Securitate prin AI pentru Binance P2P: Computer Vision pentru detectarea fraudelor
calendar_month 27 Feb 2024, 15:00


Viziunea prin calculator (Computer Vision, CV), un domeniu al inteligentei artificiale în care computerele sunt antrenate sa interpreteze si sa înteleaga lumea vizuala, ofera una dintre cele mai robuste solutii disponibile astazi pentru situatia dovezilor false de plata.

Prin utilizarea unor tehnici precum recunoasterea optica a caracterelor (OCR), clasificarea imaginilor, detectarea obiectelor si prelucrarea digitala a imaginilor, modelele CV pot fi antrenate sa diferentieze dovezile de plata autentice de cele frauduloase.

Aceste modele pot analiza o fotografie sau o captura de ecran, pixel cu pixel, detectand inconsecvente si anomalii care ar fi de obicei imperceptibile pentru ochiul uman. Fie ca este vorba despre o schema de culori usor înclinata, un logo distorsionat sau modificari subtile ale fontului, modelul poate identifica aceste discrepante cu precizie.

În plus fata de utilizarea modelelor CV, Binance efectueaza si verificari încrucisate suplimentare cu metadatele imaginii, precum si cu alti parametri, cum ar fi modelele de tranzactionare, pentru a obtine o imagine de ansamblu asupra situatiei.

Recunoasterea optica a caracterelor (OCR)

O arma-cheie din arsenalul Binance împotriva escrocilor este recunoasterea optica a caracterelor (OCR). Modelele OCR ajuta sa stabilim doua informatii esentiale:

- Continutul textual identificat si transcris din imagine.

- Pozitia acestor fragmente de text identificate si transcrise în cadrul imaginii.

În lumea tranzactiilor online, sunt disponibile instrumente avansate de editare. Escrocii exploateaza adesea aceste instrumente pentru a manipula parti dintr-o dovada de plata autentica. Unele dintre zonele manipulate în mod obisnuit dintr-o dovada de plata legitima includ:

- Data si ora tranzactiei. Acest camp reprezinta data si ora exacta la care a fost procesata tranzactia. Escrocii pot modifica aceste informatii pentru a reflecta un cronologie favorabila pentru înselatoria lor. OCR poate ajuta la verificarea exactitatii acestor date prin validarea lor încrucisata cu marcajul temporal al tranzactiei reale.

- ID-ul tranzactiei. Acesta este un identificator unic pentru fiecare tranzactie. Orice inconsecventa în acest camp este un semn revelator al manipularii. OCR ajuta la verificarea ID-ului tranzactiei prin validarea lui încrucisata cu tranzactiile anterioare si scanarea pentru orice ID reutilizat.

- Suma tranzactiei. Poate cel mai manipulat camp. Modificarea informatiilor din acest camp poate duce la discrepante între valorile reale si cele transmise. Aici, capacitatea sistemului OCR de a identifica cu precizie numerele joaca un rol crucial în prevenirea fraudei.

- Numele. Numele platitorului si beneficiarului sunt, de asemenea, modificate destul de frecvent. Modelele OCR pot ajuta la verificarea încrucisata a informatiilor extrase din campul numelui prin compararea lor cu acreditarile cunoscute ale partilor implicate.

Prelucrarea digitala a imaginilor

În contextul manipularii imaginilor, orice modificare adusa unei imagini, indiferent cat de mica, poate lasa urme sau anomalii care sunt detectate de modelele noastre. Aceste semnale slabe servesc adesea ca dovezi tangibile ale manipularii. Zonele cele mai vulnerabile la aceasta forma de manipulare au o probabilitate mai mare de a revela daca o imagine a fost modificata.



Analiza nivelului de eroare (ELA)

Un instrument valoros utilizat pentru identificarea unor astfel de urme de manipulare este analiza nivelului de eroare (ELA). ELA inspecteaza nivelul de compresie dintr-o imagine. În esenta, identifica zonele unei imagini care prezinta niveluri diferite de compresie fata de cele din zona înconjuratoare, ceea ce poate însemna ca acestea au fost editate recent. O imagine originala si neatinsa va avea niveluri de eroare relativ constante pe tot parcursul imaginii. În contrast, partile ajustate ale imaginii vor afisa un rezultat ELA mai luminos sau mai viu.

Modelele noastre sunt constant antrenate si actualizate pentru a se adapta la tehnicile în continua evolutie utilizate de escroci, asigurand integritatea platformei si pastrand încrederea acordata de catre utilizatorii nostri.

Cautarea de imagini similare

Desi am abordat cazurile în care imaginile sunt manipulate, exista si alte tactici folosite de escroci. O alta metoda de escrocherie utilizata în mod obisnuit este utilizarea repetata a unei dovezi de plata legitime identice sau usor modificate pentru mai multe tranzactii. Daca o victima nu verifica tranzactia prin verificarea contului bancar, aceasta ar putea cadea în aceasta capcana.

Avand în vedere numarul colosal de tranzactii si imaginile asociate acestora, sarcina de scanare si comparare a fiecarei imagini nu este o realizare usoara. Implementarea sa în timp real necesita multe resurse si, prin urmare, este practic o provocare.

Pentru a face fata acestei provocari, Binance utilizeaza un codificator de imagini care condenseaza imaginile în abstractiuni de date mai mici, dar vitale. Aceste fragmente sunt stocate în baza noastra de date robusta de vectori, permitand algoritmului sa efectueze scanari aproape în timp real pentru imagini similare. Aceasta abordare sistematica s-a dovedit a fi extrem de eficienta, permitandu-ne sa zadarnicim zilnic sute de tentative de escrocherie. Utilizarea unui algoritm de cautare a imaginilor similare este înca un testament al angajamentului nostru de a asigura în mod proactiv siguranta tranzactiilor pe platforma noastra P2P.



Sondaj

Ce cadou ti-ar placea sa primesti?