AI-դեմքի ճանաչման համակարգեր KYC համար

Ներդրումը 'ինչու է Face-KYC-ը և որտեղ նրա սահմանները

Անհատականության ստուգումը ֆինանսական և iGaming ծառայությունների հիմնական պահանջն է։ Face-KYC-ը (դեմքի ճանաչումը փաստաթղթերի հետ) արագացնում է ուռուցքաբանը, նվազեցնում է ֆրոդը և ստուգում է վերարտադրվող։ Բայց սրանք անձնական կենսաչափական տվյալներ են, այդ իսկ պատճառով ճարտարապետությունը պետք է լինի «privacy-first» ՝ նվազագույնի հասցնել, ակնհայտ համաձայնությունները, կոդավորումը, պահեստավորման սահմանափակումը և որոշումների թափանցիկ բացատրությունները։ Տեխնիկական նպատակն է ապացուցել, որ տեսախցիկի առջև կենդանի մարդ է, ոչ թե դիմակ/տեսանյութ, և որ այն համապատասխանում է փաստաթղթում նկարին։

1) Տվյալները և հավաքումը. Ի՞ նչ է իրականում անհրաժեշտ։

Սելֆի-տեսախցիկները (կարճ տեսահոլովակ կամ մի շարք կադրեր) դեմքի լիվնեսի և սաղմեդդինգի համար։

Փաստաթղթի լուսանկարը/սկանները (անձնագիր/ID/ջուր։ հավաստագրում) + MRZ/QR/chip գոտիները։
Մեթադները 'սարքի տեսակը, լուսավորությունը, ֆոկուսը, էքսպոզիան, դեմքի երկրաչափությունը։
Համաձայնությունների լոգները 'կենսաչափության ակնհայտ համաձայնություն, պահպանման քաղաքականություն/տերմինալ, մշակման նպատակներ։

Սկզբունքները ՝ PII-ի նվազեցումը, «լարերի» և «վրա» կոդավորումը, կոդավորման և տվյալների բաժանումը, TTL/retenshn, ամենափոքր իրավունքների հասանելիությունը (RBAC/ABAC)։

2) Լիվնես դետեկտիվ (PAD) 'ինչպես տարբերակել կենդանի դեմքը կեղծարարից։

PAD-ի նպատակը (presentation attack detae) ապացուցելն է, որ տեսախցիկի առջև կենդանի սուբյեկտ է, ոչ թե լուսանկար, տեսահոլովակ էկրանին, դիմակը, 3D-մոդելը կամ dipfack-ը։

Մեթոդներ

Պասիվ (silent) 'միկրոդիզացիայի վերլուծություն, parallax, բլիկ/ռեֆլեքսներ, տեքստուրա/moire, depth-հուշումներ մեկ տեսախցիկից, ֆոտոմետրիկ անոմալիայից։

Ակտիվ (prompted) 'հետևեք հայացքի կետին, մռայլ/ժպտալ, գլխիվայր շրջել, բարձրաձայն հաշիվը (հնարավորության դեպքում' առանց «կոշտ» ներարկումների աուդիո օբյոմետրիայի)։

Multi-սենսորը (oporation) 'Windows Depth/IR/Windows F, «կառուցվածքային լույսը», ստերեո։

Անտի-ռենտգենությունը 'պաշտպանություն նախապես գրված ռեակցիաներից (հրահանգների/թայմինգների ռանդոմիզացիա)։

Հարձակման ազդանշանները 'թղթի նկարը, սմարթֆոնի/պլանշետի էկրանը (moire, black), դիմակները (ալբեդո/տարածաշրջանային արտեֆակտներ), դիֆեյկ հետքերը (inconsistency աչքերում/ատամներով/սահմաններով)։

Ելքը 'անձրևի ժայռը + պատճառը (XAI-դրոշները), շեմերը հարմարվում են օրենքներին և ռիսկի։

3) «սելֆի կարգավորող փաստաթղթի» համեմատությունը 'ճշգրտությունը առանց արտահոսքի։

1. OCR/MRZ/չիպ 'լուսանկարել փաստաթղթի և դաշտերի։ կառավարել ստուգման գումարները, ամսաթիվը/երկիրը/տեսակը։

2. Face detrone & alignae: Գտնել դեմքը սելֆի վրա և փաստաթղթում, նորմալացնել դիրքը/լուսավորությունը։

3. Face embeddings: կրկնօրինակված/տրանսֆորմատիվ սաղմեդդինգներ, որոնք ուսուցանվում են մեծ ամսաթվերով, բայց ֆին-tune-ից 'ստացիոնար շրջանակներում (altaile, վատ լույս)։

4. Համեմատություն 'կոսինուսի հարևանություն/Euclidean + հարմարվողական շեմեր (սովորեցնում է շրջանակի որակները, դիրքերը, տարիքային հերթափոխը)։

5. Դոկ-չեկաութ 'փաստաթղթի ամբողջականության վալիդացիա (հոլոգրամ/GPU-pattern/microped high-risk հոսքերի համար), կեղծ նշանների որոնում։

Արդյունքը 'հավանական match-score-ը' վստահելի ընդմիջումով և բացատրված որակի ավարտներով։

4) Որոշումների նվագարկիչ '«օձ/դեղին ։/կարմիր»։

Կանաչ 'բարձր անձրևներ և match, փաստաթուղթը վալիդացված է Appruv-ով, ուսուցչի ստեղծումը/սահմանների բարձրացումը։

Դեղին ՝ չափավոր ռիսկը (ցածր լույսը, մասամբ թաքնված դեմքը, հակասական մատրիցը) փափուկ մինչև վերաֆինանսավորում է 'ենթադրություն, սարքի/լուսավորության փոխարինում, երկրորդ փաստաթղթի հարցում։

Կարմիր 'ակնհայտ PAD/կեղծ փաստաթուղթը/ստոպի անհամապատասխանությունը, ձեռքի ստուգումը (HITL), կոդավորման ամրագրումը։

Բոլոր որոշումները գրված են audit trail-ում մոդելների, շեմերի և XAI բացատրությունների տարբերակներով։

5) Որակի մետրերը 'ինչ չափել և ցույց տալ

Liveness: APCER/BPCER (հարձակման ընդունման/շեղման սխալներ), ACER, EER; առանձին 'տարբեր տեսակի հարձակումների համար (print/replay/www.k/deepfake)։

Face match: FAR/FRR, ROC/DET կորեր, TPR @ FAR = 10 հազար ռուբլի... 10 հազար ռուբլի high-risk հոսքերի համար։

Կադրերի որակը 'վերագործարկումների մասնաբաժինը, տարածումը/լուսավորությունը/հանգույցները։

Արդարություն (fairness) 'սխալների բաժանումը հատակին/տարիքին/մաշկի/սարքերի տեսակների և լուսավորության (balanced error rates)։
Վիրահատական 'ուռուցքաբանության միջին ժամանակը, Aupto-Approva մասը, HITL-ի մասնաբաժինը, կրկնվող փորձերը, NPS/KYC-CSAT-ը։

6) Արդարություն և հասանելիություն. Ոչ միայն ճշգրտություն։

Bias audits: Ռուսական զեկույցները նկարահանման հատվածներում և սցենարներում։ թյուրիմացության/վալիդացիայի ժամանակ անթույլատրելի խմբերի թույլատրումը։

A1y-UX: Մեծ հուշումներ, ժեստեր, ենթատետրեր, ձայնային հրահանգներ, «հանգիստ» ռեժիմ, թույլ սարքերի և ցածր լույսի աջակցություն։

Edge-friendly: on-device presing (շրջանակի լանջը, որակի մանրամասները), միայն անհրաժեշտ բեկորներ բեռնելով։

7) Privacy by Design-ը և պահանջների համապատասխանությունը

Նվազեցումը և purpose limitation 'օգտագործել կենսաչափություն միայն KYC-ի համար և միայն այնքան, որքան անհրաժեշտ է։ կենսաչափության և հարցաթերթիկների առանձին պահպանումը։

Պահեստավորման պայմանները 'կարճ TTL սելֆի/վիդեո; երկարաժամկետ, միայն ծանր սաղմեդինգներ/լոգ լուծումներ, եթե թույլատրվում է։

Տվյալների սուբյեկտի իրավունքները 'հասանելիությունը/հեռացումը/լուծումը, հարցումների հասկանալի ալիքներ։

Մոդելների/տարբերակների թրքինգը 'ամբողջական lineage, ստուգման սցենարի վերարտադրումը։

Իրավասություններ ՝ մշակման սահմաններ (տեղական տարածքներ), ֆիչի դրոշներ տարբեր կարգավորող ռեժիմների համար։

8) Անտիֆրոդ-2019. Որտեղ Face-KYC-ն ամենամեծ ազդեցություն է տալիս ամենամեծ էֆեկտը։

Multakaunting: սարքերի/ֆոսֆերի կապերի գրաֆիկը + Face-dedings-ի վրա (կոշտ սահմաններով և իրավական հիմքով)։

Account Takeover: կրկնվող արագ Face-re-verify սարքը փոխելիս/geo/մեթոդով։

Chargeback/bonus abuse: KYC մակարդակների կապումը սահմաններին և վճարումներին։ «կանաչ» - instant-keshaut։

9) Հարձակումներ և պաշտպանություն. Ինչ է սպառնում և ինչպես պաշտպանվել

Replay and print-հարձակումները 'moir.ru/սպեկուլյար/flatness։ ակտիվ հուշումներ։

Դիմակներ/3D մոդելներ 'ալբեդո/եզրերի/սպեկուլյարների վերլուծություն; խորությունը/IR, երբ կա։
Dipfeiks: Invosistents (blink/gaze/teeth/skin), artefakts, աուդիո-lip-սինկ (եթե օգտագործվում է)։
Inj.ru-հարձակումները տեսահոլովակի վրա 'վստահված MSK, միջավայրի հավաստագրում, կոդավորման ստորագրություն, տեսախցիկի փոխարինումից պաշտպանություն (device binding)։
Հարձակումները մոդելի վրա ՝ wwww.drift, adversarial-robustness ստուգումներ, «կանարյան» նմուշներ։

10) MLOps/QA 'արտադրության կարգապահություն

Դանիացիների/ֆիչի/մոդելների/նախշերի տարբերակումը։ հստակ տվյալների սխեմաներ։

Կառուցվածքի/լուսավորության/տարածքների շարունակական տրամաչափը, ստեղնաշարերը, rollback-ը։
Հաճախորդի հուսալիությունը 'ofline-bufer, retray թույլ ցանցում, «կպչուն» կադրերի։
Քաոս-ինժեներինգը վիդեո/լույսի/կադրերի բացթողումների, համակարգը պետք է դեգրադացնի փափուկ, ոչ թե «ընկնի»։
Ավազաքարեր 'XAI լոգարիթմներով, կարգավորողի համար։

11) UX «առանց ցավի» 'ինչպես նվազեցնել ձախողումները։

Որակի ինտերակտիվ «տեղեկատվական-լույսը» (դեմքի լույսը/հեռավորությունը)։

Մինչ նկարահանումը և գերհզոր ակտիվ ստուգումը (355-7 վայրկյան)։
Թափանցիկ կարգավիճակներ ՝ «ակնթարթորեն/անհրաժեշտ է կրկնվող փորձ/ձեռքով ստուգում» + պատճառը հասկանալի լեզվով։
Հարգալից երանգ 'առանց սպառնալիքների և «եղեք 72 ժամ», միշտ ETA-ից։

12) Ճանապարհի քարտեզը (8-12 շաբաթ MVP, 4-6 մեզ. Հասունություն)

Շաբաթներ 1-2 'պահանջներ/իրավասություններ, Privacy by Design, MSK/սենսորների ընտրություն, UX, baseline-metrics։

Շաբաթներ 3-4: լիվնեսը v1 (պասիվ), face-match v1, OCR/MRZ, անվտանգ սթորիջը, տարբերակների տրամաբանությունը։

Հինգ-6 շաբաթ 'ակտիվ հուշումներ, XAI բացատրություններ, հակաֆրոդ/լիմիտներ, A/B UX։

Շաբաթներ 7-8: fairness-աուդիտ, drift-2019, ֆոսֆորի համար ավազը, HITL-ի պլեյբուսները։

Ամիսներ 3-6: Մուլտսենսոր/IR (որտեղ թույլատրելի է), dipfeik-մանկական, edge-օպտիմիզացիա, ֆեդեգրաֆիկ ուսուցում, տեղական պահեստային տարածքներ։

13) Հաճախակի սխալներ և ինչպես խուսափել դրանցից

Ապավինել միայն ակտիվ չլենջին։ Պինդ ազդանշաններ և quality-գեյթ։

Անտեսել լուսավորությունը/սարքերը։ Փորձարկեք էժան տեսախցիկների և ցածր լույսի վրա։ եկեք պատմենք։
Չկա fairness-վերահսկողություն։ Սեգմենտների սխալները խաթարում են կայուն կայունությունը և վստահությունը։
Պահել «հումքը» շատ երկար ժամանակ։ Կրճատեք TTL-ը, օգտագործեք սաղմեդինոգներ/հեշեր։
Առանց XAI-ի։ Բողոքարկման/տուգանքների անհասկանալի մերժումները։
Մոնոլիտը առանց rollback-ի։ Ցանկացած նորարարություն առանց A/B/teney - KYC զանգվածային ֆեյլների վտանգը։

AI-Face-KYC-ն աշխատում է, երբ այն համակարգ է, ոչ թե «ճանաչման գրադարան» 'լիվնես + դեմքերի ազնիվ խաղը, թափանցիկ լուծումները, խիստ մասնավորեցումը և MLOps-ի կարգապահությունը։ Այս նախաձեռնությունը միաժամանակ արագացնում է ազնիվ օգտագործողների քաղցկեղը, նվազեցնում է ֆրոդը և պահպանում կարգավորողի և հաճախորդների վստահությունը։ Հիմնական սկզբունքները տվյալների նվազեցումն են, բացատրությունը, արդարությունը և անվտանգ գործողությունը կյանքի ցիկլի ընթացքում։