Ο Shahid Hanif, Διευθύνων Σύμβουλος και Συνιδρυτής της Shufti – Σειρά Συνεντεύξεων

Shahid Hanif, Διευθύνων Σύμβουλος και Συνιδρυτής της Shufti, είναι ένας τεχνολογικός επιχειρηματίας με εκτεταμένη εμπειρία στην κατασκευή πλατφορμών ταυτοποίησης ταυτότητας, fintech, blockchain και αποκεντρωμένων λογισμικών. Συνίδρυσε την Shufti το 2017 και εργάστηκε περισσότερο από επτά χρόνια ως Διευθυντής Τεχνολογίας, ηγώντας την εσωτερική ανάπτυξη της τεχνολογίας επαλήθευσης εγγράφων και βιομετρικών δεδομένων με τη χρήση τεχνητής νοημοσύνης, πριν γίνει Διευθύνων Σύμβουλος τον Δεκέμβριο του 2024. Ο Hanif είναι επίσης ο ιδρυτής της Developers Studio, μιας εταιρείας ανάπτυξης blockchain με περισσότερους από 100 ειδικούς, και προηγουμένως εργάστηκε ως Διευθυντής Τεχνολογίας της Quickbit, όπου βοήθησε στην ανάπτυξη της τεχνολογίας πληρωμών κρυπτονομισμάτων πριν από την αρχική δημόσια προσφορά της εταιρείας. Παλαιότερα, συνίδρυσε την Programmers Force και βοήθησε στην επέκταση της εταιρείας λογισμικού και επιστημών δεδομένων σε περισσότερους από 500 υπαλλήλους σε δέκα γραφεία σε τρεις ηπείρους.

Shufti είναι μια πλατφόρμα ταυτοποίησης ταυτότητας που βασίζεται στην τεχνητή νοημοσύνη και βοηθά τις οργανώσεις να οικοδομήσουν εμπιστοσύνη, να προλαμβάνουν την απάτη και να συμμορφώνονται με τις απαιτήσεις Know Your Customer, Know Your Business και Anti-Money Laundering. Η πλατφόρμα της συνδυάζει την επαλήθευση εγγράφων και βιομετρικών δεδομένων, την ηλεκτρονική επαλήθευση ταυτότητας, τους ελέγχους NFC, την επαλήθευση επιχειρήσεων, την εγγύηση ηλικίας, την ανίχνευση απάτης, τη συνεχή παρακολούθηση και τη διαχείριση περιπτώσεων μέσω μιας ενιαίας υποδομής. Η εταιρεία υποστηρίζει χιλιάδες τύπους εγγράφων και περισσότερες από 150 γλώσσες σε περισσότερες από 240 χώρες και εδάφη, επιτρέποντας στις επιχειρήσεις να επαλήθευουν τους πελάτες και τις οργανώσεις μέσω μίας ενιαίας παγκόσμιας ενσωμάτωσης. Η τεχνολογία της εξετάζει την αυθεντικότητα των εγγράφων, τη βιομετρική ζωτικότητα, την ευφυΐα συσκευών και άλλα σημάδια κινδύνου για να ανιχνεύσει ψευδείς έγγραφα, deepfakes, χειραγώγηση λογαριασμών και συντονισμένες επιθέσεις ταυτότητας.

Όταν συνίδρυσες την Shufti το 2017, αρχικά ηγήθηκες της ανάπτυξης της εταιρείας ως Διευθυντής Τεχνολογίας πριν γίνεις Διευθύνων Σύμβουλος το 2024. Ποια ήταν τα ελαττώματα στην ψηφιακή ταυτοποίηση ταυτότητας που σας έκαναν να κατασκευάσετε την πλατφόρμα, και πώς έχει αλλάξει η κατανόηση του προβλήματος με την άνοδο της γενετικής τεχνητής νοημοσύνης;

Όταν συνίδρυσες την Shufti το 2017, οι μεγαλύτερες προκλήσεις ήταν η αργή επαλήθευση, η υπερβολική χειροκίνητη εργασία και τα συστήματα που δεν λειτουργούσαν καλά σε διάφορες χώρες. Πολλές λύσεις ταυτοποίησης ταυτότητας ήταν ασυνεπείς, ιδιαίτερα σε υψηλού κινδύνου βιομηχανίες. Επίσης, δυσκολευόταν να επαλήθευουν έγγραφα σε μη-λατινικές γλώσσες και δεν μπορούσαν να επαλήθευουν μεüvenταταυτότητας από όλο τον κόσμο.

Σήμερα, η γενετική τεχνητή νοημοσύνη έχει αλλάξει το πρόβλημα. Δεν είναι πλέον μόνο για την ανάγνωση ενός εγγράφου ταυτότητας. Είναι για το αν το έγγραφο και το πρόσωπο που το παρουσιάζει είναι πραγματικά. Η τεχνητή νοημοσύνη έχει κάνει την απάτη ταυτότητας πιο γρήγορη, φθηνότερη και πιο εύκολη να κλιμακωθεί. Έχουμε μάθει ότι η επαλήθευση κάποιου μόνο κατά την εγγραφή δεν είναι πλέον assez. Οι επιχειρήσεις χρειάζονται τώρα τεχνητή νοημοσύνη που μπορεί να ανιχνεύσει ακόμη και τις πιο προηγμένες ψευδείς έγγραφα και ταυτότητες.

Οι βελγικές αρχές προειδοποίησαν πρόσφατα ότι περισσότεροι από 10.000 άνθρωποι έπεσαν θύματα απάτης ταυτότητας με τη χρήση τεχνητής νοημοσύνης κατά το τελευταίο έτος. Ποια είναι η σημασία αυτής της περίπτωσης για το πώς γρήγορα εξελίσσεται η εγκληματικότητα ταυτότητας, και γιατί οι ψηφιακές αντιγραφές εγγράφων ταυτότητας είναι ιδιαίτερα δύσκολο να ανιχνευθούν;

Η προειδοποίηση των βελγικών αρχών για 10.000 θύματα είναι μόνο η κορυφή του παγόβουνου. Αποκαλύπτει ότι οι εγκληματίες έχουν μεταβεί από την βασική επεξεργασία εγγράφων σε πλήρη σύνθεση ταυτότητας.

Οι ψηφιακές αντιγραφές εγγράφων είναι δύσκολο να ανιχνευθούν γιατί μπορούν να μιμηθούν κυβερνητικά πρότυπα με ακρίβεια pixel. Η παραδοσιακή αναγνώριση χαρακτήρων (OCR) επικεντρώνεται στην εξαγωγή κειμένου, αλλά αγνοεί την οπτική ακεραιότητα της εικόνας. Η τεχνητή νοημοσύνη μπορεί τώρα να αναπαράγει χαρακτηριστικά ασφαλείας που προηγουμένως απαιτούσαν φυσική παρουσία για να επαλήθευσουν, καθιστώντας μια επίπεδη εικόνα εγγράφου μια ευθύνη αντί για απόδειξη ταυτότητας.

Πώς διαφέρει μια ψηφιακή αντιγραφή εγγράφου ταυτότητας που έχει κλαπεί από μια συμβατική πλαστογράφηση, μια τροποποιημένη επεξεργασία εγγράφου και μια πλήρη συνθετική ταυτότητα;

Είναι σημαντικό να διακρίνουμε μεταξύ αυτών των μεθόδων:

Συμβατική Πλαστογράφηση: Ένα φυσικό ψευδές έγγραφο.

Τροποποιημένη Επεξεργασία Εγγράφου: Ένα έγκυρο έγγραφο ταυτότητας όπου συγκεκριμένα πεδία (όπως το όνομα ή η ημερομηνία γέννησης) έχουν τροποποιηθεί.

Συνθετική Ταυτότητα: Ένα “Φρανκενστάιν” πρόσωπο που κατασκευάζεται με τη σύνθεση κλεμμένων πραγματικών δεδομένων (όπως ένα αριθμό ασφαλείας κοινωνικής ασφάλισης) με fabriqué λεπτομέρειες.

Ψηφιακή Αντιγραφή: Ένα deepfake έγγραφο που δημιουργείται από το μηδέν ή από ένα κλεμμένο πρότυπο με τη χρήση Αντιπαλών Ισχυόντων Δικτύων (GANs). Αυτά τα έγγραφα συχνά λείπουν ψηφιακής ιστορίας και περιέχουν ψηφιακά τεχνουργήματα όπως ασυνέπειες θορύβου αισθητήρων που το ανθρώπινο μάτι δεν μπορεί να δει.

Η Shufti προβλέπει ότι οι ψηφιακές αντιγραφές εγγράφων θα αυξηθούν σχεδόν κατά 3.900% φέτος. Ποια δραστηριότητα οδηγεί σε αυτήν την πρόβλεψη, και ποια υποθέσεις ή περιορισμοί πρέπει οι οργανώσεις να κατανοήσουν όταν ερμηνεύουν αυτήν την πρόβλεψη;

Προβλέπουμε αύξηση 3.900% στις ψηφιακές αντιγραφές εγγράφων γιατί η τεχνητή νοημοσύνη έχει κάνει την απάτη πολύ πιο εύκολη να δημιουργηθεί και να κλιμακωθεί. Οι εγκληματίες δεν ανταλλάσσουν μόνο πρόσωπα σε φωτογραφίες. Μπορούν τώρα να δημιουργήσουν ολόκληρα ψευδέα έγγραφα ταυτότητας που συχνά περνούν από παλαιότερα συστήματα επαλήθευσης.

Είναι σημαντικό να κατανοήσουμε ότι αυτή η πρόβλεψη αντικατοπτρίζει το πώς γρήγορα εξελίσσεται η απάτη με τη χρήση τεχνητής νοημοσύνης, όχι μόνο πόσα ψευδέα έγγραφα υπάρχουν. Η μεγαλύτερη πρόκληση είναι ότι πολλά συστήματα ταυτοποίησης ταυτότητας σχεδιάστηκαν χρόνια πριν και δεν μπορούν να ανιχνεύσουν τις προηγμένες ψηφιακές αντιγραφές, όπως οι ρεαλιστικοί ολογράμματα ή η mặt morphing. Jako αποτέλεσμα, ψευδείς ταυτότητες μπορούν να περάσουν από τους ελέγχους και να παραμείνουν κρυφές στις βάσεις δεδομένων των εταιρειών.

Ποια σήματα πρέπει να εξετάσει ένα σύγχρονο σύστημα επαλήθευσης πέρα από τις ορατές πληροφορίες στο έγγραφο;

Η μεγαλύτερη αλλαγή είναι ότι οι επιχειρήσεις δεν μπορούν να βασιστούν στις παραδοσιακές ελέγχους εγγράφων πλέον. Χρειάζονται αυτό που ονομάζουμε “ψηφιακό μάτι” προσέγγιση. Αντί να διαβάζουν μόνο τις πληροφορίες στο έγγραφο, το σύστημα πρέπει να εξετάσει αν το έγγραφο είναι γνήσιο.

Αυτό σημαίνει να ψάχνουμε για λεπτές ενδείξεις που οι άνθρωποι δεν μπορούν εύκολα να δουν, όπως αν η εικόνα έχει ανακτηθεί από οθόνη, ασυνήθιστα μοτίβα pixel, ασυνεπείς φωτισμούς ή ίχνη που έχουν μείνει πίσω από γεννήτριες εικόνων τεχνητής νοημοσύνης. Επίσης, ελέγχουμε για σημάδια ότι τμήματα του εγγράφου έχουν αντιγραφεί, μετακινηθεί ή ψηφιακά τροποποιηθεί, μαζί με ασυνεπείς μεταδεδομένα και ποιότητα εικόνας. Όταν συνδυάζουμε όλα αυτά τα σήματα, είμαστε πολύ πιο πιθανό να ανιχνεύσουμε προηγμένες ψηφιακές αντιγραφές εγγράφων που παλαιότερα συστήματα επαλήθευσης θα αποδεχθούν ως πραγματικά.

Έχετε υποστηρίξει ότι η ταυτοποίηση ταυτότητας πρέπει να είναι συνεχής και όχι περιορισμένη στην εγγραφή του πελάτη. Ποια θα ήταν η μορφή της συνεχούς επαλήθευσης στην πράξη, και πώς μπορούν οι εταιρείες να την εφαρμόσουν χωρίς να εισαγάγουν υπερβολική επιτήρηση, κινδύνους ιδιωτικότητας ή τριβή πελάτη;

Η εποχή του “μίας φοράς ελέγχου” έχει περάσει. Η συνεχής ταυτοποίηση ταυτότητας σημαίνει την ανανέωση του κινδύνου χρήστη έναντι 1.700+ λιστών παρακολούθησης τόσο συχνά όσο κάθε 15 λεπτά για να προληφθεί η “επαναχρονολογημένη μη συμμόρφωση”.

Για να το εφαρμόσουμε αυτό χωρίς τριβή ή κινδύνους ιδιωτικότητας, χρησιμοποιούμε επαναχρησιμοποιήσιμες ταυτότητες που δεσμεύονται με βιομετρικά δεδομένα (FastID). Μόλις ένας χρήστης επαλήθευθεί, μπορεί να επαναληφθεί για υψηλού κινδύνου ενέργειες (όπως μεγάλες αναλήψεις) σε λιγότερο από δύο δευτερόλεπτα χρησιμοποιώντας μόνο μια σάρωση προσώπου. Αυτό σκοτώνει την ανάγκη για επαναλαμβανόμενες ανεβάσεις εγγράφων ενώ διατηρεί μια υψηλή στάθμη ασφαλείας.

Οι απάτες μπορούν τώρα να συνδυάσουν συνθετικά έγγραφα με ανταλλαγές προσώπων, deepfake βίντεο, επιθέσεις ένεσης και κλεμμένα προσωπικά δεδομένα. Πώς πρέπει τα συστήματα ταυτοποίησης ταυτότητας να συνδέσουν την ακεραιότητα εγγράφων, τη βιομετρική ζωτικότητα, την ευφυΐα συσκευών και την ανάλυση συμπεριφοράς για να αναγνωρίσουν αυτές τις συντονισμένες επιθέσεις;

Οι απάτες γίνονται όλο και πιο σύνθετες. Αντί να χρησιμοποιούν μόνο μια τεχνική, τώρα συνδυάζουν τεχνητικά έγγραφα, ανταλλαγές προσώπων και επιθέσεις ένεσης για να παραβιάσουν τους ελέγχους ταυτότητας. Đó είναι γιατί οι επιχειρήσεις πρέπει να κοιτάξουν την πλήρη εικόνα αντί να βασίζονται σε ένα μόνο βήμα επαλήθευσης.

Στην Shufti, το κάνουμε αυτό μέσω της συνειδητής αξιολόγησης κινδύνου. Αναλύουμε τη συσκευή που χρησιμοποιείται για να ανιχνεύσουμε εξομοιωτές ή προγράμματα περιήγησης χωρίς γραφικό περιβάλλον, να επαλήθευσουμε ότι ο χρήστης είναι φυσικά παρών με πιστοποίηση iBeta Level 2 passive liveness detection και να ψάξουμε για ύποπτες προτέρες μεταξύ λογαριασμών αναλύοντας δεδομένα ταυτότητας, αποτυπώματα συσκευών και συμπεριφορά χρήστη. Η συνδυασμένη ανάλυση αυτών των σημάτων κάνει πολύ πιο εύκολο να αναγνωρίσει την απάτη πριν προκαλέσει ζημιά.

Τα μοντέλα γενετικής τεχνητής νοημοσύνης θα συνεχίσουν να βελτιώνονται, ενώ οι απάτες μπορούν να συμπιέσουν, να ξανασκανάρουν ή να τροποποιήσουν συνθετικά μέσα για να κρύψουν αρτεφάκτα χειρισμού. Πώς οι παρόχοι επαλήθευσης δοκιμάζουν αν τα συστήματα ανίχνευσης τους παραμένουν αποτελεσματικά ενάντια σε νέες και προηγουμένως άγνωστες μεθόδους επίθεσης;

Η πρόκληση είναι ότι η απάτη με τη χρήση τεχνητής νοημοσύνης εξελίσσεται πολύ πιο γρήγορα από τους παραδοσιακούς κύκλους δοκιμών ασφαλείας. Οι παρόχοι επαλήθευσης πρέπει να αξιολογούν συνεχώς τα συστήματα τους ενάντια σε νέες τεχνικές επίθεσης αντί να βασίζονται σε ιστορικά σύνολα δεδομένων. Αυτό σημαίνει δοκιμή με συνθετικά έγγραφα, ανασυμπιεσμένες εικόνες, ανακατασκευασμένες οθόνες, επιθέσεις ένεσης και άλλα χειρισμένα μέσα που σχεδιάζονται για να κρύψουν προφανή αρτεφάκτα. Όλο και περισσότερο, η εστίαση μεταφέρεται από την ανίχνευση ενός συγκεκριμένου τύπου deepfake σε ανίχνευση ασυνεπειών σε πολλά σήματα, επειδή αυτά τείνουν να παραμείνουν πιο δύσκολο για τους επιτιθέμενους να αναπαράγουν καθώς η γενετική τεχνητή νοημοσύνη βελτιώνεται.

Τα συστήματα ταυτοποίησης ταυτότητας μπορούν να δημιουργήσουν σοβαρές συνέπειες όταν απορρίπτουν λανθασμένα-legitimate χρήστες. Πώς πρέπει οι dévelopπερ να μετρούν τα ψευδώς θετικά, την απόδοση δημογραφικών και την προσβασιμότητα μαζί με την ακρίβεια ανίχνευσης απάτης;

Η ακρίβεια δεν πρέπει να είναι μόνο για το να πιάσουμε τους “κακούς”. Είναι για να διασφαλίσουμε μια χωρίς τριβή διαδρομή για τους “καλούς”. Στην βιομηχανία μας, εστιάζουμε στο ποσοστό αποτυχίας εξαγωγής (FTXR) – το οποίο μετρά πόσο συχνά ένα σύστημα απλά αποτυγχάνει να “διαβάσει” ένα πρόσωπο ή έγγραφο – και το ποσοστό ψευδούς μη-ανταπόκρισης (FNMR), όπου οι γνήσιοι χρήστες απορρίπτονται λανθασμένα. Σύμφωνα με τις πηγές, η απόδοση της Shufti στο Benchmark RIVR 2025 του DHS απέδειξε ένα 0% ποσοστό αποτυχίας εξαγωγής σε πολλαπλά συσκευές και ένα χειρότερο FNMR κάτω από 0,68%.

Οι dévelopπερ πρέπει να μετακινηθούν πέρα από τα “μέσα του εργαστηρίου” και να μετρούν την απόδοση ενάντια σε “χειρότερες” δημογραφικές αποτελέσματα. Αυτό σημαίνει δοκιμή ειδικά για συνεπή αποτέλεσμα σε διάφορες δέρματα, δομές προσώπου και πολιτιστικές ενδυμασίες. Επιτυγχάνουμε αυτό με την εκπαίδευση της τεχνητής μας νοημοσύνης σε παγκοσμίως διαφορετικά σύνολα δεδομένων που περιέχουν εκατομμύρια καρέ. Eine robust αξιολόγηση δεν είναι πλήρης μέχρι να αποδείξουμε ότι το σύστημά μας είναι τόσο ακριβές για einen χρήστη σε μια αγροτική περιοχή με κακή φωτισμό όσο και σε ένα ελεγχόμενο περιβάλλον γραφείου. Ο στόχος είναι ένα Unified Identity Layer που παραμένει δίκαιο, περιεκτικό και προσβάσιμο σε όλους.

Κοιτάζοντας μπροστά, θα κάνουν οι τεχνολογίες όπως οι κυβερνητικές ψηφιακές ταυτότητες, τα κρυπτογραφικά επικυρωμένα πιστοποιητικά και οι βιομετρικά δεσμευμένες ταυτότητες τελικά να γίνουν οι ανεβαζόμενες εικόνες εγγράφων ταυτότητας παρωχημένες, ή θα δημιουργήσουν μόνο μια νέα σειρά επιφανειών επίθεσης;

Βρισκόμαστε σίγουρα σε μια μελλοντική κατεύθυνση όπου οι άνθρωποι δεν θα χρειάζονται να ανεβάζουν τόσο συχνά φωτογραφίες των εγγράφων ταυτότητας. Οι κυβερνητικές ψηφιακές ταυτότητες και οι αξιόπιστες ψηφιακές ταυτότητες κάνουν την απόδειξη της ταυτότητας πολύ πιο γρήγορη και ασφαλή γιατί επιτρέπουν την επαλήθευση των πληροφοριών απευθείας, αντί να βασίζονται σε μια εικόνα εγγράφου. Επίσης, δημιουργούν μια ομαλότερη εμπειρία χρήστη μειώνοντας τον χρόνο που χρειάζεται για την ολοκλήρωση της επαλήθευσης.

Όμως, κάθε νέα τεχνολογία δημιουργεί νέες ευκαιρίες για τους εγκληματίες. Αντί να πλαστογραφούν έγγραφα, οι επιτιθέμενοι μπορεί να προσπαθήσουν να κλέψουν ψηφιακές πιστοποιήσεις, να αναλάβουν λογαριασμούς ή να αναλάβουν αξιόπιστες ταυτότητες. Đó είναι γιατί οι ψηφιακές πιστοποιήσεις μόνο δεν είναι assez. Είναι ακόμη σημαντικό να επιβεβαιώσουμε ότι το πρόσωπο που χρησιμοποιεί την ταυτότητα είναι ο νόμιμος ιδιοκτήτης, για παράδειγμα μέσω βιομετρικής επαλήθευσης και ελέγχων ζωτικότητας. Το μέλλον της ταυτοποίησης ταυτότητας είναι πιθανό να συνδυάσει αξιόπιστες ψηφιακές πιστοποιήσεις με βιομετρικά δεδομένα, δημιουργώντας πολλαπλά επίπεδα προστασίας αντί να βασίζεται σε μια seule μέθοδο.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Shufti.