การยืนยันตัวตนโดยใช้ Amazon Rekognition

ยืนยันตัวตนของผู้ใช้ออนไลน์โดยใช้ ML

ทำไมควรเลือกใช้การยืนยันข้อมูลประจำตัว

การยืนยันตัวตนผู้ใช้แบบตัวต่อตัวนั้นใช้เวลานานในการปรับขนาด มีค่าใช้จ่ายสูง และมีขั้นตอนที่มากเกินสำหรับผู้ใช้ ไบโอเมตริกซ์ใบหน้าที่ขับเคลื่อนด้วยแมชชีนเลิร์นนิง (ML) สามารถช่วยยืนยันตัวตนของผู้ใช้ทางออนไลน์ได้ Amazon Rekognition มาพร้อมความสามารถในการจดจำใบหน้าและการวิเคราะห์ที่ฝึกมาแล้ว คุณสามารถเพิ่มลงในเวิร์กโฟลว์การเริ่มต้นใช้งานและการยืนยันตัวตนของผู้ใช้ได้อย่างรวดเร็วเพื่อยืนยันตัวตนของผู้ใช้แบบออนไลน์ ไม่จำเป็นต้องมีความชำนาญเกี่ยวกับ ML แต่อย่างใด Amazon Rekognition ทำให้คุณสามารถเริ่มให้บริการและยืนยันตัวตนของผู้ใช้ได้ในไม่กี่วินาที พร้อมกับการตรวจจับบัญชีที่ปลอมแปลงหรือซ้ำกันในเวลาเดียวกัน ซึ่งทำให้คุณสามารถขยายฐานผู้ใช้ในเวลาที่สั้นลง ลดการปลอมแปลง และลดค่าใช้จ่ายในการยืนยันตัวตนผู้ใช้

ประโยชน์ของการยืนยันตัวตน

เปลี่ยนผู้เยี่ยมชมให้กลายเป็นลูกค้าจำนวนมากขึ้นโดยลดเวลาการเริ่มต้นใช้งานและเพิ่มความสะดวกสบายให้แก่ผู้ใช้ ด้วย Amazon Rekognition คุณสามารถยืนยันตัวตนผู้ใช้ออนไลน์ทั่วโลกได้ในไม่กี่วินาที และขยายจำนวนการยืนยันตัวตนจากหลักร้อยสู่หลักล้านต่อชั่วโมงได้ ผู้ใช้จะสามารถเข้าถึงบริการของคุณทางออนไลน์โดยไม่จำเป็นต้องไปที่ร้านด้วยตนเอง

ลดเวลาและต้นทุนของการยืนยันตัวตนแบบตัวต่อตัวด้วยการใช้ API ที่ได้รับการฝึกไว้ล่วงหน้าและปรับแต่งได้จาก Amazon Rekognition ด้วย Amazon Rekognition คุณสามารถเริ่มให้บริการและยืนยันตัวตนของผู้ใช้ออนไลน์ โดยไม่จำเป็นต้องสร้างและจัดการโครงสร้างพื้นฐาน ML ด้วยตัวเอง

เสริมสร้างความสามารถในการป้องกันการฉ้อโกงของคุณด้วยการเสริมการตรวจสอบสิทธิ์โดยใช้รหัสผ่านร่วมกับการยืนยันตัวตนภาพออนไลน์ ป้องกันการเปิดบัญชีหรือทำธุรกรรมฉ้อโกงโดยการเปรียบเทียบรูปเซลฟี่ของผู้ใช้กับรูปเอกสารระบุตัวตนหรือคอลเลกชันรูปถ่ายของผู้ใช้ที่มีอยู่ของคุณ

 

ข้อมูลทั่วไป

ระบบตรวจจับใบหน้าบุคคลจริงของ Amazon Rekognition ช่วยให้คุณตรวจสอบยืนยันเพื่อให้เฉพาะผู้ใช้จริงเท่านั้นที่สามารถเข้าถึงบริการของคุณได้ ไม่ใช่ผู้ไม่หวังดีที่ใช้การปลอมแปลง คุณสามารถตรวจจับการปลอมแปลงที่ทำต่อหน้ากล้องได้ เช่น การใช้ภาพถ่ายที่พิมพ์ออกมา ภาพถ่ายดิจิทัล วิดีโอดิจิทัล หรือหน้ากาก 3 มิติ รวมถึงการปลอมแปลงที่ไม่ได้ทำต่อหน้ากล้อง เช่น การใช้วิดีโอที่บันทึกไว้ล่วงหน้าหรือวิดีโอปลอมแปลงอัตลักษณ์เฉพาะของบุคคล

ระบบตรวจจับใบหน้าของ Amazon Rekognition ช่วยให้คุณตรวจสอบภาพเซลฟีของผู้ใช้ว่าถูกบันทึกไว้อย่างถูกต้องหรือไม่ คุณสามารถตรวจจับได้ว่ามีใบหน้าอยู่ในรูปภาพหรือไม่ คุณยังสามารถใช้คุณลักษณะที่คาดการณ์ได้ เช่น ขนาดกรอบ ท่าทาง ความสว่าง ความคมชัด การลืมตา การอ้าปาก และแว่นตาที่สวมใส่เพื่อกำหนดคุณภาพของรูปภาพ

ระบบเปรียบเทียบใบหน้าของ Amazon Rekognition ช่วยให้คุณเปรียบเทียบความคล้ายคลึงกันของสองใบหน้าเพื่อระบุว่าเป็นบุคคลเดียวกันหรือไม่ คุณจะได้รับคะแนนประเมินความคล้ายคลึงกันระหว่างภาพเซลฟีของผู้ใช้เทียบกับรูปภาพในเอกสารยืนยันตัวตนแบบเกือบเรียลไทม์

Amazon Rekognition Face Index และ Search ช่วยให้คุณสร้างคอลเลกชันใบหน้าของผู้ใช้ที่มีอยู่และค้นหาภาพเซลฟี่ของผู้ใช้ใหม่กับใบหน้าทั้งหมดในคอลเลกชันของคุณเพื่อตรวจจับความพยายามสร้างบัญชีซ้ำหรือฉ้อโกง

ระบบตรวจจับวัตถุของ Amazon Rekognition ช่วยให้คุณระบุประเภทของเอกสารยืนยันตัวตนของผู้ใช้ เช่น ใบขับขี่หรือหนังสือเดินทาง คุณยังสามารถใช้ Amazon Rekognition Custom Labels เพื่อตรวจประเภทเอกสารยืนยันตัวตนเฉพาะในภูมิภาคของคุณ โดยการตั้งค่าโมเดลแมชชีนเลิร์นนิงแบบกำหนดเองโดยใช้รูปภาพที่มีคำอธิบายประกอบเล็กน้อย

ระบบตรวจจับข้อความของ Amazon Rekognition ช่วยให้คุณดึงข้อความที่สำคัญบนเอกสารยืนยันตัวตน เช่น ชื่อ วันที่ออกเอกสาร อายุ และเลขประจำตัวประชาชน เป็นต้น คุณสามารถเปรียบเทียบข้อมูลนี้กับข้อมูลในแบบฟอร์มสมัครของผู้ใช้

ลูกค้า

  • Aella Credit

    Aella Credit ให้บริการกู้เงินเร่งด่วนกับบุคคลต่าง ๆ ที่มีแหล่งรายได้ซึ่งตรวจสอบได้ในตลาดเกิดใหม่ โดยใช้ข้อมูลไบโอเมตริก ผู้จ้างงาน และโทรศัพท์มือถือ

    การยืนยันและการตรวจสอบตัวตนเป็นความท้าทายยิ่งใหญ่มาตลอดในตลาดเกิดใหม่ ความสามารถในการระบุผู้ใช้อย่างถูกต้องคือกุญแจสำคัญที่ซ่อนอยู่ภายใต้การสร้างสินเชื่อถือให้กับผู้คนหลายพันล้านคนในตลาดเกิดใหม่ การใช้ Amazon Rekognition สำหรับการยืนยันตัวตนบนแอปพลิเคชันมือถือได้ทำให้ข้อผิดพลาดในการตรวจสอบยืนยันลดลงอย่างมากและทำให้เรามีความสามารถในการปรับขนาด ขณะนี้เราจึงสามารถตรวจจับและยืนยันตัวตนรายบุคคลได้แบบเรียลไทม์โดยไม่มีการแทรกแซงจากมนุษย์ ทำให้เข้าถึงผลิตภัณฑ์ได้รวดเร็วยิ่งขึ้น เราพยายามใช้โซลูชันที่มีการโฆษณาอย่างดีมากมาย แต่ไม่มีวิธีที่ได้รับความนิยมใดสามารถแสดงรายละเอียดสีผิวอันหลากหลายได้ Amazon Rekognition ช่วยให้เราจดจำใบหน้าลูกค้าของเราในตลาดได้อย่างมีประสิทธิภาพ และยังช่วยเราด้าน KYC ในเรื่องการค้นหาโพรไฟล์ที่ซ้อนทับกันและชุดข้อมูลที่ซ้ำซ้อนอีกด้วย

    Wale Akanbi หัวหน้างานเจ้าหน้าที่เทคโนโลยีและผู้ร่วมก่อตั้งของ Aella Credit
  • AU Small Finance Bank

    AU Small Finance Bank (AU Bank) คือธนาคารการเงินขนาดเล็กที่ใหญ่ที่สุดในอินเดีย (อิงจากทรัพย์สินและหนี้สิน) ซึ่งประสบความสำเร็จในการเตรียมความพร้อมสำหรับลูกค้ารายใหม่ด้วย KYC ผ่านวิดีโอตั้งแต่ปี 2020 โดยในขณะนี้สามารถรองรับลูกค้ากว่า 2.7 ล้านรายในช่องทางการบริการทางธนาคาร 900 ช่องทาง

    AWS มีความสามารถในการเพิ่มทรัพยากรและความเสถียรที่จำเป็นสำหรับแพลตฟอร์ม WorkApps และสามารถเร่งเวลาในการทำการตลาดและเวลาในการสร้างมูลค่าของเราได้เป็นอย่างมากด้วยโซลูชันที่ใช้ระบบคลาวด์

    Ankur Tripathi ประธานเจ้าหน้าที่ฝ่ายสารสนเทศ AU Small Finance Bank
  • Carbon

     

    Carbon เป็นแพลตฟอร์มบริการทางการเงินดิจิทัลที่ขับเคลื่อนโดย OneFi ซึ่งให้บริการแก่บุคคลที่ไม่มีบัญชีธนาคารในแอฟริกาตะวันตกผ่านแอปมือถือ Android ซึ่งมีการดาวน์โหลดมากกว่า 900,000 ครั้ง

    ในเดือนพฤษภาคม 2016 บริษัท Carbon ได้เปิดตัวแอปมือถือสำหรับดำเนินการขอสินเชื่อ รูปภาพจะถูกสร้างและใช้อย่างต่อเนื่องในอัตราที่เร็วกว่าเมื่อก่อนผ่านแอปมือถือ Carbon จึงจำเป็นต้องตอบสนองความต้องการที่เพิ่มขึ้นสำหรับการวิเคราะห์รูปภาพสำหรับการตรวจจับการปลอมแปลงและการวิเคราะห์ความเสี่ยง เราต้องการยืนยันว่ามีการตรวจจับใบหน้ามนุษย์จริงหรือไม่จากรูปภาพที่อัปโหลด และยืนยันลักษณะอื่น ๆ เช่น เพศและตัวตน เป็นต้น เราเลือก Amazon Rekognition เนื่องจากความสะดวกในการเพิ่มการวิเคราะห์รูปภาพไปยังแอปมือถือของเราและความแม่นยำในการวิเคราะห์ใบหน้า

    Olawale Olaleye หัวหน้าฝ่ายวิศวกรรมโครงสร้างพื้นฐานไอที - OneFi
  • Software Colombia

    Software Colombia คือบริษัทพัฒนาซอฟต์แวร์ AI และ ML ระดับแนวหน้าของวงการที่ให้บริการโซลูชันเทคโนโลยีที่ล้ำสมัยทั่วโลก โดยมุ่งเน้นที่นวัตกรรม คุณภาพ และความพึงพอใจของลูกค้าในโปรเกจต์ที่ทำงานอยู่มากกว่า 300 โปรเจกต์

    อ่านเรื่องราวความสำเร็จ

     

    ความท้าทายหลักของเราคือการนำแพลตฟอร์มการตรวจสอบผู้ใช้ที่แข็งแกร่งแต่รวดเร็วและมีความแม่นยำมาใช้ และ Amazon Rekognition และ API การตรวจจับ Face Liveness ก็ช่วยให้เราสามารถบรรลุเป้าหมายดังกล่าวได้ Amazon Rekognition API แบบใหม่นี้ช่วยให้เราสามารถสร้างกระบวนการจดจำใบหน้าแบบไบโอเมตริกซ์ภายในองค์กรเพื่อช่วยเราลดการโจมตีและความเสี่ยงจากการปลอมแปลงข้อมูลประจำตัวได้มากถึง 95% และทำให้กระบวนการออกใบรับรองดิจิทัล X509 รวมถึงกระบวนการที่สำคัญอื่น ๆ มีความปลอดภัยและมีประสิทธิภาพมากขึ้น ความสามารถของเราในการมอบทางเลือกแก่ลูกค้าในด้านการพิสูจน์ตัวตนและยืนยันตัวตนโดยใช้กล้องโทรศัพท์ทำให้บริการของเรามีความครอบคลุมมากขึ้นและพร้อมใช้งานในทุกภูมิภาค

    Alex Chacón ซีอีโอของ Software Colombia
  • Q5id

    Q5id มอบโซลูชันการจัดการข้อมูลระบุตัวตนแบบพิสูจน์ได้ให้กับผู้บริโภคและธุรกิจเพื่อช่วยลูกค้าในการยืนยันตัวตนและรักษาความปลอดภัยให้กับองค์กร

    ดูวิดีโอรับรอง Q5ID

    Q5id มุ่งเน้นไปที่การพิสูจน์เอกลักษณ์เฉพาะตัวเทียบกับการสมมติความถูกต้อง เป้าหมายของเราคือการส่งมอบความมั่นใจในระดับสูงสุดเพื่อระบุและยืนยันว่าบุคคลนั้นเป็นคนที่พวกเขาพูดถึงว่าเป็นลูกค้าที่ใช้บริการทางการเงินของเราและลูกค้าของพวกเขา เราบรรลุเป้าหมายนี้ด้วยการทำงานร่วมกับ Amazon Rekognition Identity Verification APIs และความสามารถในการจดจำใบหน้า จากนั้นจึงรวมเข้ากับซอฟต์แวร์ที่เป็นกรรมสิทธิ์ของเราเพื่อสร้างสินค้าและบริการของเราเอง AWS ช่วยเราปรับปรุงและสร้างสมดุลกับรูปแบบการจดจำใบหน้าที่เราใช้เพื่อให้ได้อัตราผิดพลาดที่ยอมรับได้คือ 1 ใน 9 แสน 3 หมื่น 3 พันล้าน - ซึ่งเป็นจำนวนมากกว่า 100 เท่าของประชากรโลก

    Becky Wanta ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี - Q5id