なりすまし判定・ライブネス検知

GPUのない低スペックCPU（Cortex-A76 / Raspberry Pi 5）で、OpenCVのYuNet顔検出・SFace顔照合がどこまで実用速度で動くかを実測。640x480で13.5fps、1280x720で4.9fps。エッジ・組込での顔認証の現実解を数字で示す。

顔認証システムを本番運用する前に確認すべきなりすまし対策を12項目のチェックリストに整理。脅威モデル・ライブネス方式・精度指標・運用環境の観点から、実装・調達の抜け漏れを防ぐ。

「まばたきしてください」「顔を動かしてください」——動き要求型の簡易ライブネスは、動画再生で突破されうる。まばたき検知・動作要求・深度カメラの3方式それぞれの限界を、なりすまし対策の観点から整理する。

顔画像を外部に出せない、ネットワークが閉じている、端末が非力——クラウド顔認証APIが構造的に使えない現場は多い。オンプレ・閉域網・組込環境でオフライン顔認証を成立させる設計の勘所を解説。

顔認証の精度は FAR/FRR、なりすまし判定（ライブネス）の精度は APCER/BPCER で測る。なぜ指標が分かれるのか、それぞれ何を意味し、どう読めば製品比較で騙されないかを解説。

顔認証へのなりすまし攻撃（プレゼンテーション攻撃）を印刷写真・画面表示・動画再生・3Dマスク・ディープフェイクの5類型で整理。攻撃コストと成功しやすさのマトリクスから、用途別に「どこまで守るべきか」を考える。

OpenCV の YuNet + SFace で作った顔認証は、本人の顔写真を印刷した紙で突破できてしまう。なぜ通るのか、それはバグではなく顔照合の設計上の性質であることを、再現可能なコードとともに解説。

OpenCV 標準搭載の YuNet（顔検出）と SFace（顔照合）だけで顔認証を C++ で実装する手順を動くコードで解説。OpenCvSharp では SFace が未ラップである実測結果と C# での選択肢も紹介。