Liveness detectie vs documentvervalsing detectie: de belangrijkste verschillen

Liveness detectie verifieert dat een echte persoon aanwezig is tijdens biometrische verificatie, terwijl detectie van documentvervalsing bepaalt of een document authentiek of vervalst is. Deze twee controlemechanismen dekken fundamenteel verschillende aanvalsvectoren en zijn complementair in elk robuust identiteitsverificatieproces.

Dit artikel is uitsluitend informatief bedoeld en vormt geen juridisch advies. Regelgevingsverwijzingen zijn actueel per publicatiedatum, juni 2026.

Pogingen tot identiteitsfraude combineren vaak beide vectoren: een fraudeur kan een gestolen authentiek paspoort presenteren terwijl hij een afgedrukte foto gebruikt om het biometrische verificatiesysteem te misleiden. Het begrijpen van de verschillen tussen deze twee technieken is essentieel voor het ontwerpen van een KYC-architectuur zonder blinde vlekken.

Wat is liveness detectie?

Liveness detectie is de verzamelnaam voor technieken die verifiëren dat het gezicht dat voor een camera wordt gepresenteerd toebehoort aan een levend mens — en niet aan een afgedrukte foto, een afgespeelde video, een 3D-masker of een door kunstmatige intelligentie gegenereerde deepfake.

De norm ISO/IEC 30107-3 (Biometric Presentation Attack Detection) is de internationale referentie voor het beoordelen van liveness detectiesystemen, waarbij aanvalstypen worden gedefinieerd (gedrukte artefacten, video-replayaanvallen, 3D-maskers) en gestandaardiseerde evaluatiemaatstaven worden vastgelegd (ISO/IEC 30107-3:2023).

Twee hoofdbenaderingen: actief en passief

Liveness detectiesystemen vallen uiteen in twee categorieën op basis van de mate van gebruikersinteractie:

• Actieve liveness: de gebruiker voert een gevraagde actie uit (hoofd draaien, knipperen, een getal voorlezen). Robuuster tegen aanvallen met foto's en video's, maar introduceert wrijving in de gebruikerservaring.
• Passieve liveness: het systeem analyseert texturen, diepte, natuurlijke microbewegingen en compressieartefacten zonder zichtbare interactie. Biedt een betere gebruikerservaring maar vereist geavanceerdere modellen.

Aanvalsvectoren omvatten hoogresolutie afgedrukte foto's, video-replay op een tweede scherm (replay attacks), afgedrukte 3D-maskers en — vanaf 2024 — realtime deepfakes geïnjecteerd via virtuele cameradriver.

Regelgevend kader voor liveness detectie

De AI Act (Verordening (EU) 2024/1689) classificeert systemen voor biometrische identificatie op afstand als AI met een hoog risico (Bijlage III, categorie 1). Liveness detectiesystemen die worden gebruikt in gereguleerde identiteitsverificatiecontexten zijn onderworpen aan een verplichte conformiteitsbeoordeling vóór het in de handel brengen in de EU (Verordening (EU) 2024/1689, Art. 6 en Bijlage III).

eIDAS 2 (Verordening (EU) 2024/1183), in progressieve toepassing vanaf januari 2025, verplicht een «hoog» betrouwbaarheidsniveau voor gevoelige toepassingen van digitale identiteit. Dit niveau vereist online identificatieprocedures met actieve liveness detectie (Verordening (EU) 2024/1183, Art. 8).

In Nederland heeft de DNB (De Nederlandsche Bank) in haar Leidraad Wwft 2023 verduidelijkt dat financiële instellingen bij identificatie op afstand passende technische maatregelen moeten nemen om spoofing-risico's te mitigeren, waaronder liveness detectie voor hogere risicocategorieën (DNB Leidraad Wwft 2023).

Wat is detectie van documentvervalsing?

Detectie van documentvervalsing omvat de technieken om vast te stellen of een gepresenteerd document echt, vervalst, nagemaakt of door AI gegenereerd is. Het is van toepassing op alle documenttypen: identiteitskaarten, paspoorten, loonstroken, bankafschriften, diploma's en rijbewijzen.

De ACFE (Association of Certified Fraud Examiners) schat dat slechts 37% van de documentfraude wordt gedetecteerd door handmatige controles, wat de noodzaak van geautomatiseerde controles voor het oog onzichtbare aanvalsvectoren onderstreept (ACFE 2024 Report to the Nations).

Voornaamste categorieën van documentfraude

Forensische analyselagen

Detectie van documentvervalsing maakt gebruik van meerdere complementaire analyselagen:

1. Inspectie van beveiligingselementen: MRZ-zones (Machine Readable Zone), hologrammen, beveiligde lettertypen, UV-watermerken
2. Error Level Analysis (ELA): detecteert door inpainting of digitale montage gewijzigde zones via JPEG-compressie-inconsistenties
3. Metadataverificatie: samenhang tussen creatiesoftware, datum, kleurprofiel en verwacht documenttype
4. Semantische kruisvalidatie: coherentie tussen velden binnen een document en met andere documenten in een dossier

De AMLD6 (Richtlijn (EU) 2024/1640, Art. 20) verplicht meldingsplichtige instellingen tot het implementeren van identificatiemaatregelen op afstand die evenredig zijn aan de risico's van documentfraude, waaronder geautomatiseerde controles voor digitale procedures (Richtlijn (EU) 2024/1640).

Detectie van synthetische inhoud wordt ingezet als aanvullende laag naast bestaande structurele controles. Het CheckFile platform biedt deze mogelijkheid voor organisaties die hun bescherming tegen door AI gegenereerde documenten willen versterken.

Vergelijkingstabel: liveness detectie vs detectie van documentvervalsing

Waarom beide controles onmisbaar zijn

Liveness detectie en detectie van documentvervalsing dekken radicaal verschillende aanvalshoeken. Een robuust KYC-systeem moet beide combineren om blinde vlekken te elimineren.

Scenario 1 — Authentiek document, biometrische spoofer. Een fraudeur gebruikt het authentieke paspoort van een slachtoffer wiens gegevens hij heeft gestolen. De documentverificatie valideert het document (het is echt). Zonder liveness detectie kan de fraudeur de verificatie doorstaan door een hoogresolutie foto van het slachtoffer te presenteren. Liveness detectie identificeert het gedrukte artefact en blokkeert de poging.

Scenario 2 — Echte persoon, vervalst document. Een kredietaanvrager dient een door AI gegenereerde loonstrook in met een fictief inkomen. Liveness detectie bevestigt dat er een echte persoon voor de camera staat. Zonder forensische documentanalyse gaat de fraude onopgemerkt. Detectie van documentvervalsing identificeert metadata-anomalieën en markeert het dossier.

Scenario 3 — Gecombineerde dubbele fraude. Realtime deepfake + synthetisch document. Deze geavanceerde aanvalsvector vereist beide beschermingslagen tegelijkertijd. De ENISA documenteerde in 2024 een toename van aanvallen die biometrische deepfakes combineren met door AI gegenereerde identiteitsdocumenten in financiële onboarding-contexten (ENISA Threat Landscape 2024).

Compliance-professionals debatteren op gespecialiseerde forums regelmatig over de vraag of liveness of documentverificatie prioriteit moet krijgen. De praktische conclusie is altijd dezelfde: beide moeten simultaan opereren in dezelfde KYC-stroom, omdat ervaren fraudeurs doelbewust de ontbrekende controle aanvallen.

Raadpleeg voor een gedetailleerde uiteenzetting van liveness detectie in bancaire KYC-contexten onze gids over liveness detectie en identiteitsfraude voorkomen.

Integratie in een KYC-workflow

De optimale implementatiereeks in een identiteitsverificatieproces volgt doorgaans deze stappen:

1. Documentopname → realtime forensische analyse (detectie van documentvervalsing)
2. Gegevensextractie → OCR + MRZ-validatie
3. Selfie- of video-opname → liveness detectie
4. Gezichtsmatching → biometrische vergelijking gezicht-document
5. Globale score → geconsolideerde KYC-beslissing

Deze volgorde voldoet aan de eIDAS 2-vereisten voor het «hoge» betrouwbaarheidsniveau bij identificatie op afstand. NIST SP 800-63A (Digital Identity Guidelines, Rev. 4, 2024) beveelt een vergelijkbare architectuur aan voor digitale inschrijvingsstromen (NIST SP 800-63A).

Moderne identiteitsverificatieoplossingen bieden beide mogelijkheden via een uniforme API aan. Raadpleeg onze complete documentverficatiegids voor een overzicht van de vereiste controles per sector.

Veelgestelde vragen

Zijn liveness detectie en documentverificatie uitwisselbaar?

Nee. Ze dekken verschillende aanvalsvectoren. Liveness detectie beschermt tegen biometrische spoofing; documentverificatie beschermt tegen valse documenten. Een fraudeur kan de ene doorstaan en de andere niet — daarom zijn beide vereist in een volledig KYC-proces.

Wat is de internationale norm voor liveness detectie?

ISO/IEC 30107-3 definieert de vereisten voor Presentation Attack Detection (PAD). Gecertificeerde systemen zijn getest door geaccrediteerde laboratoria zoals iBeta Quality Assurance op gestandaardiseerde conformiteitsniveaus (Niveau 1 en Niveau 2), waarbij zowel de BPCER als de APCER worden gemeten.

Is de AI Act van toepassing op liveness detectiesystemen?

Ja. Verordening (EU) 2024/1689 classificeert biometrische verificatiesystemen die in gereguleerde contexten worden gebruikt als AI met een hoog risico (Bijlage III). Leveranciers moeten vóór commercialisering in de EU een verplichte conformiteitsbeoordeling uitvoeren.

Is documentverificatie alleen voldoende voor AMLD6-naleving?

Richtlijn (EU) 2024/1640 vereist identificatiemaatregelen die evenredig zijn aan het beoordeelde risico. Voor identificatie op afstand vertegenwoordigt de combinatie van documentverificatie en liveness detectie de minimumstandaard voor gemiddeld tot hoog risiconiveau. Documentverificatie alleen kan onvoldoende zijn afhankelijk van de risicoanalyse van de meldingsplichtige instelling.

Hoe evalueer ik de kwaliteit van een liveness detectiesysteem?

Geef de voorkeur aan oplossingen met ISO/IEC 30107-3-certificering van een geaccrediteerd laboratorium, met gepubliceerde BPCER- en APCER-maatstaven. Controleer of modellen regelmatig worden bijgewerkt om nieuwe deepfake-technieken te dekken en bevestig de compatibiliteit met de eIDAS 2-betrouwbaarheidsniveauvereisten voor uw specifieke gebruiksgeval.

Voor waar dit risico in het CheckFile-aanbod past, zie onze AI- en deepfake-detectieaanpak.