ນຳໃຊ້ປັນຍາປະດິດເພື່ອຕໍ່ສູ້ກັບອາຊະຍາກຳການປອມແປງເອກະສານ

ຢ່າງກະທັນຫັນໃນຫນີ້ສິນ

ຫວ່າງມໍ່ໆນີ້, ສື່ມວນຊົນໄດ້ລາຍງານຢ່າງບໍ່ຢຸດຢັ້ງກ່ຽວກັບສະພາບການປອມແປງເອກະສານກູ້ຢືມເງິນທີ່ເໝາະສົມ. ວິຊາການເຮັດແນວນີ້ໂດຍລັກເອົາຂໍ້ມູນສ່ວນຕົວຂອງຜູ້ອື່ນໄປຊື້ເຄື່ອງແລະອຸປະກອນເພື່ອປອມແປງເອກະສານສ່ວນຕົວ.

ຕົວຢ່າງ, ນາງ NT (ເມືອງ ຫວີງ, ແຂວງ ເງ້ອານ ) ບໍ່ໄດ້ກູ້ຢືມເງິນ, ແຕ່ໄດ້ຮັບການໂທ ແລະ ຂໍ້ຄວາມຢ່າງຕໍ່ເນື່ອງ ເພື່ອຂໍໃຫ້ລາວຊໍາລະໜີ້ຈາກບໍລິສັດການເງິນ.

ຮູ້ສຶກເສຍໃຈເກີນໄປ, ນາງໄດ້ລາຍງານເຫດການກັບບໍລິສັດການເງິນຂ້າງເທິງແລະໄດ້ຮັບຈົດຫມາຍຕອບ. ຕາມນັ້ນແລ້ວ, ບໍລິສັດການເງິນໄດ້ຢືນຢັນວ່າຂໍ້ມູນສ່ວນຕົວຂອງນາງຖືກໃຊ້ໂດຍຜູ້ສໍ້ໂກງເພື່ອປອມແປງໃບຄໍາຮ້ອງສິນເຊື່ອສິນເຊື່ອຂອງນາງ.

ອີກກໍລະນີໜຶ່ງ, ນາງ TA ທີ່ມີຖິ່ນຖານຢູ່ໃນເມືອງ ຟູ້ອວນ (HCMC), ແບ່ງປັນວ່າ ນາງ ແລະ ຄອບຄົວຮູ້ສຶກຕື່ນຕົກໃຈຄັ້ງໜຶ່ງ ເມື່ອຄົນແປກໜ້າກໍ່ກວນເຂົາເຈົ້າດ້ວຍໂທລະສັບຫຼາຍສິບຄັ້ງໃນແຕ່ລະມື້ ແລະ ມີຂໍ້ຄວາມຫຼາຍພັນຂໍ້ຄວາມໂຈມຕີເຟສບຸກຂອງເຂົາເຈົ້າ.

ເຫດການ "ໂຊກຮ້າຍ" ຂ້າງເທິງນີ້ເກີດຂຶ້ນຫຼັງຈາກນາງສູນເສຍບັດປະຈໍາຕົວຂອງນາງ. ນາງ TA ກ່າວວ່າ ມີຄົນໃຊ້ຂໍ້ມູນທັງໝົດຂອງນາງ ເຊັ່ນ: ຊື່, ອາຍຸ, ແລະໝາຍເລກປະຈຳຕົວ ເພື່ອເຮັດໃຫ້ເງິນກູ້ຜູ້ບໍລິໂພກ.

ຈາກນັ້ນຜູ້ກູ້ຢືມກໍ່ຫາຍສາບສູນໄປ, ປ່ອຍເງິນກູ້ຊ້າ, ບັງຄັບໃຫ້ນາງ TA ຮັບຜິດຊອບໜີ້ສິນ.

ຂໍ້ມູນເຊັ່ນຊື່ແລະອາຍຸໃນເວລາທີ່ບັດປະຈໍາຕົວສູນເສຍຍັງສາມາດເປັນຄວາມສ່ຽງກ່ອນທີ່ຈະກູ້ຢືມເງິນທີ່ບໍ່ມີຄວາມປອດໄພ.

ອາດເວົ້າໄດ້ວ່າ ສະຖານະການການສໍ້ໂກງທາງດ້ານການເງິນ ຄືກັບກໍລະນີຂ້າງເທິງນີ້ ແມ່ນເກີດຂຶ້ນຫຼາຍຂື້ນ, ມີການຫຼອກລວງຫຼາຍຂຶ້ນ.

ໃນຂະນະດຽວກັນ, ການກວດສອບຄວາມຖືກຕ້ອງຂອງ eKYC ສ່ວນໃຫຍ່ໃນຂັ້ນຕອນຂອງການປຽບທຽບຄົນທີ່ແທ້ຈິງ ແລະຮູບພາບໃນເອກະສານການລະບຸຕົວຕົນຈະຢຸດຢູ່ໃນລະດັບທີ່ງ່າຍດາຍເຊັ່ນ: ຕ້ອງການຮູບພາບຮູບຄົນ ຫຼືວຽກງານທີ່ງ່າຍດາຍ.

ອັນນີ້ໄດ້ສ້າງບັນຫາ, ຮຽກຮ້ອງໃຫ້ມີການກວດສອບຄວາມຖືກຕ້ອງ ແລະ ເຕັກໂນໂລຊີຕ້ານການປອມແປງທີ່ກ້າວໜ້າ.

ຈາກທັດສະນະທາງດ້ານເຕັກນິກ, ທ່ານໝໍ ເຈົາແທ່ງດຶກ, ຜູ້ອຳນວຍການ AI ຂອງ Zalo ກ່າວວ່າ, ການຕ້ານການປອມແປງແມ່ນສິ່ງທ້າທາຍໃຫຍ່ສະເໝີ. ຢູ່ Zalo, ເຕັກໂນໂລຢີເຫຼົ່ານີ້ໄດ້ຖືກປັບປຸງຢ່າງຕໍ່ເນື່ອງແລະຮູບແບບຕ່າງໆໄດ້ຖືກປັບປຸງເພື່ອປ້ອງກັນການປອມແປງຮູບແບບທີ່ແຕກຕ່າງກັນ.

ຕາມສະຖິຕິ, ໃນ 6 ເດືອນຕົ້ນປີ 2023, Zalo ໄດ້ປະສົບຜົນສຳເລັດໃນການກວດພົບ ແລະ ສະກັດກັ້ນຮູບຖ່າຍປອມປະມານ 350.000 ກໍລະນີ ແລະ ເອກະສານປອມ (CCCD ແລະ ບັດປະຈຳຕົວ) ປະມານ 450.000 ກໍລະນີ.

ນີ້ແມ່ນຄວາມພະຍາຍາມອັນໃຫຍ່ຫຼວງຂອງທີມງານ Zalo AI ໃນ "ສົງຄາມ" ຕໍ່ກັບການສໍ້ໂກງການກວດສອບຜູ້ໃຊ້ອີເລັກໂທຣນິກ (eKYC), ເພື່ອປົກປ້ອງຜູ້ໃຊ້ທີ່ດີທີ່ສຸດທີ່ໃຊ້ບໍລິການໂດຍ Zalo.

AI ປ້ອງກັນການສໍ້ໂກງແນວໃດ

ຕາມທ່ານ ດຣ ເຈົາແທ່ງດຶກ ແລ້ວ, ມີ 3 ຮູບແບບການປອມແປງທີ່ພົບເຫັນຫຼາຍທີ່ສຸດເພື່ອຕ້ານການຢັ້ງຢືນຜູ້ໃຊ້ແບບເອເລັກໂຕຣນິກ (eKYC) ໃນທຸກມື້ນີ້, ໃນນັ້ນລວມມີ: ການປອມແປງໃບໜ້າແບບເລິກລັບ, ຮູບແບບ 3 ມິຕິ (ຄືກັບຮູບຊົງ), ແລະ ການແກ້ໄຂຂໍ້ມູນປອມໃນບັດປະຈຳຕົວພົນລະເມືອງ (CCCD) ຫຼື ບັດປະຈຳຕົວ (CMND).

ດ້ວຍ Zalo AI, ວິສະວະກອນເຕັກໂນໂລຢີສະເຫມີຕ້ອງວິເຄາະຢ່າງລະມັດລະວັງເພື່ອປັບປຸງຕົວແບບ. ຕົວຢ່າງເຊັ່ນ: ດ້ວຍການປອມຕົວເລິກໆ, ຜູ້ໂຈມຕີຈະຖ່າຍຮູບກັບຄົນອື່ນແລ້ວສ້າງທ່າທາງເຄື່ອນໄຫວເຊັ່ນ: ຍິ້ມ, ກະພິບຕາ, ຕີປາກ ແລະ ອື່ນໆ ຄືກັບຄົນຈິງ.

ຮູບພາບເຫຼົ່ານີ້ຈະຖືກໃຊ້ເພື່ອປອມແປງ ວິດີໂອ ເຊວຟີ (ຮູບບຸກຄົນ) ເພື່ອໃຫ້ກ້ອງຖ່າຍຮູບ eKYC (ການລະບຸຕົວຕົນດ້ວຍອີເລັກໂທຣນິກ) ສາມາດບັນທຶກພວກມັນ ແລະເຮັດຜິດໃຫ້ກັບຄົນທີ່ແທ້ຈິງ.

ແນວໃດກໍ່ຕາມ, ການຫຼອກລວງຂ້າງເທິງນີ້ຈະເຮັດໃຫ້ຜົນການຈັບຄືນຢູ່ໃນໜ້າຈໍ. ອີງໃສ່ຄຸນສົມບັດນີ້, Zalo ໄດ້ພັດທະນາຮູບແບບການກວດຫາການໂຈມຕີຄືນໃຫມ່ເພື່ອຮັບປະກັນວ່າຂໍ້ມູນວິດີໂອເຫຼົ່ານີ້ຖືກບລັອກໃນລະຫວ່າງຂະບວນການກວດສອບຄວາມຖືກຕ້ອງ.

ນອກຈາກນັ້ນ, ເພື່ອປ້ອງກັນການສໍ້ໂກງໃນການກວດສອບຄວາມຖືກຕ້ອງຂອງ eKYC, Zalo ມີກົນໄກໃນການກວດສອບອັດຕະໂນມັດແລະການກວດສອບພື້ນທີ່ແບບສຸ່ມ.

ເມື່ອເຕັກນິກຖືກກວດພົບວ່າຂ້າມຕົວແບບຕ້ານການຫຼອກລວງ, ທີມງານ AI ຂອງ Zalo ຈະວິເຄາະ ແລະອັບເດດຕົວແບບຢ່າງວ່ອງໄວເພື່ອຮັບມືກັບການໂຈມຕີປະເພດນັ້ນ.

ໃນລະຫວ່າງເວລານີ້, ຊັ້ນການປົກປ້ອງອື່ນໆເຊັ່ນບັນຊີດໍາ ແລະການດຶງຂໍ້ມູນໃບໜ້າຈະຊ່ວຍປ້ອງກັນບໍ່ໃຫ້ຜູ້ໂຈມຕີໃຊ້ຂໍ້ມູນສ່ວນຕົວ, ບັນຊີ ຫຼືຮູບພາບນີ້ຄືນໃໝ່ເພື່ອຂ້າມຜ່ານລະບົບ.

Zalo eKYC ກໍາລັງປະກອບສ່ວນຢ່າງຫຼວງຫຼາຍຕໍ່ການຕໍ່ສູ້ກັບການສໍ້ໂກງ.

ສໍາລັບ mannequins, Zalo ໃຊ້ຮູບແບບ 3D ຕ້ານການປອມແປງ, ສາມາດຈໍາແນກລະຫວ່າງໃບຫນ້າຂອງມະນຸດທໍາມະຊາດແລະວັດຖຸ 3D ປອມເປັນມະນຸດ.

ຄຽງຄູ່ກັບການນໍາໃຊ້ຕົວແບບ AI ທີ່ຖືກຕ້ອງ, ຫນ່ວຍງານມີຄວາມຫຼາກຫຼາຍຂອງຂໍ້ມູນການຝຶກອົບຮົມເພື່ອຮັບປະກັນວ່າຕົວແບບໄດ້ຖືກຝຶກອົບຮົມສະເຫມີກັບການປອມແປງ 3D ທົ່ວໄປທີ່ສຸດ, ຮູບແບບ mannequin ທີ່ມີແນວໂນ້ມທີ່ຈະມີຢູ່ໃນໂລກທີ່ແທ້ຈິງ.

Mannequins ຖືກນໍາໃຊ້ເພື່ອຝຶກອົບຮົມແບບຈໍາລອງ AI, ປັບປຸງຄວາມສາມາດໃນການຮັບຮູ້ການປອມແປງໃນຊີວິດຈິງ (ຮູບແຕ້ມ).

ສໍາລັບການປອມແປງບັດປະຈໍາຕົວ ແລະຮູບ CCCD, ມີການໂຈມຕີນັບບໍ່ຖ້ວນເຊັ່ນ: ການຖ່າຍຮູບຫນ້າຈໍຫຼືຮູບທີ່ພິມອອກຂອງຄົນອື່ນ, ການແກ້ໄຂຂໍ້ມູນກ່ຽວກັບເລກບັດປະຈໍາຕົວ, ຊື່ຫຼືວັນເດືອນປີເກີດ, ເຖິງແມ່ນວ່າການປ່ຽນຮູບຕົ້ນສະບັບດ້ວຍຮູບປອມອື່ນ.

ແຕ່ລະປະເພດຂອງການໂຈມຕີຈະມີລັກສະນະການກໍານົດຂອງຕົນເອງ. Zalo ໄດ້ສ້າງແບບຈໍາລອງ AI ພິເສດເພື່ອກໍານົດແຕ່ລະປະເພດຂອງຂໍ້ມູນຜິດປົກກະຕິ.

ຜູ້ຕາງຫນ້າ Zalo AI ຍັງກ່າວວ່າຄວາມຖືກຕ້ອງ, ຄວາມສະດວກສະບາຍ, ການປັບປຸງ, ການປຸງແຕ່ງໄວແລະຄວາມຫມັ້ນຄົງແມ່ນຈຸດແຂງທີ່ຢືນຢັນຄຸນຄ່າຂອງ Zalo eKYC ສໍາລັບຜູ້ໃຊ້.

ສາມາດເວົ້າໄດ້ວ່າດ້ວຍການແກ້ໄຂທີ່ກ້າວຫນ້າແລະຄວາມມຸ່ງຫມັ້ນທີ່ຈະປັບປຸງຢ່າງຕໍ່ເນື່ອງ, ຜູ້ບຸກເບີກໃນເຕັກໂນໂລຢີໂດຍທົ່ວໄປແລະ AI ໂດຍສະເພາະເຊັ່ນ Zalo eKYC ມີບົດບາດສໍາຄັນໃນການກວດສອບຂໍ້ມູນໃນຍຸກດິຈິຕອນໃນປະຈຸບັນ.

ທີ່ມາ