Почта Банк внедрил защиту от биометрического мошенничества с использованием фотографий
Почта Банк внедрил высокоточную защиту от биометрических мошенничеств с использованием готовых фотографий и изображений с экранов мобильных устройств. Алгоритмы Liveness от VisionLabs проверяют, действительно ли человек находится перед камерой, а не его изображение, тем самым защищая от внутреннего и внешнего фрода. Решение масштабировано на более чем 26 тысяч точек обслуживания клиентов в отделениях "Почты России".
Новый функционал реализован на основе сервиса Luna Pass от VisionLabs, который позволяет проводить фотографирование через веб-приложение. При фотографировании клиентов для обслуживания или оформления заявок система проверяет качество полученной фотографии по более чем 15 параметрам, среди которых отсутствие засветов, достаточная освещенность, поворот головы и т. д., а также контролирует, чтобы процесс проходил без подмены изображения. Это позволяет защититься от мошенников, которые пытаются взять кредит или снять наличные средства по чужой фотографии.
Почта Банк применяет собственную внутреннюю биометрическую идентификацию клиентов по лицу с момента основания. Она предназначена для защиты от мошеннических действий и неправомерного доступа к счету как в офисах обслуживания, так и в мобильном приложении. Образец изображения лица каждого клиента записывается при первом визите в банк, и в дальнейшем этот слепок используется для его идентификации как дополнительный фактор наряду с предъявлением паспорта. Получить доступ к счету клиента и провести все операции сотрудник банка может только при личном присутствии клиента и после его идентификации по фотографировании, таким образом полностью исключается несанкционированный доступ к счетам. Также в мобильном приложении клиенты могут с помощью селфи самостоятельно подтверждать нетипичные операции, что существенно повышает безопасность использования приложения.
"Наша биометрическая система вот уже много лет надежно защищает средства клиентов как во всех точках обслуживания, так и в приложении. Только в прошлом году благодаря ее использованию мы выявили и предотвратили оформление более 10 тысяч кредитных заявок с подозрением на мошенничество на сумму более 4 млрд рублей. Внедрение "умной" технологии liveness-контроля сделало ее еще более надежной и эффективной", - отметил заместитель президента – председателя правления Почта Банка Святослав Емельянов.
Алгоритмы Liveness используются также для авторизации сотрудников в CRM-системе банка и защиты от внутреннего фрода. При входе в учетную запись по биометрии лица, Luna Pass проверяет подлинность изображения, чтобы избежать несанкционированного доступа к внутренней информации и счетам клиентов. Если проверка Liveness не пройдена, в доступе к CRM-системе будет отказано.
Защита от подлога за счет распечатанной фотографии, изображений или видео с экранов мобильных устройств становится возможной благодаря технологиям компьютерного зрения VisionLabs. Нейронные сети анализируют полученное изображение на предмет нестыковок фона, наличия бликов, искажений изображений лица, перспективных искажений. При этом достаточно всего одного кадра – уникальная технология не требует дополнительного взаимодействия или длительного видео, что делает проверку быстрой и удобной. Процесс занимает секунды и незаметен для пользователя.
"Внедрение защиты от биометрических спуфинг-атак по одному кадру позволяет повысить безопасность финансовых операций. Технологии компьютерного зрения в составе Luna Pass - полностью наша собственная разработка, они обеспечивают одну из самых эффективных в мире защит от внешних попыток обмануть систему распознавания лиц. В рамках крупнейших международных конференций по компьютерному зрению CVPR и ICCV алгоритмы Liveness от VisionLabs три года подряд становились победителями в конкурсе Face Anti-spoofing Challenge", — рассказал Дмитрий Марков, генеральный директор VisionLabs.
Кроме того, Luna Pass не требует значительных аппаратных мощностей и минимизирует требования к каналам связи. КомандаVisionLabs провела значительную работу по оптимизации и конфигурированию внутренних сервисов продукта так, чтобы он работал даже при низкой скорости передачи данных и высоких задержках в канале данных.
