احراز هویت غیرحضوری (eKYC) به منظور شناسایی هویت افراد، امروزه یک نیاز اصلی برای کاهش ترددها و مراجعه‌های حضوری افراد به شعب و دفاتر سازمان‌ها و کسب و کارهای مختلف از جمله نهادهای دولتی و حاکمیتی مانند دفاتر پیشخوان دولتی، قوه قضاییه (به ویژه دفاتر قضایی)، نیروی انتظامی (به ویژه دفاتر پلیس+10)، شهرداری (به ویژه دفاتر خدمات شهری) و کسب و کارهای بزرگ مانند بانک‌ها، اپراتورها (دفاتر نمایندگی)، بیمه‌ها، کسب و کارهای پلتفرمی و آنلاین (مانند خدمات منزل، تاکسی اینترنتی و ...) است. انجام این کار با استفاده از روش‌های نوین مبتنی بر پردازش های هوش مصنوعی، بهره‌گیری از الگوریتم‌های رمزنگاری و همچنین دریافت استعلام‌های آنلاین از مراجع ذیصلاح ممکن است.

راهکار نرم‌افزاری eKYC یک محصول بومی است که با بهره‌گیری از انواع روش‌های مدرن در حوزه احراز هویت بیومتریکی و امنیت، می‌تواند به دو صورت ابری (Cloud) و در محل (On-Premise) سرویس احراز هویت راه دور را ارائه کند. این نرم افزار از بخش‌های مختلفی تشکیل شده است که به صورت خلاصه شامل موارد زیر است:

  • الگوریتم‌های هوش مصنوعی شامل پردازش تصویر/ویدئو و پردازش گفتار برای تشخیص چهره، تشخیص زنده بودن، تشخیص جنسیت، تخمین سن، تطبیق امضا و ...
  • الگوریتم‌های امنیتی و رمزنگاری برای تولید رمز یکبار مصرف، امضای دیجیتال، کدگذاری اطلاعات و ...
  • استعلام از مراجع بیرونی مانند ثبت احوال، شاهکار، قوه قضاییه، مدرک تحصیلی، سو پیشینه، آدرس و کدپستی و ...
  • پیشخوان‌های مدیریتی برای نمایش گزارش‌های عملکرد سامانه
  • مانیتورینگ و بررسی سلامتی سرویس

 

احراز هویت دیجیتال

از مهم‌ترین بخش‌های راهکار احراز هویت راه دور، ماژول‌های هوشمند آن است که با بهره‌گیری از الگوریتم‌های یادگیری ماشین و هوش مصنوعی، سیستم را در رسیدن به اهداف تشخیص هویت و شناسایی افراد یاری می‌کنند. ماژول‌های این حوزه شامل موارد زیر هستند:

  1. کشف چهره (Face Detection): این ماژول کار تشخیص محل چهره در تصاویر/ویدئوهای دریافتی از دوربین را برعهده دارد و قادر است در سمت سرور و کلاینت به پردازش تصاویر/ویدئوها و کشف مکان چهره بپردازد.
  2. تشخیص چهره (Face Recognition): این ماژول با بهره‌گیری از روش‌های نوین یادگیری عمیق (Deep Learning)، یکی از کاراترین الگوریتم‌های تشخیص چهره است که با دریافت چهره از فایل تصویری (عکس) یا ویدئو در حال پخش (استریم)، بعد از تشخیص محل چهره، نرمال کردن تصویر و حذف نویز، کار تطبیق چهره را با عکس مرجع انجام می‌دهد.
  3. تشخیص زنده بودن (Liveness Detection): آسیب‌پذیری سیستم‌های تشخیص چهره در برابر حملات نمایش چهره غیرزنده (که به عنوان حملات مستقیم یا حملات کلاهبرداری شناخته می‌شود) یکی از نگرانی‌های اصلی استفاده از این روش زیست‌سنجی است. هدف حمله نمایش (Presentation Attack)، دور زدن سیستم تشخیص چهره با استفاده از نمایش چهره مصنوعی است. استفاده‌های رایج از چهره غیر واقعی شامل عکس چاپ شده، نمایش الکترونیکی یک عکس صورت، پخش ویدیو با استفاده از یک نمایشگر الکترونیکی و ماسک‌های صورت سه‌بعدی می‌باشد. با این حال برای مقابله با این ریسک، از روش‌های مختلف تشخیص زنده بودن در تصاویر/ویدئوها استفاده می‌شود که شامل یک روش غیرتعاملی (Passive)  و چند روش‌ فعال (Active) مبتنی بر چالش-پاسخ است. روش‌های فعال مورد پشتیبانی در این راهکار شامل تشخیص پلک زدن، لب‌خوانی (Lip Reading) و تشخیص گفتار (Speech Recognition) است.
  4. تطبیق امضا (Signature Verification) که برای تطبیق دو امضای مختلف به کار می‌رود و در شرایطی قابل استفاده است که نمونه امضای مشتری از قبل در سامانه وجود داشته باشد.
  5. تشخیص هویت از روی صدا (Voice Verification) که مانند ماژول تطبیق امضا برای شرایطی قابل استفاده است که نمونه صدای فرد در زمان ثبت‌نام از وی گرفته شده باشد.
  6. مکان یابی کارت ملی (NID Detection) و استخراج اطلاعات آن با نویسه‌خوان نوری (OCR): این ماژول کار تحلیل ساختار تصاویر دریافتی و شناسایی محل کارت کلی و استخراج اطلاعات نوشته شده روی آنها را بر عهده دارد. همچنین از این ماژول برای تبدیل MRZ گذرنامه به اطلاعات هویتی فرد استفاده می‌شود.
  7. تشخیص جنسیت (Gender Recognition)
  8. تشخیص سن (Age Estimation)