کالبدشکافی تشخیص چهره سه‌بعدی: گوشی شما واقعاً چگونه با پرتاب هزاران نقطه نامرئی، چهره‌تان را می‌خواند؟

شما دیگر برای باز کردن قفل گوشی، ورود به برنامه‌های بانکی یا تایید پرداخت‌های چند هزار دلاری نیازی به تایپ کردن رمز عبور ندارید؛ تنها کاری که انجام می‌دهید نگاه کردن به یک صفحه شیشه‌ای است. این تغییر رفتار که از اواخر سال ۲۰۱۷ به یک استاندارد صنعتی تبدیل شد، یکی از سریع‌ترین پذیرش‌های فناوری‌های بیومتریک در تاریخ مصرف‌کنندگان محسوب می‌شود.[1]

بخش بازاریابی شرکت‌ها دوست دارد این فرآیند را به عنوان «جادوی هوش مصنوعی» یا «نقشه‌برداری چهره در سطح نظامی» معرفی کند. اما در زیر این لایه‌های تبلیغاتی، هیچ جادویی وجود ندارد. آنچه در بریدگی بالای نمایشگر گوشی شما پنهان شده، یک نسخه مینیاتوری از سیستم‌های اسکن سه‌بعدی صنعتی است که در علم فیزیک به آن «نور ساختاریافته» (Structured Light) می‌گویند.[3]

فرآیند شناسایی در کسری از ثانیه و در سه مرحله مجزا انجام می‌شود. ابتدا، قطعه‌ای به نام «روشن‌کننده سیل‌آسا» (Flood Illuminator) وارد عمل می‌شود. این قطعه یک فلاش از نور مادون قرمز با طول موج ۹۴۰ نانومتر پرتاب می‌کند. این طول موج برای چشم انسان کاملاً نامرئی است، اما چهره شما را برای سنسورهای دستگاه، حتی در تاریکی مطلق یک اتاق خواب، کاملاً روشن می‌کند.[2]

در مرحله دوم، قطعه کلیدی سیستم یعنی «پروژکتور نقطه» (Dot Projector) فعال می‌شود. این ماژول که از یک لیزر ساطع‌کننده سطح با کاواک عمودی (VCSEL) بهره می‌برد، حدود ۳۰ هزار نقطه نوری مادون قرمز را با الگویی مشخص روی صورت شما می‌تاباند. در مدل‌های جدیدتر که از سال ۲۰۲۳ به بعد عرضه شدند، این تعداد به بیش از ۵۰ هزار نقطه افزایش یافته است تا دقت سیستم در زوایای دشوار بهبود یابد.[1][2]

مرحله سوم بر عهده دوربین مادون قرمز است. این دوربین از چهره شما که اکنون با هزاران نقطه پوشیده شده، عکس می‌گیرد. ترفند فیزیکی در اینجا نهفته است: چون صورت شما یک سطح صاف نیست و دارای پستی و بلندی‌هایی مانند بینی، گونه‌ها و حدقه چشم است، الگوی شبکه‌ای این ۳۰ هزار نقطه روی صورت شما دچار اعوجاج و تغییر شکل می‌شود.[3]

پردازنده دستگاه با استفاده از اصول هندسی و مثلث‌بندی، میزان جابه‌جایی هر نقطه را نسبت به الگوی مرجع محاسبه می‌کند. اگر نقطه‌ای که باید روی یک سطح صاف در مختصات مشخصی قرار داشته باشد، اکنون جابه‌جا شده است، سیستم می‌فهمد که آن نقطه به دوربین نزدیک‌تر (مانند نوک بینی) یا دورتر (مانند چشم‌ها) است. نتیجه این محاسبات، یک نقشه عمقی با دقت میلی‌متری از هندسه صورت شماست.[2]

دلیل اینکه بانک‌ها به این سیستم اعتماد دارند، نرخ خطای پذیرش کاذب (FAR) آن است. بر اساس مستندات امنیتی اپل که در سال ۲۰۲۵ به‌روزرسانی شد، «احتمال اینکه یک شخص تصادفی در جمعیت بتواند به آیفون شما نگاه کند و قفل آن را با Face ID باز کند، تقریباً ۱ در ۱,۰۰۰,۰۰۰ است.» این رقم در مقایسه با نرخ ۱ در ۵۰,۰۰۰ برای سنسورهای اثر انگشت سنتی، یک جهش امنیتی عظیم محسوب می‌شود.[1]

اما یک نقشه سه‌بعدی به تنهایی کافی نیست؛ سیستم باید بداند که شما زنده هستید. الگوریتم‌های تشخیص حیات (Liveness Detection) به دنبال ریزحرکات عضلات صورت و بازتاب خاص نور از شبکیه چشم می‌گردند. ویژگی «توجه» (Attention) ایجاب می‌کند که چشمان شما باز باشد و مستقیماً به سنسور نگاه کنید. به همین دلیل است که نمی‌توان قفل گوشی فردی را در حالی که خواب است، باز کرد.[1][3]

این معماری سخت‌افزاری در سال ۲۰۲۰ با یک بحران بی‌سابقه مواجه شد: استفاده جهانی از ماسک‌های تنفسی. با پوشانده شدن نیمی از صورت، سیستم‌ها ناگهان بیش از ۶۰ درصد از نقاط داده خود را از دست دادند. مهندسان مجبور شدند شبکه‌های عصبی را مجدداً آموزش دهند تا هویت افراد را تنها بر اساس ناحیه اطراف چشم (Periocular region) تایید کنند، که این امر نیازمند استخراج الگوهای بسیار پیچیده‌تری از یک مساحت کوچک‌تر بود.[3]

با وجود تمام این پیچیدگی‌ها، فناوری نور ساختاریافته نقاط ضعف فیزیکی خود را دارد. نور مستقیم خورشید حاوی مقادیر عظیمی از پرتوهای مادون قرمز است که می‌تواند سنسور دوربین را کور کند و خواندن نقاط لیزری را غیرممکن سازد. همچنین، برخی از عینک‌های آفتابی پلاریزه که برای مسدود کردن طول موج‌های خاص طراحی شده‌اند، می‌توانند مانع از عبور نور ۹۴۰ نانومتری شوند.[2]

در دنیای گوشی‌های هوشمند، یک شکاف امنیتی بزرگ وجود دارد. در حالی که اپل از سال ۲۰۱۷ به استفاده از سخت‌افزار گران‌قیمت سه‌بعدی متعهد ماند، بیش از ۸۵ درصد از گوشی‌های اندرویدی موجود در بازار همچنان از دوربین سلفی معمولی (دوبعدی) برای تشخیص چهره استفاده می‌کنند. این سیستم‌های دوبعدی تنها به تطبیق پیکسل‌ها می‌پردازند و به راحتی با یک عکس باکیفیت یا یک ویدیو فریب می‌خورند.[3]

یکی از بزرگترین نگرانی‌های عمومی، سرنوشت داده‌های چهره است. در سیستم‌های استاندارد، نقشه سه‌بعدی چهره شما هرگز به یک تصویر قابل مشاهده تبدیل نمی‌شود و هرگز به سرورهای ابری ارسال نمی‌گردد. این نقشه به یک هش ریاضی (Mathematical Hash) تبدیل شده و در یک زیرسیستم سخت‌افزاری کاملاً ایزوله به نام «منطقه امن» (Secure Enclave) قفل می‌شود.[1]

از دیدگاه توسعه‌دهندگان نرم‌افزار، اپلیکیشن‌ها هرگز به داده‌های چهره شما دسترسی ندارند. وقتی یک اپلیکیشن بانکی درخواست احراز هویت می‌کند، تنها یک سیگنال به سیستم عامل می‌فرستد. سیستم عامل چهره را اسکن کرده، آن را با هش ذخیره شده در منطقه امن مقایسه می‌کند و تنها یک پاسخ ساده «بله» یا «خیر» (یک توکن رمزنگاری شده) را به اپلیکیشن بانکی برمی‌گرداند.[1][3]

مرز بعدی برای مهندسان سخت‌افزار، پنهان کردن کامل این سیستم در زیر نمایشگر است. انتقال نور مادون قرمز از میان پیکسل‌های متراکم یک صفحه نمایش OLED بدون ایجاد پراکندگی نوری (Light Scattering) یک چالش فیزیکی عظیم است. نمونه‌های اولیه نشان می‌دهند که برای حفظ دقت ۱ در ۱,۰۰۰,۰۰۰، سنسورهای زیر نمایشگر به لیزرهای VCSEL با توان خروجی حداقل ۳۰ درصد بیشتر نیاز دارند تا بر افت سیگنال غلبه کنند.[2][3]