Команда университетов Большого залива решает проблему мошенничества с распознаванием лиц и оснащает финансовую сферу острым глазом для борьбы с мошенничеством

От крупномасштабного строительства умных городов до мобильных приложений для входа в систему, технология распознавания лиц является знаковым достижением искусственного интеллекта. Благодаря своей удобности и эффективности она быстро проникла во все сферы: финансовые платежи, общественная безопасность, государственные услуги, коммерческий маркетинг и другие, став «стандартом» цифровой трансформации.

Однако с быстрым распространением таких функций, как «снятие наличных по лицу» и «оплата лицом», перед системами аутентификации на финансовых терминалах встали беспрецедентные проблемы безопасности. Изображения лица могут быть высокоточно воссозданы с помощью бумажных фотографий, электронных экранов, 3D-моделей головы и даже DeepFake-видео. Традиционные системы распознавания легко обходятся, что приводит к росту случаев финансового мошенничества, связанных с «атаками на лицо», что значительно подрывает доверие к интеллектуальным финансовым системам.

В ответ на современные угрозы, связанные с подделками с помощью искусственного интеллекта, команда профессора Ю Цзитонга из Университета Большого залива использовала ключевые технологии больших моделей, включая интеллектуальные методы захвата изображений, многообразные гетерогенные биометрические признаки для защиты от подделок, разработав более интеллектуальные, универсальные и безопасные технологии определения живого лица. Были созданы модули с алгоритмическими моделями, формирующие электронные и интеллектуальные системы обработки, способные за секунды распознавать живое лицо и предоставлять аналитические отчёты с точностью свыше 99.9%.

Ю Цзитонг — доцент по совместительству в Университете Большого залива, занимается исследованиями в области микро-визуальных вычислений и мультимодальных базовых моделей. В интервью журналистам из Южных финансовых СМИ он рассказал, что изначально технологии распознавания лиц широко применялись для разблокировки смартфонов, учета рабочего времени и обеспечения безопасности, однако сценарии использования были относительно ограничены. После получения магистерской степени он работал в компании по безопасности в течение года, что помогло ему глубже понять применение технологий распознавания лиц в реальной индустрии и выявить недостатки в алгоритмах и архитектуре моделей.

Во время учёбы в Финляндии и Сингапуре команда Ю предложила алгоритм усиления слабых сигналов в пространстве с помощью операции центральных разностей свертки, что открыло новые возможности для повышения устойчивости моделей к высокоточной атаке на лицо и изменяющимся условиям окружающей среды, успешно применённый в сфере противодействия мошенничеству с лицами.

По мнению Ю Цзитонга, современные технологии распознавания лиц уже достигли насыщения, что вызывает проблемы утечки личных данных и злоупотреблений с помощью AI. Определение живого лица стало ключевым и наиболее сложным этапом в интеллектуальных финансовых терминалах, а также фундаментом для защиты национальной финансовой безопасности.

В условиях ускоренного развития умных финансов в стране, банки переходят от традиционных отделений к автоматизированным кассовым терминалам (ATM), дистанционным видеокассирам (VTM) и умным кассирам (STM). Эти системы стали важной частью национальной инфраструктуры, напрямую влияя на доступность и удобство финансовых услуг, а также на безопасность и стабильность финансовых и информационных систем, являясь первой линией защиты от системных рисков и обеспечивая доверие к транзакциям.

«В настоящее время развитие технологий определения живого лица опирается на глубокое обучение, однако ключевые компоненты, такие как алгоритмы высокой безопасности, модели, устойчивые к межэтническим различиям, и методы физиологического сигнала, по-прежнему доминируют в Европе и США. Внутри страны остаются значительные разрывы, связанные с трудностями распознавания высокоточных подделок, недостаточной универсальностью для разных этнических групп, слабой интеграцией мультимодальных данных и сложностями внедрения алгоритмов в производство», — отметил Ю Цзитонг.

Он добавил, что в настоящее время технологии AI для подделки лиц, такие как смена лица и 3D-печать, позволяют создавать поддельные изображения, практически неотличимые от настоящих. Традиционные методы на основе текстур и оптических потоков дают высокий уровень ложных срабатываний, что мешает достижению требований безопасности уровня финансовых систем. Внутренние алгоритмы часто обучаются на однородных данных по цвету кожи и сценам, что снижает точность распознавания темных кожных тонов и иностранных пользователей, ограничивая международное внедрение. Современные решения в основном используют односторонние визуальные признаки, такие как RGB, инфракрасные и глубинные карты, что снижает эффективность при неконтактных физиологических измерениях и усложняет объяснимость моделей и их устойчивость к сложным условиям. Алгоритмы противодействия мошенничеству пока остаются на уровне академических разработок или программного обеспечения, не достигнув уровня самостоятельных, патентованных и массово производимых устройств «финансового уровня».

В условиях глобализации и цифровизации финансовых услуг, необходимо преодолеть эти барьеры, создать автономную, безопасную и надежную систему противодействия мошенничеству с лицами, которая будет работать в разных регионах.

Как один из ведущих центров производства финансового оборудования и инноваций в области искусственного интеллекта, Гуандун за последние пять лет активно использует технологии распознавания лиц и противодействия мошенничеству как драйверы нового витка развития финтеха.

Фокусируясь на «ключевых технологиях противодействия мошенничеству с лицами и разработке высоко безопасных интеллектуальных финансовых терминалов», команда Ю Цзитонга из Университета Большого залива занимается системными исследованиями в области усиления слабых сигналов в пространстве и времени, мультимодальной адаптации и физиологического уровня определения живого лица. Цель — обеспечить высокоточное распознавание и аутентификацию в сложных условиях и среди разных групп, создавая международно передовые и экспортируемые новые поколения интеллектуальных систем против мошенничества.

В области определения живого лица команда Ю разработала технологию, основанную на многовекторном восприятии физиологических сигналов, объединяющую бесконтактные физиологические данные и внешние признаки, предложив метод совместного восприятия для противодействия мошенничеству. Этот подход преодолел ограничения традиционных методов, основанных на одном RGB-канале и чувствительных к окружающей среде, значительно повысив эффективность и объяснимость системы при сложных сценариях и высоком уровне подделок. Используя синхронный захват динамической информации с нескольких камер, команда извлекает физиологические сигналы, такие как сердечный ритм, кровоток и уровень кислорода, а также динамические признаки, такие как микровыражения и частота моргания, для многоуровневого определения живого лица.

«К 2024 году мы разработаем технологию, аналогичную 3D-объективу, которая улучшит захват лиц и взаимодействие с пользователем. В настоящее время наши системы против мошенничества по лицам занимают лидирующие позиции внутри страны, показывают отличную надежность и скорость работы, а также обладают хорошей пользовательской интерактивностью и международной адаптивностью, что позволяет решать задачи межэтнического и межрасового распознавания», — отметил Ю Цзитонг.

Он подчеркнул, что разработанная его командой система интеллектуальных финансовых систем против мошенничества интегрирована и коммерциализирована на базе алгоритмов, создав полностью контролируемую цепочку «алгоритм-аппаратное обеспечение-система» для противодействия мошенничеству с лицами. В рамках совместной работы созданы встроенные модули AI для ускорения обработки и локальных вычислений, реализованы системы реального времени для обнаружения мошенничества. В состав системы входят модули распознавания лиц, обнаружения мошенничества, аутентификации и шифрования, что позволяет массово производить такие устройства. Уже сейчас системы внедрены в таких крупных финансовых учреждениях, как Industrial and Commercial Bank of China, и успешно коммерциализированы в Юго-Восточной Азии, что говорит о широких возможностях адаптации и международного применения.

Ю Цзитонг отметил, что благодаря инновациям в области мультимодальной интеграции и межрегиональной адаптации, система решает проблему надежного распознавания живого лица в сложных условиях, объединяя теоретические достижения и практическое внедрение. Проект получил признание на научной конференции Гуандунского общества графики и изображений, где были достигнуты значительные результаты в области мультимодальных технологий противодействия мошенничеству с лицами и их промышленного применения, сформированы патенты и достигнут международного уровня. Среди разработок — модели на основе мультивизуальных признаков и межрегиональной адаптации, признанные ведущими на мировом уровне.

По информации, оборудование и продукты по данному проекту уже внедряются в различных финансовых устройствах, реализовано за три года более 1,814 миллиарда юаней выручки и 72,64 миллиона юаней чистой прибыли, что обеспечивает лидирующие позиции на внутреннем рынке и значительные международные перспективы.