کاربرد روشهای احراز هویت دیجیتال در صنعت فینتک
احراز هویت، اولین نقطه تعاملی مشتری با یک سازمان پولی و مالی مثل بانک یا کارگزاری بورس است. تا چند سال پیش احراز هویت مشتریان یا مخاطبین این سازمانها حتماً باید به صورت کاملاً کاغذی و در حضور فیزیکی مشتری و با استفاده از اصل شناسنامه و کارت ملی انجام میشد، ولی با توسعه تکنولوژی و استفاده از روشهای بیومتریک مثل تشخیص صدا، چهره و اثرانگشت امروزه نوآوریهای گستردهای در حوزه احراز هویت شکل گرفته است و احراز هویت دیجیتال به یکی از ضروریترین پایههای تحول دیجیتال یک سازمان پولی و بانکی تبدیل شده است که علاوه بر کاهش هزینه موجب بهبود تجربه مشتری نیز میشود.
امروزه الگوریتمهای هوش مصنوعی هم به کمک احراز هویت دیجیتال آمده و به وسیله آن علاوه بر افزایش امنیت تراکنش، امکان تقلب، کلاهبرداری و خطای سیستمی در شناسایی مشتری بسیار کاهش پیدا کرده است. برای آشنایی بیشتر با سرویسهای نوین احراز هویت دیجیتال و کاربردهای الگوریتمهای هوش مصنوعی در این حوزه، با محمود آقاپور، مدیر پروژههای هوش مصنوعی شرکت توسنتکنو به گفتگو نشستیم.
آقاپور مدرک کارشناسی ارشد خود را از دانشگاه صنعتی امیرکبیر اخذ کرده است و حدود 20 سالی میشود که در حوزه هوش مصنوعی مشغول به فعالیت است. او یک سال است که همکاری خود با توسنتکنو را آغاز کرده است.
نگاهی به روندهای هوش مصنوعی
در ابتدا آقاپور در رابطه با رویدادهای زمانی مهم در حوزه هوش مصنوعی توضیح داد: «قبل از سال 1950 هوش مصنوعی محدود به ارائه و بهبود مدلهای آماری بود. سال 1950 را باید آغاز بحث در مورد اینکه آیا ماشین میتواند فکر کند، دانست. به مرور اصطلاح یادگیری ماشینی به کار برده شد و در سال 1970 به زمستان هوش مصنوعی رسیدیم. این موضوع باعث شد که صنایع عموما به دید منفی به این فناوری نگاه کنند. زمستان این فناوری در دهه 1980 با ارائه ایده Backpropagation پایان یافت. پس از آن در سال 1990 ماشینهای بردار پشتیبانی یا SVMها توانستند مسائل زیادی را با نمونههای کم حل کنند و از سال 2010 یادگیری عمیق یا همان Deep Learning بهواسطه وجود سختافزارهای قوی و وفور دادهها ممکن شد. این روند باعث شد که اکنون در سال 2020 شاهد استفاده موثر و روزافزون هوش مصنوعی در صنایع مختلف باشیم.»
استفاده از هوش مصنوعی برای احراز هویت
آقاپور در ادامه با اشاره به جایگاه هوش مصنوعی در احراز هویت دیجیتال بانکی و بازار سرمایه گفت: «از سال 2013 روند استقبال از هوش مصنوعی افزایش یافت. کاهش هزینه و افزایش امنیت از جمله مزایای استفاده از هوش مصنوعی در احراز هویت دیجیتال است. همچنین این فناوری با ارتقای کارایی سیستمهای تبدیل نوشتار به گفتار (Text to Speech) و تشخیص صدای انسان (Automatic Speech Recognition) موجب افزایش رضایتمندی مشتریان میشود. با افزایش کاربران بانکی در جهان، تقریبا امکان کشف تقلب بدون هوش مصنوعی ممکن نیست. بنابراین استفاده از هوش مصنوعی دیگر یک انتخاب نیست، بلکه یک الزام است.»
رابطهBig Data ،Data Mining و هوش مصنوعی
مدیر پروژههای هوش مصنوعی توسنتکنو با اشاره به جایگاه کلانداده (Big Data) و دادهکاوی (Data Mining) در فناوری هوش مصنوعی گفت: «کلانداده و استخراج اطلاعات به اندازهای گسترده هستند که نمیتوانیم آنها را زیرمجموعه هوش مصنوعی بدانیم. در واقع این سه فناوری ارتباط تنگانگی با یکدیگر دارند. بسیاری از الگوریتمهای هوش مصنوعی در پردازش کلانداده کمک میکنند و استخراج اطلاعات برای تحلیل بازار نیز بدون استفاده از الگوریتمهای هوش مصنوعی ممکن نیست. برای مثال حدود 20 سال گذشته به دلیل نبود اطلاعات، امکان تشخیص اشیا و افراد با دقت بالا وجود نداشت. اگرچه در این میان رشد سختافزارها نیز به ارتقای عملکرد و دسترسی سیستمهای TPU و GPU کمک و پردازش دادهها را آسان کرد، اما بدون اطلاعات عملا امکان استفاده از سیستمهای احراز هویت وجود نداشت. در واقع دادههای کلان امکان حل مسائل پیچیده را با بهکارگیری روشهای ساده فراهم کرده است. در گذشته ماهها طول میکشید تا ایدهها عملیاتی و یا حتی تست شود. اما در حال حاضر این کار در کمتر از یک هفته نیز انجام میشود.»
الگوریتمهای هوش مصنوعی
آقاپور در پاسخ به این سوال که هوش مصنوعی از چه الگوریتمهایی برای حل مسائل استفاده میکند، گفت: «در گذشته معمولاً برای حل مسائل لازم بود تا یک سری ویژگیها استخراج شود که به این فرایند Feature Extraction میگفتند. در سالهای اخیر الزامات برای طیکردن این مرحله برداشته شده است و با ارائه حجم زیادی از اطلاعات، کامپیوتر میتواند ویژگیها را تشخیص دهد. برای مثال در گذشته برای تشخیص گربه لازم بود تا ویژگیهایی همانند اشکال هندسی گوش، چهره و ابعاد این حیوان برای کامپیوتر تعریف شود که این کار بسیار سخت بود، چرا که ممکن بود سایر حیوانات نیز چنین ویژگیهایی داشته باشند. اما در حال حاضر میتوانیم تصاویر یک میلیون گربه از نژادهای مختلف را وارد سیستم کنیم تا خود سیستم با پردازش آنها به ویژگیهای ظاهری گربه دست پیدا کند.»
مدیر پروژههای هوش مصنوعی توسنتکنو در ادامه گفت: «بهره برداری از معماری CNN با لایههای بالاتر کمک زیادی به سیستمهای پردازش تشخیص چهره و بینایی ماشین کرده است. همچنین از معماریRNN (Recurrent Neural Network) در مواقعی که با یک سری داده متوالی سروکار داریم استفاده میشود. البته هوش مصنوعی از الگوریتمهای بسیار متعددی استفاده میکند که دائما به تعداد آنها نیز افزوده میشود.»
بهروزترین تکنولوژیهای احراز هویت دیجیتال
او در رابطه با جدیدترین تکنولوژیهای احراز هویت و چگونگی عملکرد آنها توضیح داد: «احراز هویت دیجیتال چند فاکتور اصلی دارد. آنچه شما میدانید (کلمه عبور، شماره ملی، شماره تلفن و …) و آنچه شما دارید (کارت ملی، کارت بانکی و …) نمونههایی از این فاکتورها هستند. همچنین این دو فاکتور با یکدیگر قابل تلفیق هستند. برای مثال رمز به همراه کارت بانکی یک روش احراز هویت تلفیقی است. جایی که شما هستید نیز یکی دیگر از فاکتورهای احراز هویت دیجیتال است. برای مثال بسیاری از بانکها برای ارائه خدمات، آدرس IP کشوری که در آن هستید را بررسی میکنند تا تفاوتی با محدوده IP که در هنگام افتتاح حساب ثبت شده است، نداشته باشد. اما جدیدترین تکنولوژیهای احراز هویت مربوط به فاکتور «آنچه شما هستید» میشود که چهره، صدا و اثر انگشت مهمترین ویژگیهایی هستند که برای احراز هویت از آنها استفاده میشود. احراز هویت از طریق اسکن قرنیه چشم، رگهای انگشت، صورت و نوع خنده نیز مربوط به «آنچه شما هستید» میشود.»
کاربران از کدام روش احراز هویت دیجیتال استقبال میکنند؟
آقاپور در پاسخ به این سوال که کدام یک از روشهای احراز هویت دیجیتال نزد کاربران محبوبتر است، گفت: «نتیجه مطالعات نشان میدهد که کاربران به ترتیب، علاقه بیشتری به احراز هویت از طریق صوت، چهره و اثر انگشت دارند، اما آمار خطای این روشها برعکس است. در واقع فاکتور اثر انگشت بالاترین امنیت و کمترین میزان خطا را دارد، ریسک احراز هویت دیجیتال از طریق چهره نیز در وضعیت قابل قبولی قرار دارد و احراز هویت دیجیتال بر مبنای صوت در مراحل بعدی قرار میگیرد. اخیرا تلاشهایی در راستای برطرف کردن خطای این روشها انجام شده است. شرکت اپل (برای Face ID در iPhone) ادعا میکند که مشکل اصلی استفاده از روش احراز هویت دیجیتال از طریق چهره (مثلا سوءاستفاده از هویت فرد هنگام خواب) را حل کرده است.»
تلفیق ویژگیهای بیومتریک
مدیر پروژههای هوش مصنوعی توسنتکنو با اشاره به اینکه ریسک فاکتور «آنچه شما هستید» را میتوان با تلفیق ویژگیهای بیومتریک کاهش داد، افزود: «مطابق بررسی رویدادهای برگزارشده برای احراز هویت دیجیتال، مشاهده شد که تلفیق الگوریتم تشخیص چهرهای که خطای زیادی دارد با الگوریتم احراز هویت بر مبنای صوتی که آن هم خطای زیادی دارد، میتواند منتج به الگوریتم احراز هویت دیجیتال جدیدی شود که درصد خطای بسیار ناچیزی دارد. البته در حال حاضر امکان اشتباه در تشخیص چهره چیزی حدود 0.1 درصد است. در واقع میزان دقت این الگوریتم از میزان دقت سیستمی یک انسان بیشتر شده است.»
نمونههای موفق احراز هویت دیجیتال بانکی و بورسی
آقاپور به چند نمونه احراز هویت دیجیتال موفق در صنعت بانکی و بورس دنیا و ایران اشاره کرد: «بانک Wells Fargo از عنبیه چشم، Bank of America از اثر انگشت و چهره و CitiBank و HSBC Bank با دو رویکرد متفاوت از صوت برای احراز هویت دیجیتال کاربران خود استفاده میکنند. برای مثال اگر شخصی قصد افتتاح حساب در HSBC Bank را داشته باشد، این بانک از چندین الگوریتم برای اطمینان از اصالت فرد استفاده میکند و سپس از شخص متقاضی میخواهد تا 3 بار جمله My voice is my password را تکرار کند. پس از آن کاربر میتواند برای استفاده از خدماتی نظیر ماندهگیری حساب در این بانک از طریق صوت، احراز هویت دیجیتال شود. در ایران نیز بانک قرضالحسنه مهر ایران در موضوع احراز هویت دیجیتال بانکی قدم برداشته است. این بانک از طریق تشخیص چهره امکان افتتاح حساب را فراهم کرده است. همچین چند بانک دیگر نیز ادعای فراهمکردن زیرساختهای احراز هویت دیجیتال را دارند. اپلیکیشن سیگنال نیز برای احراز هویت سجام از تشخیص چهره در دو رویکرد استفاده میکند. البته تشخیص زندهبودن تصویر (Liveness Detection) در این اپلیکیشن توسط یک عامل انسانی نیز مانیتور میشود.»
سرویسهای احراز هویت دیجیتال توسنتکنو
آقاپور در پاسخ به این سوال که توسنتکنو چه سرویسهایی را در رابطه با احراز هویت دیجیتال عملیاتی و آنها را در چه کانالهایی (سختافزاری و نرمافزاری) ارائه کرده است، توضیح داد: «سرویس احراز هویت دیجیتال در ماشینهای بانکی VTM و CRS توسنتکنو پیادهسازی شده است. در حال حاضر احراز هویت دیجیتال از طریق کارت هوشمند ملی در ماشینهای VTM و CRS بانک ملی ایران اجرایی شده و برای خدمت دریافت وجه میتوان از این سرویس استفاده کرد. این دو ماشین از طریق تطبیق اثر انگشت ثبتشده در کارت هوشمند ملی و اطلاعات ثبتشده مشتریان در بانک و اثر انگشت مشتری روی ماشین، به احراز هویت دیجیتال میپردازند. در ماههای اخیر امکان احراز هویت دیجیتال از طریق چهره را نیز فراهم کردیم و در حال حاضر دستگاههای تردد مستقر در ساختمانهای مختلف توسنتکنو از این روش احراز هویت دیجیتال استفاده میکنند و تاکنون بیش از 150هزار نمونه با موفقیت انجام شده است. تا یک ماه آینده مراحل عملیاتیسازی این روش را به اتمام خواهیم رساند تا امکان استفاده از این سرویس را در محیط عملیاتی فراهم کنیم.»
برنامههای توسنتکنو برای توسعه راهکارها در زمینه هوش مصنوعی
او در پایان با اشاره به برنامههای توسنتکنو در زمینه هوش مصنوعی گفت: «با تحلیل الگوریتمهای داخلی و خارجی کیفیت سرویسهای توسنتکنو را به طور قابلتوجهی افزایش دادهایم. خوشبختانه درصد خطای راهکارهای هوش مصنوعی توسنتکنو برای شرکتهای کارگزاری بورسی تقریبا به صفر درصد رسیده است و با استانداردهای جهانی همگام هستیم.»