Шахид Ханиф, генеральный директор и сооснователь Shufti – Интервью

Шахид Ханиф, генеральный директор и сооснователь Shufti, является технологическим предпринимателем с обширным опытом в области построения платформ идентификации личности, финтех, блокчейн и децентрализованных программных платформ. Он стал сооснователем Shufti в 2017 году и более семи лет занимал должность технического директора, руководя внутренней разработкой технологии искусственного интеллекта для биометрической и документальной верификации, прежде чем стать генеральным директором в декабре 2024 года. Ханиф также является основателем Developers Studio, компании по разработке блокчейна с более чем 100 специалистами, и ранее занимал должность технического директора Quickbit, где он помог разработать технологию оплаты криптовалюты перед первичным публичным предложением компании. Ранее он стал сооснователем Programmers Force и помог расширить компанию по разработке программного обеспечения и науки о данных до более чем 500 сотрудников в десяти офисах на трех континентах.

Shufti – это платформа идентификации личности, работающая на основе искусственного интеллекта, которая помогает организациям установить доверие, предотвратить мошенничество и выполнить требования Know Your Customer, Know Your Business и Anti-Money Laundering. Ее платформа объединяет документальную и биометрическую верификацию, электронную идентификацию, проверки на основе NFC, верификацию бизнеса, гарантию возраста, обнаружение мошенничества, постоянный мониторинг и управление делами через унифицированную инфраструктуру. Компания поддерживает тысячи типов документов и более 150 языков в более чем 240 странах и территориях, что позволяет бизнесу верифицировать клиентов и организации через единую глобальную интеграцию. Ее технология анализирует подлинность документов, биометрическую активность, интеллект устройства и другие сигналы риска, чтобы обнаружить поддельные документы, глубокие подделки, манипуляции с учетными записями и скоординированные атаки на идентификацию.

Когда вы стали сооснователем Shufti в 2017 году, вы изначально руководили технологическим развитием компании в качестве технического директора, прежде чем стать генеральным директором в 2024 году. Какие недостатки в цифровой идентификации личности изначально мотивировали вас построить платформу, и как ваше понимание проблемы изменилось с появлением генеративного ИИ?

Когда мы стали сооснователями Shufti в 2017 году, самыми большими проблемами были медленная верификация, слишком много ручной работы и системы, которые не работали хорошо в разных странах. Многие решения по идентификации личности были несогласованными, особенно в высокорисковых отраслях. Они также испытывали трудности с верификацией документов на нелатинских языках и не могли надежно верифицировать идентификацию из разных частей мира.

Сегодня генеративный ИИ изменил проблему. Теперь это не только чтение документа удостоверения личности. Это знание того, является ли документ и человек, представляющий его, настоящими. ИИ сделал мошенничество с идентификацией быстрее, дешевле и намного проще в масштабировании. Мы узнали, что верификация человека один раз во время подключения больше не достаточно. Бизнесу теперь нужен ИИ, который может обнаружить даже самые совершенные поддельные документы и идентификации.

Бельгийские власти недавно предупредили, что более 10 000 человек стали жертвами мошенничества с идентификацией, облегченного ИИ, за прошлый год. Что это дело раскрывает о том, как быстро эволюционирует преступность, связанная с идентификацией, и почему копии документов, сгенерированные ИИ, особенно трудны для обнаружения?

Предупреждение бельгийских властей о 10 000 жертвах – это только верхушка айсберга. Оно раскрывает, что преступники перешли от базового редактирования документов к полномасштабной синтезе идентификации.

Копии, сгенерированные ИИ, трудны для обнаружения, потому что они могут имитировать шаблоны правительства с точностью на уровне пикселей. Традиционный OCR (оптическое распознавание символов) фокусируется на извлечении текста, но игнорирует визуальную целостность изображения. ИИ теперь может воспроизвести функции безопасности, которые ранее требовали физального присутствия для верификации, что делает плоское изображение документа обязанностью, а не доказательством идентификации.

Как копия документа, сгенерированная ИИ, отличается от традиционной подделки, измененного документа и полностью синтетической идентификации?

Важно различать эти методы:

Традиционная подделка: физическая поддельная документ.

Измененный документ: законный документ удостоверения личности, в котором были изменены определенные поля (например, имя или дата рождения).

Синтетическая идентификация: “Франкенштейн” персона, созданная путем объединения украденных реальных данных (например, номера социального страхования) с фабрикованными деталями.

Копия, сгенерированная ИИ: глубокая подделка документа, созданная с нуля или из украденного шаблона с помощью генеративных состязательных сетей (GAN). Эти часто лишены цифровой истории и содержат следы, такие как несоответствия шума датчика, которые человеческий глаз не может увидеть.

Shufti прогнозирует, что поддельные документы могут увеличиться почти на 3 900% в этом году. Какая деятельность стимулирует этот прогноз, и какие предположения или ограничения должны организации понимать при интерпретации его?

Мы ожидаем увеличения на 3 900% в поддельных документах, потому что ИИ сделал мошенничество намного проще в создании и масштабировании. Преступники больше не только меняют лица на фотографиях. Теперь они могут генерировать целые поддельные документы удостоверения личности, которые часто проходят мимо старых систем верификации.

Важно понять, что этот прогноз отражает, как быстро ИИ-обеспеченное мошенничество растет, а не просто то, сколько поддельных документов существует. Самой большой проблемой является то, что многие системы идентификации личности были разработаны много лет назад и не могут обнаружить продвинутые ИИ-генерированные подделки, такие как реалистичные голограммы или морфинг лица. В результате поддельные идентификации могут пройти проверку и остаться скрытыми в базах данных компаний.

Многие бизнесы все еще считают, что фотография или скан документа удостоверения личности является достаточным доказательством идентификации. Какие сигналы должна современная система верификации анализировать за пределами видимой информации на документе?

Самым большим сдвигом является то, что бизнес больше не может полагаться на традиционные проверки документов. Им нужен то, что мы называем подходом “Цифрового глаза”. Вместо того, чтобы просто читать информацию на документе, система должна анализировать, является ли сам документ подлинным.

Это означает поиск тонких признаков, которые люди не могут легко обнаружить, таких как то, был ли снимок сделан с экрана, необычные закономерности пикселей, несоответствующее освещение или следы, оставленные генераторами изображений ИИ. Мы также проверяем признаки того, что части документа были скопированы, перемещены или цифровым образом изменены, а также несоответствия в метаданных и качестве изображения. Когда вы объединяете все эти сигналы, вы намного более вероятно обнаружите продвинутые ИИ-генерированные документы, которые старые системы верификации просто примут как реальные.

Вы утверждали, что идентификация должна быть непрерывной, а не ограничиваться подключением клиента. Как должна выглядеть непрерывная верификация на практике, и как компании могут реализовать ее без введения чрезмерного наблюдения, рисков для конфиденциальности или трения для клиентов?

Эра “одноразовой проверки” закончилась. Непрерывная идентификация означает обновление риска пользователя против более 1 700 списков наблюдения так часто, как каждые 15 минут, чтобы предотвратить “ретроспективную некомплаентность”.

Чтобы реализовать это без трения или рисков для конфиденциальности, мы используем биометрически привязанные многоразовые идентификации (FastID). Как только пользователь верифицирован, он может повторно верифицироваться для высокорисковых действий (например, крупных выводов) менее чем за две секунды, используя только сканирование лица. Это исключает необходимость повторной загрузки документов, сохраняя при этом высокую позицию безопасности.

Мошенники теперь могут объединить синтетические документы с заменами лиц, глубокими подделками видео, атаками на инъекцию и украденной личной информацией. Как должны платформы идентификации связать целостность документа, биометрическую активность, интеллект устройства и поведенческий анализ, чтобы выявить эти скоординированные атаки?

Мошенники становятся намного более изощренными. Вместо использования только одного метода они теперь объединяют ИИ-генерированные документы, замену лиц и атаки на инъекцию, чтобы обойти проверки идентификации. Поэтому бизнесу нужно смотреть на полную картину, а не полагаться на один шаг верификации.

В Shufti мы делаем это через контекстно-зависимую оценку риска. Мы анализируем устройство, используемое для обнаружения эмуляторов или безголовых браузеров, верифицируем, что пользователь физически присутствует с помощью сертифицированной пассивной проверки активности iBeta Level 2, и ищем подозрительные закономерности в аккаунтах, анализируя данные идентификации, отпечатки устройств и поведение пользователя. Объединение этих сигналов делает намного проще выявить мошенничество до того, как оно нанесет ущерб.

Генеративные модели будут продолжать улучшаться, а мошенники могут намеренно сжимать, пересканировать или изменить синтетические медиа, чтобы скрыть артефакты манипуляции. Как поставщики верификации тестируют, остаются ли их системы обнаружения эффективными против новых и ранее не виденных методов атак?

Проблемой является то, что ИИ-генерированное мошенничество эволюционирует намного быстрее, чем традиционные циклы тестирования безопасности. Поставщикам верификации необходимо постоянно оценивать свои системы против новых методов атак, а не полагаться на исторические наборы данных. Это означает тестирование с синтетическими документами, рекомпрессированными изображениями, захватами с экрана, атаками на инъекцию и другими манипулированными медиа, предназначенными для сокрытия очевидных артефактов. Все больше внимания уделяется переходу от обнаружения конкретного типа глубокой подделки к выявлению несоответствий в нескольких сигналах, поскольку они, как правило, остаются более трудными для атакующих воспроизвести по мере улучшения генеративного ИИ.

Системы идентификации могут создать серьезные последствия, когда они неправильно отклоняют законных пользователей. Как разработчикам следует измерять ложные положительные результаты, демографические показатели и доступность наряду с точностью обнаружения мошенничества?

Точность не должна быть только о том, чтобы поймать “плохих парней”; это о том, чтобы обеспечить беспрепятственный путь для “хороших парней”. В нашей отрасли мы фокусируемся на коэффициенте неудачи извлечения (FTXR) – который измеряет, как часто система просто не может “прочитать” лицо или документ – и коэффициенте ложного несоответствия (FNMR), где законные пользователи неправильно отклоняются. Согласно источникам, результаты Shufti в бенчмарке DHS RIVR 2025 продемонстрировали 0% неудачи извлечения на нескольких устройствах и худший FNMR ниже 0,68%.

Разработчикам необходимо перейти от “средних значений в лаборатории” и измерять производительность по “худшим демографическим результатам”. Это означает тестирование конкретно для согласованности в различных тонах кожи, структурах лица и культурной одежде. Мы достигаем этого, обучая наш ИИ глобально разнообразным наборам данных, содержащим миллионы кадров. Надежная оценка не завершена, пока вы не доказали, что ваша система так же точна для пользователя в сельской местности с плохим освещением, как и в контролируемой офисной среде. Цель – Унифицированный слой идентификации, который остается справедливым, инклюзивным и доступным для всех.

Глядя вперед, сделают ли технологии, такие как цифровые кошельки идентификации, поддерживаемые правительством, криптографически верифицируемые учетные данные и биометрически привязанные идентификации, изображения документов, загруженные в будущем, устаревшими, или они просто создадут новую серию поверхностей атак?

Мы, безусловно, движемся к будущему, где людям не нужно будет загружать фотографии своих документов удостоверения личности так часто. Цифровые кошельки идентификации, поддерживаемые правительством, и доверенные цифровые идентификации делают доказательство идентификации намного быстрее и более безопасным, поскольку они позволяют информацию быть верифицированной напрямую, а не полагаться на изображение документа. Они также создают более гладкий опыт пользователя, уменьшая время, необходимое для завершения верификации.

Тем не менее, каждая новая технология создает новые возможности для преступников. Вместо подделки документов атакующие могут попытаться украсть цифровые учетные данные, взять под контроль аккаунты или захватить доверенные идентификации. Поэтому цифровые учетные данные сами по себе недостаточны. Все еще важно подтвердить, что человек, использующий идентификацию, является законным владельцем, например, через биометрическую верификацию и проверки активности. Будущее идентификации, вероятно, будет объединять доверенные цифровые учетные данные с биометрией, создавая несколько слоев защиты вместо того, чтобы полагаться на один метод. Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Shufti.