О том, как изменились за последние годы роль и задачи систем видеобезопасности, а также о синергетических возможностях видеоаналитики и биометрии в современном банковском самообслуживании рассказывает Томас Аугуцявичюс (Tomas Augucevičius), заместитель генерального директора литовской компании BS/2, входящей в состав группы Penki kontinentai.
От выявления – к предотвращению
На протяжении последних лет задачи систем видеобезопасности как важной составляющей банковской инфраструктуры обслуживания активно развиваются от простой фиксации событий в сторону превенции нежелательных действий с помощью видеоаналитики.
Для банковской сферы этот переход очень важен. Традиционно камеры только фиксировали ситуации с высоким риском (например, подозрительные скопления людей вокруг банкоматов или нестандартное поведение пользователей), однако сейчас обычная фиксация уже не отвечает задачам финансовых организаций по обеспечению безопасности устройств самообслуживания.
При традиционной фиксации инцидента системой видеонаблюдения (например, физической атаки на устройство самообслуживания) к моменту приезда сотрудников службы безопасности к объекту злоумышленники успевают нанести критический ущерб оборудованию, похитить хранящиеся в нем наличные деньги. При этом нанесенный ущерб может быть значительным, даже в случае, если оператор получил тревожное уведомление и отреагировал на него достаточно быстро.
Компании, специализирующиеся на банковском страховании, прекрасно понимают ситуацию и делают для себя соответствующие выводы. Многие из них перестают считать традиционную систему видеонаблюдения значимым фактором для снижения тарифов на страхование оборудования и хранящихся наличных средств.
Таким образом, сегодня ключевым инструментом для обеспечения безопасности устройств самообслуживания становится видеоаналитика, использующая технологии машинного зрения и машинного обучения. Сочетание этих технологий с биометрией приводит к максимальному синергетическому эффекту, позволяя современным системам видеобезопасности в полной мере решать те задачи, с которыми кредитно-финансовые учреждения столкнулись или еще только столкнутся в условиях тотальной цифровизации.
ATMeye.iQ – ответ на новые вызовы
Яркий пример такой современной системы безопасности – комплексная платформа видеонаблюдения ATMeye.iQ от компании BS/2, в числе прочих инноваций использующая технологию распознавания лица (face recognition). Внедрение технологии распознавания лица имеет большой потенциал для банковской сферы и платежной индустрии. Эта тема уже не первый год активно обсуждается на многочисленных конференциях и специализированных медиаплощадках, однако количество реализованных проектов во всем мире остается ничтожно малым, даже несмотря на активное внедрение биометрических технологий в других сферах (здесь в качестве примера можно привести Единую биометрическую систему в России с ее распознаванием цифровых образов лица и слепка голоса клиента). Дело в том, что, говоря о биометрии, эксперты не всегда отдают себе отчет в том, что решения, связанные с распознаванием образа, опираются в первую очередь на технологии видеоаналитики, и только потом могут выступать как инструмент авторизации пользователя устройства. Именно такой подход мы реализовали в нашем решении ATMeye.iQ, уже хорошо известном в ряде стран, в том числе и в России.
Реализованная в ATMeye.iQ функция распознавания лица позволяет уйти от традиционной видеофиксации и оптимизировать работу службы безопасности, а также клиентское обслуживание. Еще несколько лет назад наша система была просто удобным решением для видеонаблюдения, позволяющим по запросу (например, в ходе расследования инцидентов) мгновенно находить в базе любой снимок по времени или месту транзакции, маскированному номеру карты, используемому устройству самообслуживания и т. д. Мы предлагали удобное и эффективное решение, которое избавляло от необходимости каждый раз при возникновении спорной ситуации отправлять кого-то из службы безопасности к тому или иному банкомату, чтобы скачать материалы, необходимые для разрешения спора.
Однако в последние годы запросы банков меняются: теперь финансовым организациям нужны не просто системы видеонаблюдения, а именно решения в области видеоаналитики, позволяющие не только проводить визуальную фиксацию, но и предотвращать нежелательные действия, такие как мошенничество, ограбление, вандализм и т. д. Значительную роль в появлении нового формата решения сыграла обратная связь с банковским менеджментом – пользователями прежней системы видеонаблюдения. По их словам, само по себе оповещение об инциденте не всегда помогает минимизировать связанные с этим инцидентом издержки. Банкам хотелось не просто получать оповещения об уже случившейся попытке вскрыть банкомат, но быть предупрежденными о том, что такая попытка готовится. Сделать это можно благодаря средствам видеоаналитики, позволяющим с помощью обычных камер видеонаблюдения и специальных алгоритмов определять и фиксировать любую подозрительную активность в непосредственной близости от банкомата.
Четыре года назад наша команда начала активно изучать имеющийся на рынке опыт реализации решений в области предиктивной (прогнозной) аналитики, в том числе предложения других разработчиков. Наш анализ показал, что ведущие мировые компании, работающие в самых различных сегментах рынка, активно уходят от классических систем видеонаблюдения, умеющих только фиксировать происходящее в удобном для пользователя формате, к видеоаналитике, позволяющей оперативно реагировать на инциденты еще на стадии их подготовки злоумышленниками, и тем самым предотвращать их.
Благодаря этим исследованиям мы смогли предложить рынку принципиально новую систему ATMeye.iQ, которая стала результатом нашего сотрудничества с компанией VisionLabs, являющейся одним из лидеров в области машинного зрения и биометрии и выступившей нашим технологическим партнером в этом проекте. Мы использовали продукт собственной разработки, обеспечивающий видеобезопасность банкоматов, и решение LUNA от VisionLabs, чтобы реализовать функцию распознавания лица на устройствах банковского самообслуживания и обеспечить возможность запуска различных сценариев реагирования для сетей банкоматов и других устройств банковского самообслуживания, использующих нашу систему видеоаналитики ATMeye.iQ.
О новых возможностях обеспечения безопасности
Результатом этого сотрудничества стало появление целого ряда функций, ранее недоступных пользователям ATMeye.iQ. Одна из них – оповещение ответственного персонала о закрытии (как вариант – закрашивании) видеокамеры банкомата. Если в какой-то момент оптика технически исправной камеры, передающей сигнал в систему, оказывается выведенной из строя любым путем, соответствующее оповещение автоматически поступает в службу безопасности банка. Такого рода инциденты в большинстве случаев говорят о готовящемся преступлении, направленном на устройство самообслуживания либо его пользователей.
Второе принципиально новое направление, реализованное нами в системе ATMeye.iQ при активной поддержке VisionLabs, связано с биометрией. Мы начали с базовой видеоаналитики, а именно с face detection – функционала, позволяющего системе видеонаблюдения автоматически определять присутствие человеческого лица в непосредственной близости от банкомата.
Зачем это нужно? Так мы даем системе возможность убедиться, что рядом с устройством самообслуживания во время его использования находится человек, лицо которого открыто для съемки (т. е. он не маскируется). Благодаря этому в случае выявления мошеннических действий мы сможем точно определить личность этого человека.
Отсюда возникает сценарий, при котором человек, лицо которого закрыто маской, руками, капюшоном или чем-то еще, просто не может воспользоваться банкоматом. Устройство переходит либо в сервисный режим, либо в режим ожидания. Одновременно с этим система генерирует и отправляет уведомление службе безопасности и требует идентификации подозрительного лица.
Безусловно, пандемия COVID-19 внесла свои коррективы в этот функционал и сделала вопрос «как быть с медицинской маской?» едва ли не самым популярным на всех профильных конференциях. Справедливости ради отметим, что аналогичные вопросы всерьез беспокоили представителей исламских стран еще до введения обязательного ношения масок. Например, смогут ли воспользоваться банкоматом женщины в хиджабах, не нарушает ли новая технология их права?
Ответ на эти вопросы математически прост. При полностью открытом лице технология считывает и предоставляет для распознавания образа максимальное количество точек (например, решение VisionLabs, которое мы используем, позволяет оценивать несколько тысяч таких точек). Однако для распознавания лица в целом достаточно, чтобы было открыто хотя бы 60–70% его поверхности. Таким образом, наше решение может распознать даже пользователя в медицинской маске. Другое дело, что с сокращением количества анализируемых точек снижается и точность анализа, однако это скорее вопрос точности биометрической авторизации – к нему мы вернемся позже.
Проект по внедрению функции детекции лица в Нигерии
Если говорить о конкретных бизнес-кейсах, то как часть нашего решения ATMeye.iQ функционал face detection внедряется сейчас в одном из крупнейших банков Нигерии. Другим (и куда более специфическим) запросом этого банка стала функция определения портретной камерой банкомата присутствия множества лиц в непосредственной близости от устройства. Банк изначально настаивал на том, чтобы клиенты его банкоматной сети, насчитывающей свыше 3 тыс. устройств, пользовались устройствами исключительно по одному, не собираясь в группы. Дело в том, что в Нигерии кража карт и компрометация ПИН-кодов – один из самых распространенных видов мошенничества, а компенсировать издержки не слишком внимательных клиентов местное законодательство зачастую обязывает саму финансовую организацию, владеющую банкоматом.
Таким образом, наша система научилась реагировать на ситуации, когда портретная камера банкомата фиксирует сразу несколько лиц в непосредственной близости от устройства. Благодаря этому банк получил возможность оперативно отказывать в обслуживании этих лиц (разумеется, в том случае, когда оператор системы видеонаблюдения подтверждает, что ситуация подозрительная). Уточню, что в настоящий момент оператор автоматически получает только первичное уведомление о скоплении людей рядом с банкоматом, само решение об отказе в обслуживании принимает оператор, хотя в дальнейшем этот сценарий также может быть автоматизирован.
Говоря о более продвинутых функциях видеоаналитики, стоит отметить и поведенческую аналитику пользователей (behavior analytics). Так, сотрудник службы безопасности банка получит тревожное уведомление в случае скопления людей в банковском отделении или в непосредственной близости от устройства самообслуживания, если эта ситуация не является типичной для данной локации.
Камеры также могут распознавать те или иные предметы в руках людей, что помогает предотвращать атаки на банкоматы с использованием специальных средств. В этом случае система видеоаналитики информирует службу безопасности на самой ранней стадии совершения преступления, еще до того, как устройству нанесен какой-либо урон. Над внедрением данного функционала мы сейчас и работаем.
Однако самым интересным в видеоаналитике, завязанной на распознавании образов, остается обработка биометрических данных, необходимых для распознавания лица. Самое очевидное использование функции распознавания лица – это определение людей из черного списка (находящихся в розыске или в базе данных недобросовестных заемщиков), которое может стать триггером для запуска определенных процедур внутри банковского офиса или на устройстве самообслуживания.
Однако распознавание лиц – это не только черные списки, но еще и отличная возможность для перехода к бескарточным транзакциям, обладающим рядом преимуществ для клиентов банка.
Биометрические технологии для банковского самообслуживания
Использование биометрических технологий в банковском самообслуживании имеет ряд безусловных преимуществ, однако здесь мы сталкиваемся с тем, что разные банки имеют разные ожидания от решений такого рода. Одни финансовые организации хотят избавиться от необходимости использовать банковские карты, другие – смотрят на распознавание лиц как на возможность обеспечить дополнительную безопасность для операций на устройствах самообслуживания, третьи – пытаются автоматизировать работу «кредитного конвейера» и перераспределить потоки клиентов внутри банковских отделений.
Как показывает опыт компании BS/2, едва ли не основной проблемой использования биометрических технологий на устройствах самообслуживания является недостаточное понимание преимуществ и вариантов конкретного применения решения.
В чем же заключаются эти преимущества? Биометрическая аутентификация пользователя банкомата способна помочь банкам соблюдать требования регулирующих органов и международных стандартов безопасности платежных операций. Отказ от использования карт поможет снизить угрозу скимминга (который, впрочем, в России уже перестает быть актуальным риском на фоне полного перехода на EMV-карты), шимминга и траппинга, а также существенно уменьшит количество забытых клиентами карт. Все это напрямую снижает материальные издержки кредитно-финансовых учреждений.
Несмотря на то, что многие банки говорят о своем желании внедрить функцию распознавания лиц на банкоматах, реальное положение дел на рынке свидетельствует о том, что сомнений у банковского сектора в этом вопросе пока еще очень много. В частности, финансовые транзакции через распознавание лица на устройствах самообслуживания на данный момент проводят всего несколько банков, и пионером здесь стал испанский банк Caixa.
Сейчас компания BS/2 ведет сразу два пилотных проекта по внедрению распознавания лица как дополнительного фактора авторизации при проведении финансовых транзакций. Один из наших клиентов – крупнейший в Кавказском регионе банк. Организация планирует использовать наше ноу-хау на банкоматах для проведения бескарточных транзакций, хотя сам проект по внедрению решения намного более масштабный и охватывает также оплату проезда в общественном транспорте. Чтобы избежать рисков, присущих однофакторной биометрической идентификации, наш заказчик обеспечил своим пользователям два этапа для авторизации на банкоматах: непосредственно биометрию и традиционный карточный ПИН-код. Таким образом, пользователю не обязательно иметь при себе банковскую карту: достаточно пройти биометрию и помнить ПИН-код от любой из своих карт, информация о которых есть в процессинговом центре. Если авторизация будет успешно пройдена, клиент увидит список своих карт на экране банкомата и сможет выбрать ту карту, по которой планирует совершить операцию. Таким образом, мы учли все требования Visa и Mastercard, а также требования национальных платежных систем, и такая операция, несмотря на отсутствие карты как физического форм-фактора, считается стандартной карточной транзакцией, подтвержденной ПИН-кодом.
На сегодняшний день это простое и изящное решение уже успешно протестировано в рамках масштабного биометрического проекта, который банк запускает, как мы уже говорили, в том числе для оплаты проезда на общественном транспорте. Сначала новая технология появится в метро в Тбилиси. Фактически речь идет об оплате проезда с помощью распознавания лица пассажира без использования каких-либо других средств идентификации. Данный проект реализуется банком в сотрудничестве с Amazon, в то время как банкоматная часть реализована на базе решения BS/2. Свою часть работ мы успешно завершили, и, надеюсь, уже к концу 2020 года проект перейдет в фазу промышленной эксплуатации.
В заключение я хотел бы отметить, что сегодня финансовым институтам крайне важно не только декларировать курс на трансформацию своего бизнеса, но и действительно переосмыслить роль канала самообслуживания. Банки должны понимать, что использовать биометрию можно и для других способов взаимодействия с клиентами, например, для мобильного и интернет-банкинга. Только такой комплексный подход и унификация процессов, проходящих через всю инфраструктуру кредитно-финансового учреждения, способны обеспечить максимальную пользу от внедрения технологии распознавания лиц и видеоаналитики в целом.
Источник: журнал ПЛАС