هوش مصنوعی در تأیید هویت راه دور
امروزه هوش مصنوعی در تأیید هویت راه دور به منظور تسهیل ثبتنام ارائه خدمات به کاربران به صورت گسترده مورد استفاده قرار میگیرد. سرقت هویت با توجه به رشد تراکنشهای آنلاین به یک چالش جدی در عصر دیجیتال تبدیل شده است. مجرمان اینترنتی در حال تنوع بخشیدن به اهداف خود و استفاده از روشهای پنهانکارانه جدید برای سرقت هویت و کلاهبرداری هستند.
تعداد تراکنشهای کلاهبردارانه و نشت گسترده دادهها با پیچیدهتر شدن اقدامات کلاهبرداران و مجرمان اینترنتی همچنان در حال افزایش است. راهحلهای امنیتی و اسکن شناسه (ID) متنوعی با استفاده از فناوریهای نوین و بهرهگیری از هوش مصنوعی برای حلوفصل این چالشها توسعه داده شده است.
هوش مصنوعی به عنوان یک راهکار بالقوه به سیستمهای کامپیوتری اجازه میدهد تا مانند انسان تصمیم بگیرند و یک کار خاص را خودکار کنند. هوش مصنوعی میتواند توانمندسازی فناوریهای عصر دیجیتال مانند موتورهای جستجو، اتومبیلهای خودران و برنامههای تشخیص چهره را تسهیل نماید. این فناوری همچنین برای احراز هویت مشتری و جلوگیری از تقلب در انجام تراکنشهای آنلاین استفاده شده است. یادگیری ماشین و یادگیری عمیق به عنوان دو زیرمجموعه اصلی هوش مصنوعی امکان احراز هویت، تأیید و پردازش دقیق هویت کاربران در مقیاس بزرگ را فراهم میکنند.
بهبود مقیاسپذیری در تأیید هویت با یادگیری ماشین
اغلب اوقات، کاربران هنگام خرید یا افتتاح حساب در بانک ملزم به ارائه اسناد هویتی فیزیکی خود هستند. در ادامه اسناد هویتی مانند کارت ملی، شناسنامه، گواهینامه رانندگی و گذرنامه برای احراز هویت کاربران اسکن میشود. برخی از اقدامات مربوط به تأیید اسناد هویتی شامل بررسی اصالت اسناد، استخراج اطلاعات با استفاده از OCR، تأیید اصالت متن چاپی و بررسی مطابقت چهره با هویت یک شخص میتوانند توسط هوش مصنوعی انجام شوند.
با این حال، در سناریوهای تأیید هویت آنلاین احتمال جعل و سرقت هویت افزایش مییابد. استفاده از یادگیری ماشین و خودکارسازی برای تأیید هویت میتواند سیستم قویتری ایجاد کند که متکی به متخصصان تأیید و راستیآزمایی انسانی نداشته باشد. سیستمهای یادگیری ماشین میتوانند تأیید هویت را سریعتر از عامل انسانی انجام دهند و امنیت بالاتری نیز ارائه نمایند.
استفاده از یادگیری ماشینی برای ایجاد تمایز بین شناسههای خوب و بد بسیار کارآمد است. با این حال، منطق توسعه یافته توسط الگوریتم بدون وجود ناظر انسانی ممکن است شناسههایی را کنار بگذارد که تقلبی نیستند. دلایل زیادی مانند ساییدگی، پاره شدن، آسیبهای فیزیکی، خطاهای تولید، تغییرات جزئی در طراحی یا حتی تغییرات در تولید بسته به مکان و نحوه تولید کارت میتوانند از تأیید
سند یا شناسه هویتی معتبر توسط الگوریتم هوش مصنوعی جلوگیری نمایند. برنامه هوش مصنوعی برای جلوگیری از این مشکلات باید به طور کامل آموزش ببیند. یک راهحل اثبات هویت قوی نیازمند سه عنصر اصلی داده، مدلسازی و تکامل و آموزش است.
داده: داده به عنوان سوخت اصلی الگوریتمهای یادگیری ماشین است. دسترسی به دادههای مناسب و خاص از الزامات هوش مصنوعی است. دادههای دارای برچسب برای ساخت یک مدل قدرتمند یادگیری ماشین بسیار حیاتی هستند.
مدلسازی و تکامل: تعریف فاکتورهای موفقیت عامل تأثیرگذار بعدی است. به عنوان نمونه، تأیید هویت نیازمند مدلهای دقیقتری است چرا که شناسایی هویت نادرست میتواند به خطا منجر شود. از این رو، سیستمهای یادگیری ماشین مورد استفاده برای تأیید هویت باید از دقت 95 درصدی و پردازش بلادرنگ برخوردار باشند.
آموزش: تصمیمگیری در مدلهای یادگیری ماشین بر مبنای تجارب پیشین انجام میشود؛ به همین دلیل آموزش با مجموعه دادههای مناسب و برچسبدار برای یک ارائهدهنده قوی خدمات هوش مصنوعی از اهمیت بالایی برخوردار است.
خصیصههای بیومتریک در تأیید هویت آنلاین
استفاده از خصیصههای بیومتریک در تأیید هویت راه دور روزبهروز در حال افزایش است. خصیصههای بیومتریک همزمان با بهبود سهولت به افزایش ایمنی نیز کمک میکنند. سیستمهای هوش مصنوعی با بهرهگیری از ویژگیهایی مانند تشخیص زنده بودن، تشخیص چهره، تشخیص صوت و شناسه ویدئویی میتوانند فرصتهای بیشماری را برای کسبوکارهایی فراهم آورند که خواهان بهبود شفافیت در پلتفرمهای آنلاین خود میباشند.
تشخیص چهره نویدبخش عملکرد بیعیب و نقصی در سناریوهای تأیید هویت راه دور و حضوری بوده است. این فناوری با استفاده از یادگیری عمیق میتواند تصویر روی سند هویتی را با چهره یک شخص مقایسه نماید. الگوریتم هوش مصنوعی با استفاده از الگوهای خاصی مانند اشکال اساسی (چشم، دهان و بینی) و اشکال پیچیده (چهره کامل و اشکال متمایز) انطباق تصویر ضبط شده با عکس روی سند هویتی را مورد بررسی قرار میدهد. تشخیص چهره در کنار اعتبارسنجی اسناد فیزیکی میتواند سرویسهای تأیید هویت قابل اطمینانی را فراهم نماید.
عامل انسانی مکمل هوش مصنوعی در تأیید هویت راه دور
هوش مصنوعی در زمینه تأیید هویت پیشرفتهای قابل توجهی داشته است. با این حال، اسناد هویتی معمولاً به شکل فیزیکی هستند که به راحتی پاره میشوند یا در معرض آسیبهای دیگر قرار دارند و اگر تمام بررسیهای مربوط به احراز هویت به صورت خودکار انجام شود ممکن است برخی از اسناد هویتی با وجود درست بودن تأیید نشوند؛ بنابراین باید از بینشهای انسانی به عنوان مکملی برای سیستمهای هوش مصنوعی استفاده شود. کارشناسان اعتبارسنجی اسناد هویتی میتوانند برای جلوگیری از تجارب بد مشتری در موارد نادر مربوط به تشخیص نادرست اسناد هویتی وارد عمل شوند. تشخیص دلایل اصلی عدم پذیرش اسناد هویتی میتواند به بهبود الگوریتمهای هوش مصنوعی منجر شود.
بیشتر بخوانید: Deepfake و چالشهای هویت دیجیتال
بررسی یک مورد مطالعاتی برای هوش مصنوعی در تأیید هویت راه دور
شناسایی و تأیید هویت برای جلوگیری از خطرات احتمالی برخی از مشتریان برای اکثر مشاغل حائز اهمیت است. این فرآیند که با عنوان شناخت مشتری یا KYC شناخته میشود بیانگر فرآیندی معمول است که در بیشتر مشاغل مورد استفاده قرار میگیرد. این فرآیند و بررسیهای مرتبط با آن با انگیزه کسب اطمینان از شناسایی هویت مشتریان، درک انتظارات از فعالیتهای یک مشتری خاص و همچنین شناسایی نوع ریسک مشتری برای کسبوکار انجام میشود.
چنین بررسیهایی برای اطمینان از پایداری کسبوکار بسیار مهم و در عین حال، زمانبر و طاقتفرسا است. کسبوکارها برای انجام مراحل تأیید و شناسایی هویت معمولاً به یک تیم اختصاصی احتیاج دارند. فناوری مدرن هوش مصنوعی راهحلی برای این کسبوکارها است. یک سیستم هوش مصنوعی میتواند ظرف چند دقیقه این فرآیند زمانبر را حل کند.
برای حل مسأله تأیید هویت و تشخیص زنده بودن میتوان از یک سیستم مبتنی بر یادگیری ماشین و بینایی کامپیوتر استفاده نمود. تأیید هویت میتواند صحت و اعتبار شناسنامه هویتی و فرد را تأیید نماید و تشخیص زنده بودن برای بررسی درستی ادعای فرد مورد استفاده قرار میگیرد. خودکارسازی شناخت مشتری با بهرهگیری از هوش مصنوعی شامل مراحل زیر است.
مرحله یک – شناسایی هویت
این فرآیند با گرفتن عکس از کارت شناسایی مشتری با استفاده از دوربین تلفن هوشمند آغاز میشود. کارت شناسایی حاوی جزئیات مختلفی از مشتری در قالب متن است. این اطلاعات برای تأیید اعتبار کارت شناسایی مورد استفاده قرار میگیرد. در گام بعدی باید تصویر به متن قابل خواندن توسط رایانه تبدیل شود. معمولاً از OCR برای استخراج اطلاعات مفید از کارت شناسایی استفاده میشود. سیستمهای هوش مصنوعی میتوانند با دقتی بالاتر از 95 درصد اطلاعات موجود در کارتهای اسکن شده را استخراج نمایند.
مشتری در گام بعدی یک عکس سلفی از خود تهیه میکند. برای تشخیص چهره میتوان از یک شبکه عصبی کانولوشن (Convolutional) استفاده نمود. در ادامه، مطابقت تصویر سلفی با عکس موجود بر روی کارت شناسایی مورد بررسی قرار میگیرد.
مرحله دو – تشخیص زنده بودن
مرحله پایانی تشخیص زنده بودن مشتری است که با ضبط کردن یک ویدئو به طول چند ثانیه انجام میشود. برای ادامه فرآیند باید تصویر چهره مشتری از ویدئو استخراج شود. سپس سیستم عملیات پیش پردازش فیلم را انجام میدهد و فریم های اضافی را حذف میکند تا زمان پردازش کاهش یابد. سپس سیستم هوش مصنوعی با بررسی عناصر مشخص تأیید میکند که فیلم در واقع در یک محیط زنده گرفته شده است. هدف از تشخیص زنده بودن این است که اطمینان حاصل شود شخصی که در مرحله اول مدارک هویتی را ارائه کرده است همان شخصی است که در حال انجام بررسیهای KYC میباشد تا احتمال هرگونه جعل هویت کاهش یابد.
لازمه توسعه زیستبوم هویت دیجیتال ملی بهرهمندی از قابلیتهای هوش مصنوعی و بهروزرسانی بسیاری از فرآیندهای این حوزه به ویژه در خصوص احراز هویت دیجیتال از طریق هوشمندسازی آن است. در حال حاضر در ایران نیز برخی شرکتها اقدام به بهرهمندی از قابلیتهای هوش مصنوعی در ارائه خدمت احراز هویت از راه دور و تشخیص زنده بودن تصویر نمودهاند که لازم است آزمایشگاههای هویت دیجیتال برای ارزیابی نقاط ضعف و بهبود چنین محصولاتی در کشور راهاندازی گردد.
نویسنده: تورج اکبری
