {
    "faceQuality": 0.88,
    "confidence": 0.99,
    "yaw": -3.1,
    "pitch": 1.2,
    "roll": -0.5,
    "brightness": 0.71,
    "contrast": 0.72,
    "sharpness": 0.84
  },
  "livenessResult2": {
    "livenessScore": 0.94,
    "isLive": true
  },
  "errorCode": null,
  "errorMessage": null
}

SimilarityScore احتمال یا درصد اطمینان نیست؛ مقدار آن در کنار Threshold کالیبره‌شده تفسیر می‌شود.

اتصال سریع به API

نمونه فراخوانی متدهای وب‌سرویس

در این نمونه، نحوه فراخوانی متد Verify2Faces در دو زبان پرکاربرد نمایش داده شده است. این متد یکی از متدهای Piramoon Face API است و صرفاً برای نشان‌دادن الگوی اتصال به وب‌سرویس انتخاب شده است.

آدرس سرویس و Credentialها را از تنظیمات امن محیط اجرا دریافت کنید و هرگز آن‌ها را در کد سمت مرورگر قرار ندهید.

نمونه مشخص متد Verify2Faces احراز هویت Basic در سمت سرور
using var client = new HttpClient();
var token = Convert.ToBase64String(
    Encoding.UTF8.GetBytes("USERNAME:PASSWORD"));
client.DefaultRequestHeaders.Authorization =
    new AuthenticationHeaderValue("Basic", token);

var request = new {
    face1Base64,
    face2Base64,
    requestedFarIndex = 0,
    analysisOption = new {
        runQualityCheck = true,
        runLivenessCheck = true,
        applyToSecondImage = true
    }
};

var response = await client.PostAsJsonAsync(
    "https://api.example.com/api/faceVerify/verify2Faces",
    request);
response.EnsureSuccessStatusCode();
var credentials = Base64.getEncoder().encodeToString(
    "USERNAME:PASSWORD".getBytes(StandardCharsets.UTF_8));

var request = HttpRequest.newBuilder()
    .uri(URI.create(
        "https://api.example.com/api/faceVerify/verify2Faces"))
    .header("Authorization", "Basic " + credentials)
    .header("Content-Type", "application/json")
    .POST(HttpRequest.BodyPublishers.ofString(jsonBody))
    .build();

var response = HttpClient.newHttpClient().sendAsync(
    request,
    HttpResponse.BodyHandlers.ofString());
معماری سازمانی

موتور پردازش مستقل، مقیاس‌پذیر و آماده استقرار

مرز روشن میان API، میزبان موتور و SDK باعث می‌شود هر لایه مستقل مقیاس بگیرد، مدل‌ها بدون تغییر قرارداد مصرف‌کننده به‌روزرسانی شوند و منابع پردازشی با کنترل بیشتری تخصیص یابند.

توزیع بار میان چند موتور پردازش بهره‌گیری از GPU و مسیر جایگزین CPU قرارداد API پایدار برای سامانه‌های مصرف‌کننده
ENTRY LAYERPiramoon Face API

کنترل دسترسی · اعتبارسنجی · مسیریابی

۰۱
ENGINE ۰۱ACTIVE
ENGINE ۰۲ACTIVE
ENGINE NREADY
INTELLIGENCE LAYERPiramoon Face SDK

Detection · Quality · Liveness · Recognition

۰۳
امنیت و حریم خصوصی

پردازش بیومتریک در مرزهای کنترل‌شده سازمان

معماری Piramoon Face API با جداسازی موتور پردازش از داده‌های مشتری و تمرکز کنترل‌های دسترسی در لایه API، امکان استقرار متناسب با الزامات امنیتی سازمان را فراهم می‌کند.

کنترل دسترسی متمرکزدسترسی مصرف‌کنندگان در مرز API مدیریت می‌شود.جداسازی مسئولیت‌هاAPI، موتور و SDK مرز فنی مشخص دارند.حداقل‌سازی دادهفقط داده لازم برای هر عملیات پردازش می‌شود.استقرار سازمانیمتناسب با زیرساخت و سیاست امنیتی مشتری.
کارایی بالا متناسب با نیاز شما

ظرفیت پردازش، متناسب با TPS هدف طراحی می‌شود

با انتخاب تجهیزات پردازشی مناسب، بهره‌گیری از GPU، توزیع بار میان چند نمونه EngineHost و تنظیم صف‌های پردازش، معماری برای دستیابی به TPS مورد نیاز هر سازمان توسعه‌پذیر است.

ظرفیت نهایی پس از مشخص‌شدن نوع درخواست‌ها، اندازه ورودی، کنترل‌های فعال، الگوی بار و SLA مورد انتظار، با آزمون Load و اندازه‌گیری صدک‌های تأخیر تعیین می‌شود.
SCALABLE PROCESSING CAPACITY
طراحی بر مبنای بار واقعیGPU · ROUTING · QUEUES
پرسش‌های متداول

آنچه پیش از طراحی جریان احراز هویت باید بدانید

پاسخ‌های کوتاه به پرسش‌های رایج درباره احراز هویت غیرحضوری، Liveness، تطبیق و شناسایی چهره.

۰۱احراز هویت غیرحضوری مبتنی بر چهره چگونه انجام می‌شود؟

در یک جریان معمول، تصویر یا ویدئوی متقاضی دریافت می‌شود، کیفیت و زنده‌بودن آن کنترل می‌گردد و سپس چهره با تصویر مرجع معتبر تطبیق داده می‌شود. تصمیم نهایی باید در کنار قواعد ریسک و داده‌های هویتی سازمان تفسیر شود.

۰۲تفاوت Compare و Verify چیست؟

Compare امتیاز شباهت دو چهره را برمی‌گرداند. Verify علاوه بر امتیاز، Threshold متناظر با سیاست FAR را اعمال می‌کند و پاسخ Match یا No Match می‌دهد.

۰۳تشخیص زنده‌بودن یا Liveness چه حملاتی را هدف می‌گیرد؟

Liveness برای کاهش ریسک حملات بازنمایی مانند عکس چاپی، نمایش تصویر روی صفحه و بازپخش ویدئو به کار می‌رود. پوشش دقیق باید با سناریوها، تجهیزات و داده واقعی سازمان ارزیابی شود.

۰۴تفاوت شناسایی ۱:N با تأیید هویت ۱:۱ چیست؟

در تأیید ۱:۱، چهره با یک هویت ادعاشده مقایسه می‌شود. در شناسایی ۱:N، چهره ورودی در میان مجموعه بزرگی از هویت‌های ثبت‌شده جست‌وجو و فهرست نامزدهای محتمل برگردانده می‌شود.

۰۵کیفیت تصویر چه اثری بر نتیجه دارد؟

نور نامناسب، تاری، زاویه زیاد سر، کوچک‌بودن چهره یا پوشش صورت می‌تواند دقت تطبیق و Liveness را کاهش دهد. کنترل کیفیت پیش از تصمیم، ورودی‌های نامناسب را برای تصویربرداری مجدد مشخص می‌کند.

۰۶آیا یک Threshold برای همه سازمان‌ها مناسب است؟

خیر. Threshold باید بر اساس هزینه پذیرش اشتباه، هزینه رد اشتباه، جامعه هدف و کانال تصویربرداری کالیبره شود. نقطه عملکرد مناسب برای یک عملیات بانکی حساس با یک خدمت کم‌ریسک یکسان نیست.

۰۷راهکار چگونه برای بار بالا مقیاس می‌گیرد؟

ظرفیت با انتخاب GPU مناسب، اجرای چند نمونه موتور پردازش، صف‌بندی و توزیع بار توسعه می‌یابد. مقدار نهایی TPS و تأخیر باید با Load Test در سناریوی واقعی هر سازمان تعیین شود.

۰۸اتصال به سرویس چقدر زمان می‌برد؟

API برای ادغام در سامانه‌های موجود طراحی شده است. زمان اجرا به آماده‌بودن تصویر مرجع، سیاست امنیتی، مسیر شبکه، نوع استقرار و کنترل‌های Quality و Liveness مورد نیاز بستگی دارد.

معرفی کامل محصول

بروشور Piramoon Face API

مروری فشرده بر قابلیت‌ها، معماری، سناریوهای کاربرد و مسیر استقرار محصول را دریافت کنید.

دانلود بروشور PDF
گام بعدی

سناریوی احراز هویت سازمان خود را با ما بررسی کنید

در یک جلسه فنی، مسیرهای استفاده، الزامات زیرساخت، سیاست‌های امنیتی و معیارهای ارزیابی متناسب با پروژه شما را مرور می‌کنیم.

Mani Pardaz IranianMPI Co. · Enterprise AI Solutions
با ثبت فرم، فقط اطلاعات واردشده برای پیگیری درخواست استفاده می‌شود.