การนำปัญญาประดิษฐ์มาประยุกต์ใช้ในการปราบปรามอาชญากรรมการปลอมแปลงเอกสาร

อยู่ๆก็เป็นหนี้

ล่าสุดสื่อมวลชนรายงานสถานการณ์การปลอมแปลงเอกสารกู้เงินเพื่อยึดทรัพย์สินที่เกี่ยวข้องอย่างต่อเนื่อง ผู้กระทำความผิดทำเช่นนี้โดยการขโมยข้อมูลส่วนบุคคลของผู้อื่นแล้วซื้อเครื่องจักรและอุปกรณ์เพื่อปลอมแปลงเอกสารส่วนบุคคลด้วยตนเอง

ตัวอย่างเช่น นางสาวเอ็นที (เมืองวินห์ จังหวัดเหงะอาน) ไม่ได้กู้ยืมเงิน แต่ได้รับโทรศัพท์และข้อความมาเรียกร้องการชำระหนี้จากบริษัทการเงินอย่างต่อเนื่อง

เธอเสียใจมาก จึงแจ้งเหตุการณ์ดังกล่าวให้บริษัทไฟแนนซ์ดังกล่าวทราบ และได้รับจดหมายตอบกลับมา บริษัทการเงินจึงยืนยันว่าข้อมูลส่วนตัวของเธอถูกมิจฉาชีพใช้ปลอมแปลงใบสมัครสินเชื่อ

ในอีกกรณีหนึ่ง นางสาว TA ซึ่งมีถิ่นฐานอยู่ในเขตฟู่ญวน (HCMC) เล่าว่าเธอและครอบครัวเคยอยู่ในอาการตื่นตระหนกเมื่อมีคนแปลกหน้าเข้ามาก่อกวนด้วยการโทรศัพท์มาหาพวกเขาหลายสิบครั้งทุกวันและข้อความทาง Facebook หลายพันข้อความ

เหตุการณ์ “โชคร้าย” ข้างต้นเกิดขึ้นหลังจากที่เธอทำบัตรประชาชนหาย นางสาวตา กล่าวว่า มีคนนำข้อมูลของเธอ เช่น ชื่อ อายุ หมายเลขบัตรประชาชน ไปใช้ในการขอสินเชื่อเพื่อการบริโภค

จากนั้นผู้กู้ก็หายตัวไป ทิ้งหนี้ที่ชำระล่าช้าไว้ ทำให้คุณ TA จำเป็นต้องรับผิดชอบหนี้ดังกล่าว

ข้อมูลเช่นชื่อและอายุเมื่อสูญหายบัตรประจำตัวก็อาจเป็นความเสี่ยงก่อนการกู้ยืมเงินแบบไม่มีหลักประกันได้เช่นกัน

เรียกได้ว่าสถานการณ์การปลอมแปลงเอกสารเพื่อฉ้อโกงทางการเงินอย่างกรณีดังกล่าวเกิดขึ้นบ่อยมากขึ้นเรื่อยๆ ด้วยกลวิธีที่ซับซ้อนมากขึ้น

ในขณะเดียวกัน การยืนยันตัวตนแบบ eKYC ส่วนใหญ่ในกระบวนการเปรียบเทียบบุคคลจริงกับรูปถ่ายบนเอกสารระบุตัวตนจะหยุดอยู่แค่ระดับง่าย ๆ เช่น การกำหนดให้ต้องใช้รูปถ่ายบุคคลหรือภารกิจง่าย ๆ

สิ่งนี้ก่อให้เกิดปัญหาที่ต้องใช้เทคโนโลยีการตรวจสอบและต่อต้านการละเมิดลิขสิทธิ์ขั้นสูงมากขึ้น

จากมุมมองทางเทคนิค ผู้อำนวยการด้าน AI ของ Zalo ดร. Chau Thanh Duc กล่าวว่าการต่อสู้กับสินค้าลอกเลียนแบบเป็นความท้าทายที่ยิ่งใหญ่เสมอ ที่ Zalo เทคโนโลยีเหล่านี้ได้รับการปรับปรุงและอัปเดตอย่างต่อเนื่องเพื่อป้องกันการฉ้อโกงรูปแบบต่างๆ

ตามสถิติ ในช่วง 6 เดือนแรกของปี 2023 Zalo สามารถตรวจจับและป้องกันภาพถ่ายปลอมได้ประมาณ 350,000 กรณี และป้องกันเอกสารปลอม (CCCD และบัตรประจำตัว) ได้ประมาณ 450,000 กรณี

นี่คือความพยายามอันยิ่งใหญ่ของทีม Zalo AI ในการ "ทำสงคราม" ต่อต้านการฉ้อโกงการยืนยันตัวตนผู้ใช้ทางอิเล็กทรอนิกส์ (eKYC) เพื่อปกป้องผู้ใช้ที่ใช้บริการที่ให้โดย Zalo ให้ดีที่สุด

AI ป้องกันการฉ้อโกงได้อย่างไร

ตามข้อมูลจาก TS. Chau Thanh Duc รูปแบบการปลอมแปลง 3 รูปแบบที่พบบ่อยที่สุดที่ใช้เพื่อต่อสู้กับการตรวจสอบความถูกต้องของผู้ใช้ทางอิเล็กทรอนิกส์ (eKYC) ในปัจจุบัน ได้แก่ ใบหน้าปลอมแบบ Deepfake, โมเดล 3 มิติ (เหมือนหุ่นจำลอง), การแก้ไขข้อมูลปลอมบนบัตรประจำตัวประชาชน (CCCD) หรือบัตรประจำตัว (CMND)

ด้วย Zalo AI วิศวกรด้านเทคโนโลยีจะต้องวิเคราะห์อย่างรอบคอบอยู่เสมอเพื่อปรับปรุงโมเดล ตัวอย่างเช่น ในการใช้ Deepfake ผู้โจมตีจะถ่ายภาพนิ่งของบุคคลอื่น จากนั้นทำการเคลื่อนไหว เช่น ยิ้ม กระพริบตา ลิปซิงค์ ฯลฯ เช่นเดียวกับคนจริงๆ

รูปภาพเหล่านี้จะนำมาใช้ปลอมแปลงวิดีโอเซลฟี่ (ภาพบุคคล) เพื่อให้กล้อง eKYC (การระบุตัวตนทางอิเล็กทรอนิกส์) สามารถบันทึกและเข้าใจผิดว่าเป็นคนจริงได้

อย่างไรก็ตาม การปลอมแปลงดังกล่าวข้างต้นจะทิ้งเอฟเฟกต์การจับภาพซ้ำไว้บนหน้าจอ Zalo ได้พัฒนาโมเดลการตรวจจับการโจมตีแบบรีเพลย์โดยอิงจากฟีเจอร์นี้ เพื่อให้แน่ใจว่าข้อมูลวิดีโอเหล่านี้จะถูกบล็อกในระหว่างการตรวจสอบสิทธิ์

นอกจากนี้ เพื่อป้องกันการฉ้อโกงในการพิสูจน์ตัวตนแบบ eKYC Zalo มีกลไกในการตรวจสอบตัวเองและตรวจสอบพื้นที่แบบสุ่ม

เมื่อตรวจพบเทคนิคที่หลีกเลี่ยงโมเดลป้องกันการปลอมแปลง ทีม AI ของ Zalo จะวิเคราะห์และอัปเดตโมเดลอย่างรวดเร็วเพื่อตอบโต้การโจมตีประเภทนั้น

ในช่วงเวลานี้ ชั้นการป้องกันอื่นๆ เช่น บัญชีดำและการดึงข้อมูลใบหน้า จะช่วยป้องกันไม่ให้ผู้โจมตีนำข้อมูลส่วนบุคคล บัญชี หรือรูปภาพเหล่านี้ไปใช้ซ้ำเพื่อหลีกเลี่ยงระบบได้

Zalo eKYC มีส่วนสนับสนุนอย่างมากในการต่อสู้กับการฉ้อโกง

สำหรับหุ่นจำลอง Zalo จะใช้โมเดลป้องกันการปลอมแปลงแบบสามมิติ ซึ่งสามารถแยกแยะระหว่างใบหน้ามนุษย์ตามธรรมชาติกับวัตถุสามมิติที่เลียนแบบมนุษย์ได้

ควบคู่ไปกับการใช้โมเดล AI ที่ถูกต้อง หน่วยงานจะกระจายข้อมูลการฝึกอบรมเพื่อให้แน่ใจว่าโมเดลจะได้รับการฝึกอบรมด้วยโมเดล 3 มิติปลอมทั่วไปที่สุด ซึ่งเป็นโมเดลหุ่นจำลองที่อาจมีอยู่จริงในโลกแห่งความเป็นจริง

หุ่นจำลองถูกนำมาใช้เพื่อฝึกโมเดล AI เพื่อพัฒนาความสามารถในการแยกแยะของปลอมในความเป็นจริง (ภาพประกอบ)

สำหรับบัตรประจำตัวปลอมและรูปถ่าย CCCD นั้นมีการโจมตีหลายประเภท เช่น การจับภาพหน้าจอหรือพิมพ์ภาพของผู้อื่น การแก้ไขข้อมูลเกี่ยวกับหมายเลขบัตรประจำตัว ชื่อหรือวันเกิด รวมไปถึงการแทนที่รูปถ่ายต้นฉบับด้วยรูปถ่ายปลอมอีกรูป

การโจมตีแต่ละประเภทจะมีลักษณะเฉพาะของตัวเอง Zalo ได้สร้างโมเดล AI เฉพาะทางเพื่อระบุข้อมูลที่ผิดปกติแต่ละประเภทได้อย่างมีประสิทธิภาพ

ตัวแทนของ Zalo AI ยังกล่าวอีกว่า ความแม่นยำ ความสะดวก การอัปเดต การประมวลผลที่รวดเร็ว และความเสถียรเป็นจุดแข็งที่ยืนยันถึงคุณค่าของ Zalo eKYC สำหรับผู้ใช้

ถือได้ว่าด้วยโซลูชันขั้นสูงและความมุ่งมั่นในการปรับปรุงอย่างต่อเนื่อง ผู้บุกเบิกด้านเทคโนโลยีโดยทั่วไปและ AI โดยเฉพาะ เช่น Zalo eKYC มีบทบาทสำคัญในการตรวจสอบข้อมูลในยุคดิจิทัลปัจจุบัน

แหล่งที่มา