Securitate prin AI pentru Binance P2P: Computer Vision pentru detectarea fraudelor

Share

Viziunea prin calculator (Computer Vision, CV), un domeniu al inteligenței artificiale în care computerele sunt antrenate să interpreteze și să înțeleagă lumea vizuală, oferă una dintre cele mai robuste soluții disponibile astăzi pentru situația dovezilor false de plată.

Prin utilizarea unor tehnici precum recunoașterea optică a caracterelor (OCR), clasificarea imaginilor, detectarea obiectelor și prelucrarea digitală a imaginilor, modelele CV pot fi antrenate să diferențieze dovezile de plată autentice de cele frauduloase.

Aceste modele pot analiza o fotografie sau o captură de ecran, pixel cu pixel, detectând inconsecvențe și anomalii care ar fi de obicei imperceptibile pentru ochiul uman. Fie că este vorba despre o schemă de culori ușor înclinată, un logo distorsionat sau modificări subtile ale fontului, modelul poate identifica aceste discrepanțe cu precizie.

În plus față de utilizarea modelelor CV, Binance efectuează și verificări încrucișate suplimentare cu metadatele imaginii, precum și cu alți parametri, cum ar fi modelele de tranzacționare, pentru a obține o imagine de ansamblu asupra situației.

Recunoașterea optică a caracterelor (OCR)

O armă-cheie din arsenalul Binance împotriva escrocilor este recunoașterea optică a caracterelor (OCR). Modelele OCR ajută să stabilim două informații esențiale:

  • Conținutul textual identificat și transcris din imagine.
  • Poziția acestor fragmente de text identificate și transcrise în cadrul imaginii.

În lumea tranzacțiilor online, sunt disponibile instrumente avansate de editare. Escrocii exploatează adesea aceste instrumente pentru a manipula părți dintr-o dovadă de plată autentică. Unele dintre zonele manipulate în mod obișnuit dintr-o dovadă de plată legitimă includ:

  • Data și ora tranzacției. Acest câmp reprezintă data și ora exactă la care a fost procesată tranzacția. Escrocii pot modifica aceste informații pentru a reflecta un cronologie favorabilă pentru înșelătoria lor. OCR poate ajuta la verificarea exactității acestor date prin validarea lor încrucișată cu marcajul temporal al tranzacției reale.
  • ID-ul tranzacției. Acesta este un identificator unic pentru fiecare tranzacție. Orice inconsecvență în acest câmp este un semn revelator al manipulării. OCR ajută la verificarea ID-ului tranzacției prin validarea lui încrucișată cu tranzacțiile anterioare și scanarea pentru orice ID reutilizat.
  • Suma tranzacției. Poate cel mai manipulat câmp. Modificarea informațiilor din acest câmp poate duce la discrepanțe între valorile reale și cele transmise. Aici, capacitatea sistemului OCR de a identifica cu precizie numerele joacă un rol crucial în prevenirea fraudei.
  • Numele. Numele plătitorului și beneficiarului sunt, de asemenea, modificate destul de frecvent. Modelele OCR pot ajuta la verificarea încrucișată a informațiilor extrase din câmpul numelui prin compararea lor cu acreditările cunoscute ale părților implicate.

Prelucrarea digitală a imaginilor

În contextul manipulării imaginilor, orice modificare adusă unei imagini, indiferent cât de mică, poate lăsa urme sau anomalii care sunt detectate de modelele noastre. Aceste semnale slabe servesc adesea ca dovezi tangibile ale manipulării. Zonele cele mai vulnerabile la această formă de manipulare au o probabilitate mai mare de a revela dacă o imagine a fost modificată.

Analiza nivelului de eroare (ELA)

Un instrument valoros utilizat pentru identificarea unor astfel de urme de manipulare este analiza nivelului de eroare (ELA). ELA inspectează nivelul de compresie dintr-o imagine. În esență, identifică zonele unei imagini care prezintă niveluri diferite de compresie față de cele din zona înconjurătoare, ceea ce poate însemna că acestea au fost editate recent. O imagine originală și neatinsă va avea niveluri de eroare relativ constante pe tot parcursul imaginii. În contrast, părțile ajustate ale imaginii vor afișa un rezultat ELA mai luminos sau mai viu.

Modelele noastre sunt constant antrenate și actualizate pentru a se adapta la tehnicile în continuă evoluție utilizate de escroci, asigurând integritatea platformei și păstrând încrederea acordată de către utilizatorii noștri.

Căutarea de imagini similare

Deși am abordat cazurile în care imaginile sunt manipulate, există și alte tactici folosite de escroci. O altă metodă de escrocherie utilizată în mod obișnuit este utilizarea repetată a unei dovezi de plată legitime identice sau ușor modificate pentru mai multe tranzacții. Dacă o victimă nu verifică tranzacția prin verificarea contului bancar, aceasta ar putea cădea în această capcană.

Având în vedere numărul colosal de tranzacții și imaginile asociate acestora, sarcina de scanare și comparare a fiecărei imagini nu este o realizare ușoară. Implementarea sa în timp real necesită multe resurse și, prin urmare, este practic o provocare.

Pentru a face față acestei provocări, Binance utilizează un codificator de imagini care condensează imaginile în abstracțiuni de date mai mici, dar vitale. Aceste fragmente sunt stocate în baza noastră de date robustă de vectori, permițând algoritmului să efectueze scanări aproape în timp real pentru imagini similare. Această abordare sistematică s-a dovedit a fi extrem de eficientă, permițându-ne să zădărnicim zilnic sute de tentative de escrocherie. Utilizarea unui algoritm de căutare a imaginilor similare este încă un testament al angajamentului nostru de a asigura în mod proactiv siguranța tranzacțiilor pe platforma noastră P2P.