पत्रों, कृपया। कैसे एक तंत्रिका नेटवर्क हमें ग्राहकों को सत्यापित करने और स्कैमर्स को पकड़ने में मदद करता है

इससे पहले कि कोई ग्राहक ePayments में धन हस्तांतरण कर सकता है, उसे सत्यापन से गुजरना होगा। वह हमें अपना व्यक्तिगत डेटा प्रदान करता है और अपनी पहचान और पते को सत्यापित करने के लिए दस्तावेज अपलोड करता है। और हम जांचते हैं कि वे हमारे नियामक की आवश्यकताओं को पूरा करते हैं या नहीं। सत्यापन के लिए आवेदनों का प्रवाह अधिक से अधिक हो गया, ऐसे दस्तावेजों के प्रवाह को संसाधित करना हमारे लिए मुश्किल हो गया। हमें डर था कि इस प्रक्रिया में बहुत समय लगेगा और ग्राहकों के लिए सभी उचित शर्तों से अधिक होगा। फिर हमने गहन अध्ययन के आधार पर एक सत्यापन प्रणाली बनाने का निर्णय लिया।

नियामकों और उनकी आवश्यकताओं के बारे में शैक्षिक कार्यक्रम

इलेक्ट्रॉनिक धन जारी करने के लिए, आपको एक नियामक लाइसेंस प्राप्त करना होगा। यदि आप भुगतान प्रणाली खोलते हैं, उदाहरण के लिए, रूस में, रूसी संघ का सेंट्रल बैंक आपका नियामक बन जाएगा। ePayments एक अंग्रेजी भुगतान प्रणाली है, हमारा नियामक फाइनेंशियल कंडक्ट अथॉरिटी (FCA) है, जो यूके ट्रेजरी को रिपोर्ट करने वाला एक प्राधिकरण है। एफसीए यह सुनिश्चित करता है कि हम एंटी-मनी लॉन्ड्रिंग पॉलिसी (एएमएल) का पालन करें, जिसमें प्रक्रियाओं का पता आपका ग्राहक (केवाईसी) शामिल है।

केवाईसी के अनुसार, हम यह जांचने के लिए प्रतिबद्ध हैं कि हमारा ग्राहक कौन है और क्या वह सामाजिक रूप से खतरनाक समूहों से जुड़ा है। इसलिए, हमारे दो दायित्व हैं:

1. ग्राहक पहचान की पहचान और पुष्टि।
   
2. विभिन्न सूचियों के साथ उनके डेटा का पुनर्निर्माण: आतंकवादी, प्रतिबंधों के तहत व्यक्ति, सरकार के सदस्य और कई अन्य।
   

हर साल, केवाईसी आवश्यकताएँ सख्त और अधिक विस्तृत होती जा रही हैं। 2017 की शुरुआत में, ePayments ग्राहक अभी भी भुगतान प्राप्त कर सकते हैं या सत्यापन के बिना स्थानान्तरण कर सकते हैं। अब यह तब तक संभव नहीं है जब तक वे अपनी पहचान की पुष्टि नहीं करते।

मैनुअल सत्यापन

कुछ साल पहले, हमने अपने दम पर मुकाबला किया। रूसियों ने अपनी पहचान की पुष्टि करने के लिए पासपोर्ट के कुछ पन्नों की एक स्कैन और लीज समझौते की एक स्कैन, पते की पुष्टि के लिए आवास और सांप्रदायिक सेवाओं के भुगतान के लिए एक रसीद भेजी। खेल पत्रों को याद रखें, कृपया? इसमें, एक सीमा शुल्क अधिकारी के रूप में खेलते हुए, आप सरकार की बढ़ती जटिल आवश्यकताओं के खिलाफ दस्तावेजों की जांच करते हैं। हमारे ग्राहक विभाग ने इसे हर दिन काम पर खेला।



कार्यालय की यात्रा के बिना, ग्राहकों को दूरस्थ रूप से सत्यापित किया जाता है। प्रक्रिया को तेज करने के लिए, हमने नए कर्मचारियों को काम पर रखा है, लेकिन यह एक मृत अंत है। फिर तंत्रिका नेटवर्क के काम का हिस्सा सौंपने का विचार आया। यदि वह चेहरे की पहचान के साथ अच्छी तरह से मुकाबला करती है, तो वह हमारे कार्यों का सामना करती है। व्यवसाय के दृष्टिकोण से, एक त्वरित सत्यापन प्रणाली निम्नलिखित में सक्षम होनी चाहिए:

1. एक दस्तावेज़ वर्गीकृत करें। हमें एक पहचान पत्र और निवास के पते की पुष्टि के लिए भेजा जाता है। सिस्टम को जवाब देना चाहिए कि उसे प्रवेश द्वार पर क्या मिला: रूसी संघ के नागरिक का पासपोर्ट, पट्टे का समझौता या कुछ और।
   
2. फोटो और दस्तावेज़ में चेहरे की तुलना करें। हम ग्राहकों से यह सुनिश्चित करने के लिए पहचान पत्र के साथ सेल्फी भेजने को कहते हैं कि वे स्वयं भुगतान प्रणाली में पंजीकृत हैं।
   
3. पाठ निकालें। एक स्मार्टफोन से दर्जनों फ़ील्ड भरना बहुत सुविधाजनक नहीं है। यह बहुत आसान है अगर आवेदन ने आपके लिए सब कुछ किया।
   
4. फोटो असेंबल के लिए छवि फ़ाइलों की जाँच करें। हमें उन स्कैमर्स के बारे में नहीं भूलना चाहिए जो सिस्टम में धोखाधड़ी करना चाहते हैं।
   

आउटपुट पर, सिस्टम को क्लाइंट में विश्वास के एक निश्चित स्तर का संकेत देना चाहिए: उच्च, मध्यम या निम्न। इस तरह के एक उन्नयन पर ध्यान केंद्रित करते हुए, हम ग्राहकों को जल्दी से सत्यापित करेंगे और विस्तारित अवधि के साथ गुस्सा नहीं करेंगे।

डॉक्यूमेंट क्लासीफायर

इस मॉड्यूल का कार्य यह सुनिश्चित करना है कि उपयोगकर्ता एक वैध दस्तावेज भेजता है और एक उत्तर देता है कि उसने क्या अपलोड किया है: कजाकिस्तान के एक नागरिक का पासपोर्ट, एक पट्टा समझौता या आवास और सांप्रदायिक सेवाओं के भुगतान के लिए एक रसीद।

क्लासिफायर इनपुट डेटा प्राप्त करता है:

• फोटो या स्कैन दस्तावेज़
  
• निवास का देश
  
• ग्राहक द्वारा दर्शाए गए दस्तावेज़ का प्रकार (पहचान पत्र या पते का प्रमाण)
  
• निकाला गया पाठ (उस पर और अधिक)
  

आउटपुट पर, क्लासिफायरियर रिपोर्ट करता है कि उसे क्या मिला (पासपोर्ट, ड्राइवर का लाइसेंस, और इसी तरह) और वह सही उत्तर के लिए कितना आश्वस्त है।



समाधान अब वाइड रेजिडेंशियल नेटवर्क आर्किटेक्चर पर चलता है। हम अभी उसके पास नहीं आए। त्वरित सत्यापन प्रणाली के पहले संस्करण ने आर्किटेक्चर के आधार पर काम किया जो वीजीजी ने हमें प्रेरित किया। उसे 2 स्पष्ट समस्याएं थीं: बड़ी संख्या में पैरामीटर (लगभग 130 मिलियन) और दस्तावेज़ की स्थिति के लिए अस्थिरता। इस तरह के एक तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए जितना अधिक पैरामीटर, उतना ही कठिन - यह ज्ञान को सामान्य रूप से खराब करता है। फोटोग्राफ में दस्तावेज़ केंद्रित होना चाहिए, अन्यथा क्लासिफायर को उन नमूनों पर प्रशिक्षित करना होगा जिसमें यह तस्वीर के विभिन्न हिस्सों में स्थित है। नतीजतन, हमने वीजीजी को त्याग दिया और एक अलग वास्तुकला पर स्विच करने का फैसला किया।

अवशिष्ट नेटवर्क (रेसनेट) वीजीजी की तुलना में ठंडा था। कनेक्शन को छोड़ने के लिए धन्यवाद , आप बड़ी संख्या में परतें बना सकते हैं और उच्च सटीकता प्राप्त कर सकते हैं। ResNet में केवल 1 मिलियन पैरामीटर हैं, और वह दस्तावेज़ की स्थिति के प्रति उदासीन थी। कोई फर्क नहीं पड़ता कि यह छवि में कहां स्थित है, इस वास्तुकला पर समाधान ने वर्गीकरण को संभाला।

जब हम एक फ़ाइल के साथ समाधान को अंतिम रूप दे रहे थे, एक नया आर्किटेक्चर संशोधन, वाइड रेजिडेंशियल नेटवर्क (डब्ल्यूआरएन) जारी किया गया था। ResNet से मुख्य अंतर गहराई के मामले में एक कदम पीछे है। WRN में कम परतें हैं, लेकिन अधिक दृढ़ फ़िल्टर हैं। अब यह अधिकांश कार्यों के लिए सबसे अच्छा तंत्रिका नेटवर्क वास्तुकला है और हमारा समाधान इस पर काम करता है।

कुछ उपयोगी उपाय

समस्या नंबर 1. प्रशिक्षित करने के लिए आवश्यक क्लासिफायरियर। हमें बहुत सारे रूसी, कजाख और बेलारूसी पासपोर्ट और ड्राइवर के लाइसेंस डाउनलोड करने थे। लेकिन, निश्चित रूप से, आप ग्राहक दस्तावेज नहीं ले सकते। नेटवर्क पर नमूने हैं, लेकिन तंत्रिका नेटवर्क को सफलतापूर्वक प्रशिक्षित करने के लिए उनमें से बहुत कम हैं।

निर्णय। हमारे तकनीकी विभाग ने प्रत्येक प्रकार के 8000+ नमूनों का नमूना तैयार किया। हम एक दस्तावेज़ टेम्पलेट बनाते हैं और कई यादृच्छिक नमूनों द्वारा गुणा करते हैं। फिर हम कैमरा के सापेक्ष अंतरिक्ष में दस्तावेज़ की एक यादृच्छिक स्थिति उत्पन्न करते हैं, इसके गणितीय मॉडल और विशेषताओं को ध्यान में रखते हुए: फोकल लंबाई, मैट्रिक्स रिज़ॉल्यूशन, और इसी तरह। कृत्रिम फोटोग्राफ बनाते समय, तैयार डेटा सेट से एक यादृच्छिक छवि को पृष्ठभूमि के रूप में चुना जाता है। उसके बाद, परिप्रेक्ष्य विकृतियों वाला एक दस्तावेज यादृच्छिक रूप से छवि पर रखा जाता है। इस तरह के नमूने पर, हमारे तंत्रिका नेटवर्क को अच्छी तरह से प्रशिक्षित किया गया था और "युद्ध में" दस्तावेज को पूरी तरह से परिभाषित किया गया था। परिणाम लेख के अंत में हैं।

समस्या संख्या 2. कंप्यूटिंग संसाधनों और स्मृति पर प्रतिबंध। यह बड़ी छवियों के इनपुट के लिए एक गहरे तंत्रिका नेटवर्क को प्रस्तुत करने का कोई मतलब नहीं है। और आधुनिक स्मार्टफ़ोन की तस्वीरें बस यही हैं।

निर्णय। इनपुट पर आवेदन करने से पहले, फोटो लगभग 300x300 पिक्सल के आकार के लिए संकुचित होता है। इस अनुमति की छवि से, कोई आसानी से एक पहचान दस्तावेज को दूसरे से अलग कर सकता है। इस समस्या को हल करने के लिए, हम मानक वाइड रेनेट आर्किटेक्चर का उपयोग कर सकते हैं।

समस्या संख्या 3. निवास के पते की पुष्टि करने वाले दस्तावेजों के साथ, सब कुछ अधिक जटिल है। लीज एग्रीमेंट या बैंक स्टेटमेंट केवल शीट पर मौजूद टेक्स्ट से अलग किया जा सकता है। छवि के आकार को समान 300x300 पिक्सेल तक कम करने के बाद, इनमें से कोई भी दस्तावेज़ समान दिखता है - जैसे कि गैर-कानूनी पाठ के साथ A4 शीट।

निर्णय। मनमाने दस्तावेजों को वर्गीकृत करने के लिए, हमने स्वयं तंत्रिका नेटवर्क की वास्तुकला में बदलाव किए। इसमें न्यूरॉन्स की एक अतिरिक्त इनपुट परत दिखाई दी, जो आउटपुट लेयर से जुड़ी होती है। इस इनपुट परत के न्यूरॉन्स एक वेक्टर इनपुट प्राप्त करते हैं जो बैग-ऑफ-वर्ड्स मॉडल का उपयोग करके पहले से मान्यता प्राप्त पाठ का वर्णन करता है।

सबसे पहले, हमने पहचान दस्तावेजों को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित किया। हमने मनमाने दस्तावेजों को वर्गीकृत करने के लिए एक अतिरिक्त परत के साथ दूसरे नेटवर्क को शुरू करते समय प्रशिक्षित नेटवर्क के भार का उपयोग किया। इस समाधान में उच्च सटीकता थी, लेकिन पाठ मान्यता में कुछ समय लगा। विभिन्न मॉड्यूल और वर्गीकरण सटीकता के बीच प्रसंस्करण गति में अंतर तालिका संख्या 2 में देखा जा सकता है।

चेहरे की पहचान

दस्तावेजों की जांच करने वाली भुगतान प्रणाली को कैसे ट्रिक करें? आप किसी और का पासपोर्ट उधार ले सकते हैं और उसका उपयोग कर पंजीकरण कर सकते हैं। यह सुनिश्चित करने के लिए कि ग्राहक खुद को पंजीकृत कर रहा है, हम आपको पहचान पत्र के साथ एक सेल्फी लेने के लिए कहते हैं। और मान्यता मॉड्यूल को दस्तावेज़ पर चेहरे और सेल्फी पर चेहरे की तुलना करनी चाहिए और जवाब देना चाहिए, यह एक व्यक्ति या दो अलग है।

यदि आप एक कार हैं और कार की तरह सोचते हैं तो 2 चेहरों की तुलना कैसे करें? मापदंडों के एक सेट में एक तस्वीर चालू करें और एक दूसरे के साथ उनके मूल्यों की तुलना करें। यह कैसे तंत्रिका नेटवर्क है जो चेहरे के काम को पहचानता है। वे एक छवि लेते हैं और इसे 128-आयामी (उदाहरण के लिए) वेक्टर में बदल देते हैं। जब आप इनपुट में एक और चेहरे की छवि सबमिट करते हैं और उनकी तुलना करने के लिए कहते हैं, तो तंत्रिका नेटवर्क दूसरे चेहरे को वेक्टर में बदल देगा और उनके बीच की दूरी की गणना करेगा।


तालिका 1. चेहरा पहचानने में वैक्टर के बीच अंतर की गणना का एक उदाहरण। स्टीव बूसमी 0.44 द्वारा अलग-अलग तस्वीरों में खुद से अलग है। और जेनिफर एनिस्टन से - 1.33 का औसत।

बेशक, इस बात पर मतभेद हैं कि व्यक्ति जीवन में और पासपोर्ट पर कैसा दिखता है। हमने वैक्टर के बीच की दूरी का भी चयन किया और परिणाम प्राप्त करने के लिए वास्तविक लोगों पर परीक्षण किया। किसी भी मामले में, अंतिम निर्णय अब व्यक्ति द्वारा किया जाएगा, और सिस्टम से एक टिप्पणी केवल एक सिफारिश होगी।

पाठ मान्यता

दस्तावेजों पर पाठ क्षेत्र हैं जो क्लासिफायर को समझने में मदद करते हैं कि इसके सामने क्या है। यह उपयोगकर्ता के लिए सुविधाजनक होगा यदि उसी पासपोर्ट से पाठ को स्वचालित रूप से स्थानांतरित किया जाता है और इसे मैन्युअल रूप से टाइप नहीं किया जाना है, तो किसके द्वारा और कब जारी किया गया था। ऐसा करने के लिए, हमने निम्नलिखित मॉड्यूल को बनाया - मान्यता और पाठ निष्कर्षण।

कुछ दस्तावेजों पर, उदाहरण के लिए, रूसी संघ के नए पासपोर्ट मशीन-पठनीय क्षेत्र (MRZ) हैं। इसकी मदद से, जानकारी लेना आसान है - सफेद पृष्ठभूमि पर काले पाठ को पढ़ना आसान है, जिसे पहचानना आसान है। इसके अलावा, एमआरजेड के पास एक प्रसिद्ध प्रारूप है, जिसके लिए आवश्यक डेटा प्राप्त करना आसान है।



यदि कार्य में एमआरजेड के साथ दस्तावेज हैं, तो यह हमारे लिए आसान हो जाता है। पूरी प्रक्रिया कंप्यूटर दृष्टि के क्षेत्र में निहित है। यदि यह ज़ोन नहीं है, तो पाठ को पहचानने के बाद आपको एक दिलचस्प समस्या को हल करने की आवश्यकता है - समझने के लिए, और हमें क्या जानकारी मिली? उदाहरण के लिए, "15 मई, 1999" जन्म तिथि या मुद्दे की तारीख है? इस स्तर पर, आप एक गलती भी कर सकते हैं। MRZ अच्छा है क्योंकि यह विशिष्ट रूप से डिकोड किया गया है। हम हमेशा जानते हैं कि MRZ के किस भाग और किस हिस्से की तलाश करनी है। यह हमारे लिए बहुत सुविधाजनक है। लेकिन एमआरजेड सबसे लोकप्रिय दस्तावेज पर नहीं था जिसके साथ नेटवर्क काम करेगा - रूसी संघ का पासपोर्ट।

पाठ पहचान के लिए, हमें एक बहुत प्रभावी समाधान की आवश्यकता है। पाठ को फोन के कैमरे द्वारा ली गई छवि से हटाना होगा और सबसे अधिक पेशेवर फोटोग्राफरों द्वारा नहीं। हमने Google Tesseract और कई सशुल्क समाधानों का परीक्षण किया। कुछ भी नहीं आया - या तो यह खराब काम करता था, या यह अनुचित रूप से महंगा था। नतीजतन, हमने अपना समाधान विकसित करना शुरू कर दिया। अब हम उसकी टेस्टिंग खत्म कर रहे हैं। समाधान सभ्य परिणाम दिखाता है - आप नीचे उनके बारे में पढ़ सकते हैं। हम थोड़ी देर बाद तस्वीर असेंबल के लिए जाँच करने के लिए मॉड्यूल के बारे में बात करेंगे, जब परीक्षण नमूनों पर और "लड़ाई" पर सटीक शोध परिणाम होंगे।

परिणाम

वर्तमान में सिस्टम का परीक्षण रूस से सत्यापन के लिए आवेदनों के खंड पर किया जा रहा है। खंड यादृच्छिक नमूने द्वारा निर्धारित किया जाता है, परिणाम एक विशेष क्लाइंट के लिए ग्राहक विभाग के ऑपरेटर के निर्णयों के खिलाफ सहेजे जाते हैं और जांचे जाते हैं।

देश	क्लासिफायर टाइप	शुद्धता	काम करने का समय, एस
रूस	आईडी कार्ड	99.96%	0.41
रूस	कस्टम दस्तावेज़	98.62%	6.89
कजाखस्तान	आईडी कार्ड	99.51%	0.47
कजाखस्तान	कस्टम दस्तावेज़	97.25%	7.66
बेलारूस	आईडी कार्ड	98.63%	0.46
बेलारूस	कस्टम दस्तावेज़	98.63%	9.66

तालिका 2. दस्तावेजों के वर्गीकरण की सटीकता (ऑपरेटर के मूल्यांकन के साथ तुलना में दस्तावेज़ का सही वर्गीकरण)।

मशीन सीखने के महान लाभों में से एक यह है कि तंत्रिका नेटवर्क वास्तव में सीखता है और कम गलतियाँ करता है। जल्द ही हम सेगमेंट पर परीक्षण खत्म करेंगे और सत्यापन प्रणाली को "मुकाबला" मोड में लॉन्च करेंगे। सत्यापन के लिए 30% आवेदन रूस, कजाकिस्तान और बेलारूस से आए हैं। हमारे अनुमानों के अनुसार, लॉन्च से ग्राहक विभाग पर भार 20-25% कम करने में मदद मिलेगी। भविष्य में, समाधान को यूरोपीय देशों तक बढ़ाया जा सकता है।

नौकरी की तलाश है?

हम सेंट पीटर्सबर्ग में एक कार्यालय में काम करने के लिए कर्मचारियों की तलाश कर रहे हैं। यदि आप महत्वाकांक्षी कार्यों के एक बड़े पूल के साथ एक अंतरराष्ट्रीय परियोजना में रुचि रखते हैं, तो हम आपका इंतजार कर रहे हैं। हमारे पास पर्याप्त लोग नहीं हैं जो उन्हें महसूस करने से डरते नहीं हैं। नीचे आपको hh.ru पर रिक्तियों के लिंक मिलेंगे।

• सी # डेवलपर
• फ्रंट-एंड डेवलपर
• क्यूए लीड
• क्यूए इंजीनियर
• वरिष्ठ .NET डेवलपर / टीम लीड
• विश्लेषक