התאמת פנים ב-AI לאימות KYC במובייל

AI Face Match לאימות תמונות באפליקציית מובייל

הבעיה של KYC ללא Face Match

תהליך KYC ללא השוואת פנים למסמך חשוף להונאת זהות – כל אחד יכול להשתמש בדרכון גנוב. Face Match סוגר את הפער הזה על ידי השוואת סלפי עם תמונת המסמך והחזרת ציון אמון (0.0–1.0). טכנית, זה כולל חילוץ embedding של פנים וחישוב דמיון קוסינוס. אבל השטן נמצא בפרטים: תמונות מסמך סובלות לעיתים קרובות מבוהק ומוארה, תאורת הסלפי אינה מבוקרת, וההזדקנות יכולה להבדיל בשנים. עם ניסיון של שנים בפתרונות AI למובייל, אנו מבטיחים מערכת אימות חזקה ומדויקת. המהנדסים שלנו בדקו מעל 20 מודלים על נתונים אמיתיים ויכולים להשיג FRR מתחת ל-2% עם FAR מתחת ל-0.1%.

איך עובדת השוואת Face Embedding

צינור קלאסי כולל זיהוי פנים, יישור, חילוץ embedding מבוסס CNN, ודמיון קוסינוס. לדוגמה:

1. זיהוי – Vision.VNDetectFaceRectanglesRequest ב-iOS, ML Kit FaceDetector באנדרואיד.
2. יישור – נרמול קואורדינטות העיניים והאף למיקום קנוני. ללא יישור, הדיוק יורד ב-15–20%.
3. Embedding – מודל CNN (ArcFace, MobileFaceNet) ממיר פנים בגודל 112×112 פיקסלים לווקטור בעל 512 ממדים.
4. דמיון קוסינוס – בין שני וקטורים: ערך ≥0.65 בדרך כלל מצביע על התאמה, אך הסף תלוי במודל ובקבוצות הדמוגרפיות היעד.

חשוב לציין, הסף אינו אוניברסלי. לקבוצות דמוגרפיות שונות יש קווי בסיס שונים. מודל טוב מאומן על מערך נתונים מאוזן (MS-Celeb-1M, VGGFace2) ומאומת על LFW ו-AgeDB עם פילוח דמוגרפי. מודל ללא אימות כזה מהווה סיכון לאפליה ולדחיות שגויות עבור משתמשים מבוגרים.

אימות במכשיר לעומת אימות בשרת

הבחירה בין אימות במכשיר לשרת תלויה בדרישות דיוק, מהירות ופרטיות. להלן השוואה של פרמטרים מרכזיים:

MobileFaceNet (1.1 MB) קטן פי 250 מ-ArcFace R100 (250 MB) עם הפרש דיוק של 0.4% בלבד, מה שהופך אותו לאידיאלי לתרחישים במכשיר. ב-iOS, חיזוי על Apple Neural Engine (A14+) אורך ~25 אלפיות שנייה; ב-iPhone SE דור 2 ~180 אלפיות שנייה. עבור מכשירים תקציביים, חיזוי בצד השרת יעיל יותר.

למה עיבוד מקדים של תמונת המסמך חשוב

תמונות דרכון לעיתים קרובות דחוסות, מודפסות ומצולמות מחדש. בעיות אופייניות: חשיפת יתר (בוהק), דפוסי moiré, רזולוציה נמוכה. ללא עיבוד מקדים איכותי, הדיוק יורד ב-10–15%. אנו משתמשים בצינור אוטומטי: תיקון גמא, הפחתת רעש (Core Image CINoiseReduction), הסרת בוהק באמצעות CIHighlightShadowAdjust, ו-CLAHE לניגודיות מקומית. לאחר מכן, זיהוי ויישור מתבצעים כרגיל.

בנוסף, אנו מתחשבים בגורם ההזדקנות: אם המסמך הונפק לפני יותר מ-5 שנים, אנו מורידים את סף הדמיון ב-0.03–0.05. זהו פשרה בין FRR ל-FAR, מאומת על מדגם של 10,000 מקרים אמיתיים. לרקע נוסף, ראו ויקיפדיה: זיהוי פנים.

הגנה מפני התקפות עם זיהוי חיוניות

Face Match ללא זיהוי חיוניות חשוף לתמונה פשוטה. ללא הגנה נגד זיופים, ניתן לתקוף אותו עם מסכה או deepfake. בייצור, יש לשלב זיהוי חיוניות כשלב ראשון: קודם לוודא שאדם חי נמצא מול המצלמה, ואז להריץ השוואת פנים. אנו משלבים שיטות מבוססות טקסטורה (LBP), תנועה (optical flow) ועומק (TrueDepth ב-iOS). גישה משולבת זו מפחיתה את הסיכוי לעקיפה ל-<0.01%.

ארכיטקטורה היברידית: במכשיר + שרת

האיזון האופטימלי מושג עם ארכיטקטורה היברידית: MobileFaceNet במכשיר לבדיקה ראשונית (פילטר סיכון נמוך) ו-ArcFace R100 בשרת לאימות בסיכון גבוה. זה מפחית עלויות שרת ב-40% מבלי לפגוע בדיוק. לדוגמה, אם אמון במכשיר >0.9, העסקה מתקבלת מיד; אם 0.7–0.9, היא נשלחת לשרת; מתחת ל-0.7, מופעלות בדיקות נוספות. השקעה בארכיטקטורה כזו בדרך כלל מחזירה את עצמה תוך 3–6 חודשים על ידי הפחתת אימות ידני.

תהליך יישום Face Match

1. ניתוח – לימוד הנתונים שלך, דרישות דיוק ומהירות.
2. עיצוב – בחירת ארכיטקטורה (במכשיר, שרת או היברידי).
3. יישום – אינטגרציה באפליקציה ובצד השרת (iOS/Android).
4. בדיקות – מקרי קצה: משקפיים, זקן, תאורה חלשה, תמונות ישנות.
5. השקה – פרסום ב-App Store וב-Google Play.
6. תמיכה – ניטור דיוק, כוונון מודל במידת הצורך.

לוחות זמנים משוערים:

מה כלול בעבודה

• ניתוח דרישות ובחירת מודל (במכשיר, שרת או היברידי)
• אינטגרציה של זיהוי, יישור ו-Embedding ב-iOS/Android
• כוונון סף ובדיקות על מדגם מייצג
• יישום צינור עיבוד מקדים לתמונות מסמך
• תיעוד API ואינטגרציה
• הוראות השקה ותפעול
• הדרכת צוות ותמיכה טכנית במהלך ההשקה

לוחות זמנים ומחירים

העלות מחושבת באופן אישי לפי מורכבות, בחירת מודל ושינויים נדרשים. למהנדסים שלנו ניסיון של שנים ב-AI למובייל ומעל 20 פרויקטים מוצלחים של Face Match. אנו מבטיחים סודיות נתונים ועמידה ב-GDPR.

מוכנים לשדרג את תהליך ה-KYC שלכם עם Face Match? צרו קשר לייעוץ – נראה לכם כיצד להפחית עלויות אימות ידני בעד 80% תוך שיפור האבטחה.