استفاده از هوش مصنوعی برای مبارزه با جرایم جعل اسناد

ناگهان بدهکار شد

اخیراً، مطبوعات به طور مداوم در مورد وضعیت جعل اسناد وام برای تصاحب دارایی‌ها گزارش داده‌اند. افراد این کار را با سرقت اطلاعات شخصی دیگران و سپس خرید ماشین‌آلات و تجهیزات برای جعل اسناد شخصی خود انجام می‌دهند.

برای مثال، خانم ان‌تی (شهر وین، نگ آن ) پول قرض نگرفت اما مرتباً تماس‌ها و پیامک‌هایی از یک شرکت مالی دریافت می‌کرد که از او می‌خواستند بدهی‌اش را پرداخت کند.

او که بسیار ناراحت بود، این حادثه را به شرکت مالی فوق گزارش داد و نامه‌ای در پاسخ دریافت کرد. بر این اساس، شرکت مالی تأیید کرد که اطلاعات شخصی او توسط یک کلاهبردار برای جعل درخواست وام اعتباری او استفاده شده است.

در مورد دیگری، خانم تی.ای.، که محل اقامت ثبت‌شده‌اش در منطقه فو نهوان (HCMC) است، اظهار داشت که او و خانواده‌اش زمانی وحشت‌زده بودند که غریبه‌ها با ده‌ها تماس تلفنی روزانه و هزاران پیام که به فیس‌بوک آنها حمله می‌کردند، آنها را وحشت‌زده می‌کردند.

اتفاقات «تاسف‌بار» فوق پس از گم شدن کارت شناسایی او رخ داد. خانم ت.آ. گفت که شخصی از تمام اطلاعات او مانند نام، سن و شماره شناسایی‌اش برای اعطای وام مصرفی استفاده کرده است.

سپس وام گیرنده ناپدید شد و وام معوقه ای را پشت سر گذاشت و خانم TA را مجبور کرد که بدهی را به دوش بکشد.

اطلاعاتی مانند نام و سن هنگام گم شدن کارت شناسایی نیز می‌تواند قبل از وام‌های بدون وثیقه، یک ریسک محسوب شود.

می‌توان گفت که وضعیت کلاهبرداری مالی مانند موارد فوق، با ترفندهای پیچیده‌تر، بیشتر و بیشتر اتفاق می‌افتد.

در همین حال، بیشتر احراز هویت eKYC در مرحله مقایسه افراد واقعی و عکس‌های روی اسناد هویتی در سطح ساده‌ای مانند درخواست عکس‌های پرتره یا کارهای ساده متوقف می‌شود.

این امر مشکلی ایجاد کرده است که نیازمند فناوری‌های پیشرفته‌تر احراز هویت و ضد جعل است.

از دیدگاه فنی، دکتر چائو تان دوک، مدیر هوش مصنوعی زالو، گفت که مبارزه با جعل همیشه یک چالش بزرگ است. در زالو، این فناوری‌ها دائماً بهبود می‌یابند و مدل‌ها برای جلوگیری از اشکال مختلف جعل به‌روز می‌شوند.

طبق آمار، تنها در ۶ ماه اول سال ۲۰۲۳، زالو با موفقیت حدود ۳۵۰،۰۰۰ مورد عکس‌های پرتره جعلی و ۴۵۰،۰۰۰ مورد اسناد جعلی (CCCD و کارت شناسایی) را شناسایی و از آنها جلوگیری کرد.

این تلاش بزرگی از تیم هوش مصنوعی Zalo در "جنگ" علیه کلاهبرداری احراز هویت الکترونیکی کاربر (eKYC) است تا به بهترین شکل از کاربرانی که از خدمات ارائه شده توسط Zalo استفاده می‌کنند، محافظت کند.

چگونه هوش مصنوعی از کلاهبرداری جلوگیری می‌کند

به گفته دکتر چائو تان دوک، امروزه سه نوع رایج از جعل برای مقابله با احراز هویت الکترونیکی کاربر (eKYC) استفاده می‌شود، از جمله: جعل چهره با دیپ‌فیک، مدل‌های سه‌بعدی (مانند مانکن) و ویرایش اطلاعات جعلی روی کارت‌های شناسایی شهروندی (CCCD) یا کارت‌های شناسایی (CMND).

با هوش مصنوعی Zalo، مهندسان فناوری همیشه باید برای بهبود مدل، تجزیه و تحلیل دقیقی انجام دهند. به عنوان مثال، با دیپ فیک، مهاجم یک تصویر ثابت از شخص دیگری می‌گیرد و سپس حرکات حرکتی مانند لبخند، چشمک زدن، مالیدن لب و غیره را درست مانند یک شخص واقعی ایجاد می‌کند.

این تصاویر برای ساخت ویدیوهای سلفی جعلی (پرتره) استفاده می‌شوند تا دوربین eKYC (شناسایی الکترونیکی) بتواند آنها را ضبط کرده و با افراد واقعی اشتباه بگیرد.

با این حال، جعل تصویر فوق، یک اثر بازپخش روی صفحه نمایش باقی می‌گذارد. بر اساس این ویژگی، زالو یک مدل تشخیص حمله بازپخش توسعه داده است تا اطمینان حاصل شود که این داده‌های ویدیویی در طول فرآیند احراز هویت مسدود می‌شوند.

علاوه بر این، برای جلوگیری از تقلب در احراز هویت eKYC، زالو مکانیزمی برای بررسی خودکار و بررسی تصادفی مناطق دارد.

وقتی تکنیکی شناسایی شود که مدل ضد جعل را دور می‌زند، تیم هوش مصنوعی زالو به سرعت مدل را تجزیه و تحلیل و به‌روزرسانی می‌کند تا با آن نوع حمله مقابله کند.

در این مدت، لایه‌های حفاظتی دیگری مانند لیست‌های سیاه و بازیابی چهره به جلوگیری از استفاده مجدد مهاجمان از این اطلاعات شخصی، حساب یا تصویر برای دور زدن سیستم کمک می‌کنند.

Zalo eKYC به طور قابل توجهی در مبارزه با کلاهبرداری نقش دارد.

برای مانکن‌ها، زالو از مدل‌های سه‌بعدی ضد جعل استفاده می‌کند که قادر به تشخیص چهره طبیعی انسان و اشیاء سه‌بعدی هستند که خود را به جای انسان جا می‌زنند.

این واحد علاوه بر استفاده از مدل هوش مصنوعی مناسب، داده‌های آموزشی را متنوع می‌کند تا اطمینان حاصل شود که مدل همیشه با رایج‌ترین مدل‌های سه‌بعدی جعلی، یعنی مدل‌های مانکن که احتمالاً در دنیای واقعی وجود دارند، آموزش داده می‌شود.

از مانکن‌ها برای آموزش مدل‌های هوش مصنوعی استفاده می‌شود و توانایی تشخیص جعلیات را در زندگی واقعی بهبود می‌بخشد (تصویر).

برای کارت شناسایی جعلی و عکس‌های CCCD، انواع بی‌شماری از حملات مانند گرفتن اسکرین‌شات یا چاپ عکس از دیگران، ویرایش اطلاعات مربوط به شماره کارت شناسایی، نام یا تاریخ تولد، و حتی جایگزینی عکس اصلی با یک عکس جعلی دیگر وجود دارد.

هر نوع حمله ویژگی‌های شناسایی خاص خود را دارد. زالو مدل‌های هوش مصنوعی تخصصی ساخته است تا به طور موثر هر نوع اطلاعات غیرعادی را شناسایی کند.

نماینده هوش مصنوعی Zalo همچنین گفت که دقت، راحتی، به‌روزرسانی، پردازش سریع و پایداری، نقاط قوتی هستند که ارزش Zalo eKYC را برای کاربران تأیید می‌کنند.

می‌توان گفت که با راهکارهای پیشرفته و تعهد به بهبود مستمر، پیشگامان فناوری به طور کلی و هوش مصنوعی به طور خاص مانند Zalo eKYC نقش مهمی در تأیید اطلاعات در عصر دیجیتال فعلی ایفا می‌کنند.

منبع