FácilMúltipla escolha

Questão de prática de AI-900

Para que serve o recurso de «liveness detection» do serviço Azure AI Face?

Escolha a melhor resposta.

Resposta correta

  • BDeterminar se um rosto é de uma pessoa viva ou de uma tentativa de spoofing (foto/vídeo/máscara)

Explicação

A liveness detection do Azure AI Face foi projetada especificamente para diferenciar entre um rosto humano real e vivo e artefatos de spoofing, como fotos impressas, reproduções de vídeo ou máscaras 3D. Ela analisa dicas sutiles, como micromovimentos, textura e profundidade, para verificar a presença de uma pessoa viva, impedindo o acesso não autorizado em sistemas de reconhecimento facial.

Por que cada alternativa está certa ou errada

A

Incorreta

Detectar se uma pessoa está viva com base em seus sinais vitais

A liveness detection confirma um rosto real e presente em vez de um spoofing de foto, vídeo ou máscara durante o reconhecimento facial; ela não mede o pulso, a respiração ou outros sinais vitais. É tentador porque "liveness" sugere vida biológica, mas o recurso serve para verificação biométrica antispofing, não para monitoramento médico ou fisiológico.

B

Correta

Determinar se um rosto é de uma pessoa viva ou de uma tentativa de spoofing (foto/vídeo/máscara)

A liveness detection analisa a imagem capturada para confirmar uma pessoa real e fisicamente presente em vez de um spoofing, como uma foto impressa, um vídeo reproduzido ou uma máscara. Isso atende ao requisito de distinguir rostos vivos genuínos de ataques de apresentação durante a verificação.

C

Incorreta

Contar quantas pessoas estão em um fluxo de vídeo ao vivo

A liveness detection confirma que um rosto é uma pessoa real e viva em vez de uma foto ou máscara, apoiando a verificação biométrica. Contar pessoas em um fluxo é um recurso diferente; a liveness estaria correta ao prevenir o spoofing durante a autenticação baseada em rosto.

D

Incorreta

Monitorar se uma pessoa permanece presente durante uma chamada de vídeo

A liveness detection confirma que uma pessoa real e viva está fisicamente presente durante a verificação biométrica, derrotando o spoofing com fotos, máscaras ou reproduções. É tentador porque soa como rastreamento de presença, mas o monitoramento de participação contínua em uma chamada é uma capacidade totalmente diferente.

Para se aprofundar

A liveness detection do Azure AI Face funciona fazendo com que o aplicativo cliente capture uma curta sessão de quadros enquanto o usuário executa um desafio randomizado, como virar a cabeça ou sorrir; em seguida, o serviço analisa o movimento, a profundidade e as dicas de textura para decidir se a entrada é uma pessoa real e fisicamente presente ou um ataque de apresentação como uma foto impressa, um vídeo reproduzido ou uma máscara 3D. Ela é exposta por meio das APIs de sessão de liveness do SDK do cliente Face, que retornam um ID de sessão e um resultado de aprovado ou reprovado, e foi projetada para ser emparelhada com a verificação facial para que a identidade e a vivacidade sejam confirmadas juntas. Um cenário realista é a integração em um portal bancário ou de benefícios governamentais, onde um atacante pode segurar uma foto de um usuário cadastrado para burlar uma correspondência facial simples; a liveness detection bloqueia esse spoofing enquanto ainda permite que usuários legítimos se autentiquem na câmera do telefone.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.