Toden ينضم إلى برنامج إنفيديا إنسبشن

يُعدّ التحقق من تطابق صورة السيلفي مع الصورة الموجودة على بطاقة الهوية مسألةً بسيطة. وجه واحد، وثيقة واحدة، مقارنة واحدة، وإجابة في أقل من ثانية.

أما التحقق مما إذا كان هذا الشخص قد سبق له التسجيل باسم آخر، فهو مشكلة مختلفة. إذ يجب مقارنة هذا الشخص الجديد بكل هوية سبق للشركة التحقق منها، وهذه المجموعة تتزايد باستمرار. يقوم مُقرض صغير بإجراء هذه المقارنة على بضعة آلاف من الأشخاص، بينما يقوم مُقرض كبير بإجراء هذه المقارنة على ملايين الأشخاص، مع كل عملية تسجيل.

يمكنكم الاطلاع على المزيد من أعمالنا على الرابط التالي: Toden يبدو الآن أن هذه هي المشكلة الثانية. وهذا جزء كبير من سبب انضمامنا. NVIDIA بداية، NVIDIA برنامج مخصص للشركات الناشئة التي تستخدم الذكاء الاصطناعي والحوسبة المُسرّعة. لا يتطلب البرنامج أي استثمار أو أسهم. ما يوفره لنا هو وصول أقرب إلى الأدوات التي نحتاجها مع انتقال هذه العمليات إلى وحدات معالجة الرسومات (GPUs).

لا يزال بإمكان وثيقة أصلية فتح حساب احتيالي

قد ينجح فحص الهوية في كل شيء ومع ذلك يسمح بمرور عمليات الاحتيال.

رقم هوية وطنية حقيقي، تم التحقق منه من خلال قاعدة بيانات الحكومة، مع ظهور وجه شخص آخر أمام الكاميرا. نظام مطابقة الوجوه يكشف هذا الأمر.

يُعدّ قيام الشخص نفسه بفتح ثلاثة حسابات بثلاث هويات حقيقية أمرًا صعبًا. إذ يتم التحقق من كل حساب على حدة، ولا يربط بينها إلا البحث عبر الوجوه . لذا، فإن كل وجه تم التحقق منه في Toden يتم البحث في قاعدة بيانات عملاء تلك المؤسسة الحاليين. تُرسل النتائج إلى المراجع. لا نعتبر ذلك دليلاً قاطعاً على أن سجلين يعودان لشخص واحد، لأنه من المؤكد وجود بعض التطابقات الخاطئة عند البحث في عدد كافٍ من السجلات.

أو عشرون متقدماً في عنوان واحد. هذا وحده لا يثبت شيئاً: فمجمع عائلي وشبكة احتيال كلاهما يضعان العديد من الأشخاص في مكان واحد. ما يفرق بينهما هو ما إذا كانوا يتشاركون أيضاً أرقام الهواتف، أو صور الوجوه، أو نفس عنوان IP في نفس اليوم، وهذا ما نعرضه للمراجع.

حتى الأجزاء التي تبدو محلولة ليست كذلك. تحتوي جوازات السفر على أرقام تحقق تمكن الجهاز من تحديد متى أخطأ في قراءة الرقم. وجدنا رقم جواز سفر أخطأ الماسح الضوئي في قراءته في موضعين، حيث ألغى الخطأان بعضهما البعض، وبالتالي نجح رقم التحقق. تكمن المشكلة تحديدًا في تشابه الأحرف والأرقام، حيث يفشل التعرف على النصوص. لذلك يرفض الماسح الضوئي الآن أي قراءة تحتوي على أكثر من نسخة محتملة، ويسلم المستند إلى قارئ ثانٍ.

بعض الإشارات أقل قيمة مما تبدو عليه. في شبكات الهاتف المحمول النيجيرية، يحدد عنوان IP موقع المشترك في المدينة التي تقع فيها بوابة مزود الخدمة. كنا نعرض المدينة سابقًا، لكننا أزلنا هذه الخاصية ونكتفي الآن بعرض اسم البلد فقط، لأن الإجابة الخاطئة التي تبدو دقيقة تُلحق ضررًا أكبر من عدم وجود إجابة على الإطلاق.

التكلفة تكمن في البحث، وليس في الفاتورة

تعمل نماذج التعرف على الوجوه لدينا على خوادمنا الخاصة، لذا لا يتم إرسال أي صورة شخصية إلى طرف ثالث للمقارنة. بالنسبة لمنتج يتعامل مع البيانات البيومترية، كان هذا القرار صائباً، ويعني أن معالجة البيانات تقع على عاتقنا.

اليوم، تُشغَّل هذه النماذج على وحدات المعالجة المركزية. ولتوفير مساحة في الذاكرة المتاحة، قمنا بتحويل نموذج الوجه إلى أعداد صحيحة من 8 بت. أصبح كل تضمين أبطأ بنحو مرتين ونصف، ولكن في اختباراتنا لم يتغير أي حكم. بالنسبة لمباراة واحدة، يكون هذا التغيير غير ملحوظ. لا أحد يلاحظ ربع ثانية.

يظهر ذلك جليًا في البحث. يقارن نظام البحث عن الوجوه لدينا كل وجه جديد بكل وجه مُخزّن في المؤسسة، وجهًا تلو الآخر. هذه العملية دقيقة، وكانت نقطة انطلاق صحيحة. لكن تكلفتها تتزايد مع كل عميل يتحقق عملاؤنا من بياناته. الحل واضح تمامًا: فهرس مُصمّم للبحث عن أقرب جار، واستدلال على أجهزة مُصممة خصيصًا لهذا الغرض.

وينطبق الأمر نفسه على ما نبنيه لاحقًا. فنحن نعمل على اكتشاف المستندات التي تم تعديلها أو إنشاؤها، وليس فقط تلك التي لا يمكن قراءتها. كما نرغب في تدريب نماذج المخاطر على قرارات المراجعين الفعلية، وليس على أوزان نحددها يدويًا. وكلا الأمرين يتطلبان جهدًا أكبر من أي شيء لدينا اليوم.

نماذج وجوهنا تعمل بالفعل في ONNX ، وهو تنسيق نموذج مفتوح. NVIDIA تقبل أدوات الاستدلال الخاصة بـ، مثل TensorRT، ذلك، لذا فإن الانتقال إلى وحدات معالجة الرسومات (GPUs) هو خطوة هندسية وليست إعادة كتابة. يمنحنا Inception NVIDIA أدوات المطورين والتدريب التقني، والأسعار التفضيلية على بعض أجهزتها وبرامجها، وعروض رصيد السحابة أثناء قيامنا بهذه الخطوة.

مع ذلك، لا تجعل الأجهزة المتطورة النموذج موثوقًا. في أغسطس، اختبرنا ثلاثة نماذج مرخصة تجاريًا لتقدير العمر، وقارناها بتواريخ ميلاد موثقة من خلال عمليات التحقق التي أجريناها. وقد بالغت النماذج الثلاثة في تقدير عمر أصغر شخص باثني عشر عامًا أو أكثر. لذا، لم نقم بشحن أي منها. تُحسّن القدرة الحاسوبية النموذج الجيد ليصبح قابلاً للاستخدام، لكنها لا تُجدي نفعًا مع النموذج الرديء.

الأدلة لا تعني الثقة

يتحقق التحقق من الهوية من صحة أدلة الهوية. أما معلومات المخاطر فتتحقق من مدى موثوقية الحساب.

للسؤال الأول إجابة محددة في وقت معين. أما الثاني، فلا يُحسم أمره أبداً. فالعميل الذي تم التحقق من حسابه بنجاح في مارس، يسجل دخوله من هاتف جديد في بلد آخر في يونيو، ويدفع لشخص لم يسبق له التعامل مع هذا الحساب.

إذن، الوحدة المفيدة ليست عملية التحقق نفسها، بل هي السجل الذي تبدأ منه. Toden تُنشئ عملية التحقق هوية. وما نكتشفه لاحقًا يرتبط بها: الأجهزة، وبيانات الاتصال التي تم التحقق منها بالفعل، والعناوين، والوجوه التي شوهدت في أماكن أخرى، ونتائج الفحص، والمعاملات. ويتعامل نظام العمل مع هذه المعلومات مجتمعة. فقد يطلب صورة شخصية جديدة، أو يفتح ملفًا، أو يرسل الحساب للمراجعة.

إضافة الإشارات هي الجزء السهل. لكن يبقى على المحلل أن يكون قادرًا على قراءة النتيجة. لقد تعلمنا ذلك من خلال تقييم المخاطر الخاص بنا. تم حسابه بشكل صحيح، لكن مجموع العوامل الثلاثة الموضحة بجانبه لم يكن يساوي الرقم المطلوب، لذا لم يتمكن أحد من التحقق منه. أعدنا بناءه بحيث يكون كل تقييم عبارة عن قائمة من المساهمات التي مجموعها يساوي الرقم المطلوب تمامًا. في مجال الامتثال، التقييم الذي لا يمكن تفسيره هو تقييم لا يمكن الدفاع عنه.

يُقيّد هذا المبدأ أيضًا ما نسمح للنماذج بفعله. ينبغي للنموذج أن يُصنّف الطلبات، ويُوجّهها، ويُلخّصها. أما من يُرفض طلبه، فينبغي أن يُحدّده شخصٌ، أو سياسةٌ يُمكن للعميل الاطلاع عليها. يُسجّل كل قرارٍ من قرارات المُراجعين كنتيجةٍ مُصنّفة، وهذا السجل هو ما يتعلم منه النموذج التالي.

ما نقوم ببنائه

لن تصبح بنية الهوية مجرد مسألة نجاح أو فشل. بل ستكون أنظمة تفهم كيفية ارتباط الأشخاص والأجهزة والحسابات والوثائق والأموال ببعضها البعض، وتساعد الشركات على تحديد ما يمكن الوثوق به.

هذا ما نقوم ببنائه.

هل ترغب في بناء بنية تحتية للهوية، أو مكافحة الاحتيال، أو إدارة المخاطر؟ استكشف ذلك. Toden