Großraum-Universitätsteam löst Problem der Gesichtserkennungsbetrugs und stattet die Finanzbetrugsbekämpfung mit scharfem Blick aus

Von der Entwicklung intelligenter Städte bis hin zur Anmeldung von Mobilanwendungen auf Smartphones – Gesichtserkennung ist eine markante Technologie der künstlichen Intelligenz, die aufgrund ihrer bequemen und effizienten Eigenschaften rasch in Bereichen wie Finanzzahlungen, öffentlicher Sicherheit, Regierungsdiensten und Geschäftsmarketing durchdringt und zeitweise zum Standard der digitalen Transformation wurde.

Gleichzeitig stehen die Identitätsüberprüfung an Finanzterminals beim schnellen Ausbau von „Face-Recognition-Withdrawal“ und „Face-Payment“ vor nie dagewesenen Sicherheitsherausforderungen. Gesichtsbilder können durch Papierfotos, elektronische Bildschirme, 3D-Kopfmodelle bis hin zu hochpräzisen DeepFake-Videos originalgetreu reproduziert werden. Traditionelle Erkennungssysteme sind anfällig für Durchdringung, was zu einer hohen Zahl von Finanzbetrugsfällen durch „Gesicht-Angriffe“ führt und die Vertrauensbasis intelligenter Finanzsysteme erheblich schwächt.

Um den aktuellen marktgängigen KI-Fälschungsangriffen entgegenzuwirken, hat das Team von Professor Yu Zitong an der Universität der Greater Bay Area mithilfe zentraler Modelltechnologien, intelligenter Bildaufnahme- und Bildgebungstechniken sowie multi-modaler, heterogener biometrischer Fälschungs- und Echtheitsprüfungsverfahren eine fortschrittlichere, universell einsetzbare und hochsichere Gesicht-Alive-Detection-Technologie entwickelt. Daraus wurde ein Modul mit Algorithmusmodell erstellt, das eine elektronische, intelligente Hardware- und Softwaresystem bildet, das in Sekundenschnelle lebende Gesichter erkennt und entsprechende Analyseberichte mit einer Genauigkeit von über 99,9 % liefert.

Professor Yu Zitong ist außerordentlicher Professor an der Universität der Greater Bay Area und beschäftigt sich seit langem mit Mikrosichtberechnung und multimodalen Grundmodellen. Er erklärte gegenüber einem Finanzjournalisten, dass die Gesichtserkennungstechnologie ursprünglich vor allem bei Smartphone-Entsperrung, Zeiterfassung und Sicherheitsanwendungen eingesetzt wurde, wobei die Anwendungsfälle relativ begrenzt waren. Nach seinem Master-Abschluss arbeitete er ein Jahr bei einem Sicherheitsunternehmen, was sein tiefgehendes Verständnis für die praktische Anwendung der Gesichtserkennung in der Sicherheitsbranche vertiefte und Schwachstellen sowie Herausforderungen bei Algorithmen und Modellarchitekturen aufdeckte.

Während seines Studiums in Finnland und Singapur entwickelte sein Team einen Algorithmus zur Verstärkung schwacher räumlicher Signale mittels zentraler Differenzkonvolutionsoperatoren, der die Robustheit gegen hochpräzise Gesichtsbetrugsangriffe und wechselnde Umweltbedingungen verbessert. Dieser Ansatz wurde erfolgreich im Bereich der Gesichtsbetrugsbekämpfung angewandt.

Aus Sicht von Yu Zitong ist die heutige Gesichtserkennungstechnologie bereits in einer Flut von Anwendungen, wobei Sicherheitsprobleme durch Datenschutzverletzungen und KI-Fälschungen häufig auftreten. Die lebende Gesichtserkennung gilt als der Kern und die größte Herausforderung bei intelligenten Finanzendgeräten und bildet die technologische Basis zum Schutz der nationalen Finanzsicherheit.

Mit dem beschleunigten Ausbau der intelligenten Finanzwirtschaft in China wandelt sich die Bankenbranche zunehmend von traditionellen Filialen zu intelligenten Endgeräten wie Selbstbedienungsterminals (ATM), Fernvideo-Banking-Terminals (VTM) und intelligenten Schaltern (STM). Diese Endgeräte sind ein wesentlicher Bestandteil der nationalen Finanzinfrastruktur, beeinflussen die Zugänglichkeit und Bequemlichkeit von Finanzdienstleistungen direkt und sind entscheidend für die Stabilität der nationalen Finanz- und Informationssicherheit. Sie sind die erste Verteidigungslinie gegen systemische Risiken und sichern die Vertrauenswürdigkeit von Transaktionen.

„Derzeit basiert die lebende Gesichtserkennung auf tiefem Lernen, doch Schlüsseltechnologien wie hochsichere Algorithmen, robuste Modelle für verschiedene Ethnien und physiologische Signale werden noch hauptsächlich von Europa und den USA dominiert. Inländische Entwicklungen weisen deutliche Lücken auf, etwa bei der Erkennung hochpräziser Fälschungsproben, der Generalisierung über Ethnien hinweg, multimodaler Fusion sowie bei der Algorithmus-Implementierung.“ sagte Yu Zitong.

Er fügte hinzu, dass die aktuellen KI-Technologien wie Deepfake und 3D-Druck die Details gefälschter Gesichter nahezu realitätsnah nachbilden, wobei traditionelle Textur- und Flussmerkmale eine hohe Fehlerrate aufweisen und die Sicherheitsstandards im Finanzbereich kaum erreichen. Viele inländische Algorithmen basieren auf einheitlichen Hautfarben und Szenarien, was die Erkennungsgenauigkeit bei dunkler Hautfarbe und internationalen Nutzern deutlich verringert und die globale Einsatzfähigkeit einschränkt. Bestehende Lösungen verlassen sich hauptsächlich auf visuelle Hinweise wie RGB-, Infrarot- und Tiefenbilder, nutzen nicht ausreichend physiologische Signale aus, und die Modellinterpretierbarkeit sowie Robustheit in komplexen Umgebungen sind unzureichend. Viele Anti-Betrugs-Algorithmen bleiben auf akademischer oder Software-Ebene und haben noch keine eigenständigen, marktfähigen „finanzsicheren“ integrierten Geräte hervorgebracht.

Angesichts der internationalen Trends in der intelligenten Finanzwirtschaft besteht dringender Handlungsbedarf, um die genannten Engpässe zu überwinden und eine eigenständige, kontrollierbare, sichere und regionenübergreifend nutzbare Gesichtsbetrugsbekämpfungstechnologie zu entwickeln.

Als führender Standort für die Herstellung von Finanzgeräten und Innovationen im Bereich künstliche Intelligenz in China nutzt Guangdong in den letzten fünf Jahren Gesichtserkennung und Betrugsbekämpfungstechnologien als Motor für eine neue Welle der Finanztechnologieentwicklung.

Im Fokus steht die „Schlüsseltechnologie der Gesichtsbetrugsbekämpfung und die Entwicklung hochsicherer intelligenter Finanzterminals“. Das Team von Yu Zitong an der Universität der Greater Bay Area arbeitet an Systemlösungen in den Bereichen schwacher räumlicher Signale, multimodale domänenübergreifende Anpassung und physiologische Signale für lebende Erkennung. Ziel ist es, unter komplexen Bedingungen und in verschiedenen Bevölkerungsgruppen hochpräzise Lebendigkeitserkennung und Identitätsbestätigung zu realisieren und eine international führende, exportfähige neue Generation intelligenter Betrugsbekämpfungs-Endgeräte zu entwickeln.

Im Bereich der Lebendigkeitserkennung integriert das Team eine Technologie, die nicht-kontaktbasierte physiologische Signale mit äußeren Erscheinungsmerkmalen verbindet. Es wurde eine multimodale, domänenübergreifende Betrugsbekämpfungsmethode entwickelt, die die herkömmliche Abhängigkeit von RGB-Modi und die Anfälligkeit für Umweltstörungen überwindet. Durch gleichzeitige Erfassung von Gesichtsdynamik mit mehreren Kameras und die Extraktion von rPPG-physiologischen Signalen (wie Herzfrequenz, Blutflussrhythmus, Sauerstoffsättigung) sowie die Analyse von Mikroausdrücken und Blinzeln erhöht diese Methode die Erkennungsfähigkeit und Erklärbarkeit in komplexen Szenarien und bei hochpräzisen Angriffen.

„Für 2024 planen wir die Entwicklung einer Technologie ähnlich einer 3D-Cloud-Plattform, die die Gesichtserfassung und Interaktion erleichtert. Derzeit liegt unsere Gesichtsbetrugsbekämpfungstechnologie in China an der Spitze, zeigt hervorragende Zuverlässigkeit und Echtzeitfähigkeit und ist benutzerfreundlich sowie international anpassbar. Damit können wir Herausforderungen bei verschiedenen Ethnien und Rassen bewältigen.“ sagte Yu Zitong.

Tatsächlich basiert das von seinem Team entwickelte intelligente Finanz-Betrugsbekämpfungssystem auf einer integrierten, industrietauglichen Lösung, die eine vollständige, eigenständige Kontrolle über Algorithmus, Hardware und System gewährleistet. Durch die Entwicklung eines Embedded-AI-Beschleunigungsmoduls wird die Echtzeit-Erkennung und Edge-Inferenz der Betrugs-Algorithmen ermöglicht. Das System integriert Funktionen wie Gesichtserkennung, Betrugsdetektion, Identitätsprüfung und verschlüsselte Kommunikation und ist für die Massenproduktion im Finanzbereich ausgelegt. Das System ist bereits bei der Industrial and Commercial Bank of China (ICBC) im Einsatz und wurde erfolgreich in Südostasien kommerzialisiert, mit breitem Branchen- und internationalen Anwendungspotenzial.

Yu Zitong erläuterte, dass durch Innovationen bei multimodaler Fusion und domänenübergreifender Anpassung die Lösung die Herausforderungen bei der vertrauenswürdigen Gesichtserkennung in komplexen Umgebungen im Finanzbereich bewältigt. Das Projekt wurde von der Guangdong Society of Image and Graphics bewertet und hat bedeutende Fortschritte bei Schlüsseltechnologien und industrieller Anwendung im Bereich multimodaler Gesichtsbetrugsbekämpfung erzielt. Es besitzt eigenständige geistige Eigentumsrechte und erreicht international führende Standards; insbesondere die multimodale, visuelle Hinweise nutzende zentrale Differenzkonvolutionsmodell sowie die domänenübergreifende Anpassungsmethode gelten als international führend.

Derzeit werden die entsprechenden Geräte und Produkte des Projekts durch die China UnionPay Group in verschiedenen Finanzinstrumenten eingesetzt. In den letzten drei Jahren wurden insgesamt 1,814 Milliarden Yuan Umsatz erzielt, mit einem Nettogewinn von 72,64 Millionen Yuan. Das Projekt hält den ersten Platz im chinesischen Markt und gehört zu den Top drei weltweit.