การประยุกต์ใช้ปัญญาประดิษฐ์ในการต่อสู้กับอาชญากรรมการปลอมแปลงเอกสาร

จู่ๆก็เป็นหนี้

เมื่อเร็ว ๆ นี้ สื่อมวลชนรายงานสถานการณ์การปลอมแปลงเอกสารกู้ยืมเงินเพื่อนำทรัพย์สินไปใช้อย่างต่อเนื่อง โดยผู้กระทำความผิดกระทำโดยการขโมยข้อมูลส่วนบุคคลของผู้อื่น แล้วซื้อเครื่องจักรและอุปกรณ์เพื่อปลอมแปลงเอกสารส่วนตัวด้วยตนเอง

ตัวอย่างเช่น นางสาวเอ็นที (เมืองวินห์ จังหวัด เหงะอาน ) ไม่ได้กู้ยืมเงิน แต่ได้รับโทรศัพท์และข้อความเรียกร้องการชำระหนี้จากบริษัทการเงินอย่างต่อเนื่อง

เธอเสียใจมาก จึงรายงานเหตุการณ์ดังกล่าวไปยังบริษัทไฟแนนซ์ดังกล่าวและได้รับจดหมายตอบกลับ ดังนั้น บริษัทไฟแนนซ์จึงยืนยันว่าข้อมูลส่วนบุคคลของเธอถูกมิจฉาชีพใช้ปลอมแปลงใบสมัครสินเชื่อ

ในอีกกรณีหนึ่ง นางสาว TA ซึ่งมีถิ่นที่อยู่จดทะเบียนอยู่ในเขตฟู่ญวน (HCMC) เล่าว่าเธอและครอบครัวเคยอยู่ในอาการตื่นตระหนกเมื่อมีคนแปลกหน้าเข้ามาข่มขู่ด้วยโทรศัพท์หลายสิบสายทุกวันและข้อความเฟซบุ๊กนับพันข้อความ

เหตุการณ์ “น่าเศร้า” ข้างต้นเกิดขึ้นหลังจากที่เธอทำบัตรประจำตัวประชาชนหาย คุณ TA เล่าว่ามีคนนำข้อมูลทั้งหมดของเธอ เช่น ชื่อ อายุ และเลขประจำตัวประชาชน ไปใช้ในการขอสินเชื่อผู้บริโภค

จากนั้นผู้กู้ก็หายตัวไป ทิ้งหนี้ที่ชำระล่าช้าไว้ ทำให้คุณ TA จำเป็นต้องรับผิดชอบหนี้ดังกล่าว

ข้อมูลเช่นชื่อและอายุเมื่อบัตรประจำตัวสูญหายก็อาจเป็นความเสี่ยงก่อนการกู้ยืมเงินแบบไม่มีหลักทรัพย์ค้ำประกันได้เช่นกัน

ถือได้ว่าสถานการณ์การปลอมแปลงเอกสารเพื่อฉ้อโกงทางการเงิน เช่น กรณีข้างต้นนี้ เกิดขึ้นบ่อยมากขึ้นเรื่อยๆ โดยมีกลวิธีที่ซับซ้อนมากขึ้น

ในขณะเดียวกัน การยืนยันตัวตนด้วย eKYC ส่วนใหญ่ในกระบวนการเปรียบเทียบบุคคลจริงกับรูปถ่ายบนเอกสารระบุตัวตนจะหยุดอยู่แค่ระดับง่าย ๆ เช่น การกำหนดให้ต้องมีรูปถ่ายบุคคลหรือขั้นตอนง่าย ๆ

สิ่งนี้ก่อให้เกิดปัญหาที่ต้องใช้เทคโนโลยีการตรวจสอบและป้องกันการปลอมแปลงขั้นสูงมากขึ้น

จากมุมมองทางเทคนิค ดร. เชา ถั่น ดึ๊ก ผู้อำนวยการฝ่าย AI ของ Zalo กล่าวว่า การต่อต้านการปลอมแปลงสินค้าเป็นความท้าทายที่ยิ่งใหญ่เสมอมา ที่ Zalo เทคโนโลยีเหล่านี้ได้รับการพัฒนาอย่างต่อเนื่อง และมีการปรับปรุงโมเดลต่างๆ เพื่อป้องกันการปลอมแปลงสินค้าในรูปแบบต่างๆ

ตามสถิติ ในช่วง 6 เดือนแรกของปี 2566 Zalo สามารถตรวจจับและป้องกันภาพถ่ายปลอมได้สำเร็จประมาณ 350,000 กรณี และป้องกันเอกสารปลอม (CCCD และบัตรประจำตัว) ได้ 450,000 กรณี

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

AI ป้องกันการฉ้อโกงได้อย่างไร

ตามที่ดร. Chau Thanh Duc กล่าวไว้ มีการปลอมแปลง 3 รูปแบบที่พบบ่อยที่สุดที่ใช้เพื่อต่อสู้กับการตรวจสอบสิทธิ์ผู้ใช้ทางอิเล็กทรอนิกส์ (eKYC) ในปัจจุบัน ได้แก่ การปลอมแปลงใบหน้าด้วย Deepfake, โมเดล 3 มิติ (เหมือนหุ่นจำลอง) และการแก้ไขข้อมูลระบุตัวตนพลเมืองปลอม (CCCD) หรือบัตรประจำตัวประชาชนปลอม (CMND)

ด้วย Zalo AI วิศวกรเทคโนโลยีต้องวิเคราะห์อย่างรอบคอบอยู่เสมอเพื่อปรับปรุงโมเดล ตัวอย่างเช่น เมื่อใช้ Deepfake ผู้โจมตีจะถ่ายภาพนิ่งของบุคคลอื่น แล้วสร้างท่าทางเคลื่อนไหว เช่น ยิ้ม กระพริบตา ลิปซิงค์ ฯลฯ เหมือนกับคนจริงๆ

รูปภาพเหล่านี้จะถูกนำมาใช้เพื่อปลอม วิดีโอ เซลฟี่ (ภาพบุคคล) เพื่อให้กล้อง eKYC (การระบุตัวตนทางอิเล็กทรอนิกส์) สามารถบันทึกภาพและเข้าใจผิดว่าเป็นคนจริงได้

อย่างไรก็ตาม การปลอมแปลงข้างต้นจะทำให้เกิดเอฟเฟกต์การจับภาพซ้ำบนหน้าจอ ด้วยคุณสมบัตินี้ Zalo จึงได้พัฒนาแบบจำลองการตรวจจับการโจมตีแบบเล่นซ้ำ เพื่อให้มั่นใจว่าข้อมูลวิดีโอเหล่านี้จะถูกบล็อกในระหว่างกระบวนการตรวจสอบสิทธิ์

นอกจากนี้ เพื่อป้องกันการฉ้อโกงในการตรวจสอบสิทธิ์ eKYC Zalo จึงมีกลไกในการตรวจสอบตัวเองและตรวจสอบพื้นที่แบบสุ่ม

เมื่อตรวจพบเทคนิคที่สามารถหลีกเลี่ยงโมเดลป้องกันการสปูฟได้ ทีม AI ของ Zalo จะวิเคราะห์และอัปเดตโมเดลอย่างรวดเร็วเพื่อตอบโต้การโจมตีประเภทนั้น

ในช่วงเวลานี้ การป้องกันระดับอื่นๆ เช่น บัญชีดำและการดึงข้อมูลใบหน้า จะช่วยป้องกันไม่ให้ผู้โจมตีนำข้อมูลส่วนบุคคล บัญชี หรือรูปภาพนี้ไปใช้ซ้ำเพื่อหลีกเลี่ยงระบบ

Zalo eKYC มีส่วนสนับสนุนอย่างมากในการต่อสู้กับการฉ้อโกง

สำหรับหุ่นจำลอง Zalo จะใช้โมเดลป้องกันการปลอมแปลงแบบ 3 มิติ ซึ่งสามารถแยกแยะระหว่างใบหน้ามนุษย์จริงกับวัตถุ 3 มิติที่ปลอมตัวเป็นมนุษย์ได้

ควบคู่ไปกับการใช้โมเดล AI ที่ถูกต้อง หน่วยงานจะกระจายข้อมูลการฝึกอบรมเพื่อให้แน่ใจว่าโมเดลจะได้รับการฝึกอบรมด้วยแบบจำลอง 3 มิติปลอมที่พบบ่อยที่สุดเสมอ ซึ่งเป็นโมเดลหุ่นจำลองที่น่าจะมีอยู่จริงในโลกแห่งความเป็นจริง

หุ่นจำลองถูกนำมาใช้เพื่อฝึกโมเดล AI เพื่อพัฒนาความสามารถในการจดจำของปลอมในความเป็นจริง (ภาพประกอบ)

สำหรับบัตรประจำตัวปลอมและรูปถ่าย CCCD นั้นมีการโจมตีหลายประเภท เช่น การจับภาพหน้าจอหรือพิมพ์รูปถ่ายของผู้อื่น การแก้ไขข้อมูลเกี่ยวกับหมายเลขบัตรประจำตัว ชื่อ หรือวันเกิด หรือแม้แต่การแทนที่รูปถ่ายต้นฉบับด้วยรูปถ่ายปลอมอีกรูปหนึ่ง

การโจมตีแต่ละประเภทจะมีลักษณะเฉพาะของตัวเอง Zalo ได้สร้างโมเดล AI เฉพาะทางเพื่อระบุข้อมูลที่ผิดปกติแต่ละประเภทได้อย่างมีประสิทธิภาพ

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

กล่าวได้ว่าด้วยโซลูชันขั้นสูงและความมุ่งมั่นในการปรับปรุงอย่างต่อเนื่อง ผู้บุกเบิกด้านเทคโนโลยีโดยทั่วไปและโดยเฉพาะ AI เช่น Zalo eKYC มีบทบาทสำคัญในการตรวจสอบข้อมูลในยุคดิจิทัลปัจจุบัน

แหล่งที่มา