Kesimpulan Utama
Memanfaatkan model visi komputer (CV) berbasis kecerdasan buatan (AI) untuk menilai bukti pembayaran, kami menawarkan kepada pengguna platform P2P Binance lapisan perlindungan tambahan terhadap aktivitas penipuan.
Komitmen kami untuk meningkatkan pengalaman pengguna diwujudkan dalam menjaga kerangka keamanan yang sederhana namun kuat dalam platform P2P kami. Kami percaya bahwa bahkan dengan penggunaan teknologi mutakhir seperti AI, keamanan tidak harus mengorbankan kompleksitasnya.
Pendekatan yang cermat dalam melakukan transaksi peer-to-peer adalah langkah pertama untuk memastikan keamanan aset Anda. Selalu waspada saat menerima bukti pembayaran apa pun. Konfirmasikan bahwa jumlah sebenarnya yang diterima sesuai dengan nilai transaksi yang dinyatakan.
Penipuan Persepsi: Ancaman Manipulasi POP
Dalam postingan blog sebelumnya dalam seri ini, Penjaga Tak Terlihat Binance P2P: Menggunakan AI untuk Melindungi Pengguna Kripto, kami membahas cara kami menggunakan model bahasa besar (LLM) untuk memberikan pengawasan real-time atas Komunikasi pengguna P2P untuk membantu mendeteksi transaksi yang berpotensi meragukan. Kini, kami mengalihkan fokus kami ke aspek lain dari tantangan memanfaatkan teknologi mutakhir untuk melindungi pengguna P2P dan mempelajari penerapan model computer vision (CV) untuk mendeteksi penipu.
Dalam transaksi peer-to-peer, peran bukti pembayaran yang sah (POP) sangatlah penting. Sangat penting bagi pengguna untuk melakukan uji tuntas untuk memastikan bahwa mereka telah menerima jumlah perdagangan yang akurat. Namun demikian, alat pengeditan, bahkan yang paling sederhana sekalipun, sudah tersedia bagi individu yang tidak bermoral untuk membuat POP yang tampaknya asli. Hal ini menimbulkan tantangan nyata bagi pihak penerima untuk mengidentifikasi transaksi palsu. Penipu juga dapat membuat proses perdagangan menjadi lebih mengintimidasi dengan menggunakan berbagai taktik rekayasa sosial seperti terburu-buru atau membingungkan korban.
Secara keseluruhan, lebih dari 250.000 gambar dikirim ke platform kami setiap hari, tidak terbatas pada gambar POP. Variasi dalam POP ini bermacam-macam – gambarnya berbeda dalam format, desain, dan sumber, sehingga menambah lapisan kompleksitas pada tugas mendeteksi manipulasi.
Meskipun ancaman bukti pembayaran palsu (POP) masih ada, pengguna kami tidak bisa dibiarkan sendiri untuk memberantas POP yang menipu ini. Dilengkapi dengan algoritma AI yang canggih, platform kami memeriksa semua gambar yang dikirimkan selama transaksi, memastikan keaslian dan legitimasinya secara real time. Model tangguh ini mahir dalam menentukan dan menandai tanda-tanda gangguan atau manipulasi gambar. Perlindungan ketat tersebut diterapkan untuk mengamankan integritas transaksi pengguna kami, mencegah upaya penipuan dan dengan demikian mengurangi risiko potensi kerugian pengguna.
Membuka Kedok Penipuan: Memanfaatkan Computer Vision untuk Menemukan Bukti Pembayaran Palsu
Computer vision (CV), sebuah bidang kecerdasan buatan di mana komputer dilatih untuk menafsirkan dan memahami dunia visual, menawarkan salah satu solusi paling tangguh yang ada saat ini terhadap masalah bukti pembayaran palsu.
Dengan menggunakan teknik seperti pengenalan karakter optik (OCR), klasifikasi gambar, deteksi objek, dan pemrosesan gambar digital, model CV dapat dilatih untuk membedakan bukti pembayaran asli dan palsu.
Model ini dapat menganalisis foto atau tangkapan layar, piksel demi piksel, mendeteksi inkonsistensi dan anomali yang biasanya tidak terlihat oleh mata manusia. Baik itu skema warna yang sedikit miring, logo yang terdistorsi, atau perubahan font yang tidak kentara, model dapat mengidentifikasi perbedaan ini secara akurat.
Sehubungan dengan penggunaan model CV, kami juga melakukan verifikasi silang tambahan dengan metadata gambar, serta parameter lain seperti pola perdagangan, untuk mendapatkan gambaran situasi yang komprehensif.
Pada bagian berikut, kami akan melihat lebih dekat beberapa pemeriksaan yang kami lakukan untuk memastikan keabsahan POP.
Gambar 1: [Aktivitas] Apakah Anda dapat mengidentifikasi informasi apa yang telah dirusak?
Pengenalan Karakter Optik (OCR)
Senjata utama kita dalam melawan penipu adalah teknik yang disebut pengenalan karakter optik (OCR). Model OCR membantu kita menetapkan dua informasi penting:
Konten tekstual yang telah diidentifikasi dan ditranskripsikan dari gambar.
Posisi potongan teks yang diidentifikasi dan ditranskripsikan di dalam gambar.
Dalam dunia transaksi online, alat pengeditan tingkat lanjut sudah tersedia. Penipu sering mengeksploitasi alat ini untuk memanipulasi bagian dari POP asli. Beberapa area POP sah yang sering dimanipulasi meliputi:
Tanggal dan waktu transaksi. Bidang ini menunjukkan tanggal dan waktu pasti kapan transaksi diproses. Penipu dapat mengubah informasi ini untuk mencerminkan jangka waktu yang menguntungkan bagi penipuan mereka. OCR dapat membantu memverifikasi keakuratan data ini dengan melakukan referensi silang dengan cap waktu transaksi sebenarnya.
ID transaksi. Ini adalah pengidentifikasi unik untuk setiap transaksi. Ketidakkonsistenan apa pun dalam bidang ini adalah tanda adanya gangguan. OCR membantu memverifikasi ID transaksi dengan melakukan referensi silang dengan transaksi sebelumnya dan memindai ID yang digunakan kembali.
Jumlah transaksi. Mungkin bidang yang paling sering dimanipulasi. Mengubah informasi di bidang ini dapat menyebabkan perbedaan antara nilai aktual dan nilai yang dikirimkan. Di sini, kemampuan sistem OCR untuk mengidentifikasi angka secara akurat memainkan peran penting dalam mencegah penipuan.
Nama. Nama pembayar dan penerima pembayaran juga cukup sering diubah. Model OCR dapat membantu memverifikasi silang informasi yang diambil dari bidang nama dengan memeriksanya terhadap kredensial yang diketahui dari pihak-pihak yang terlibat.
Gambar 2. Sorotan informasi yang dirusak. Kenyataannya, hasil edit tersebut akan kurang terlihat oleh mata yang tidak terlatih.
Pemrosesan Citra Digital
Terkadang, detail terkecil menceritakan kisah terbesar. Dalam konteks manipulasi gambar, perubahan apa pun yang dilakukan pada gambar, sekecil apa pun, dapat meninggalkan jejak atau anomali yang ditangkap oleh model kami. Sinyal samar ini sering kali menjadi bukti nyata adanya gangguan. Area yang paling rentan terhadap bentuk manipulasi ini, seperti diuraikan dalam Gambar 1, lebih mungkin terlihat jika suatu gambar telah diubah.
Untuk lebih menjelaskan tugas menantang dalam menemukan anomali ini, kami telah mengidentifikasi beberapa jenis jejak manipulasi yang umum:
Pemformatan atau perataan teks yang tidak wajar. Yang paling mencolok adalah teks yang miring, tidak sejajar, atau menampilkan font yang sangat berbeda dari gambar lainnya. Ini biasanya merupakan tanda gangguan yang cukup jelas.
Perbedaan warna latar belakang yang halus. Yang lebih halus adalah perbedaan samar pada warna latar belakang yang mungkin luput dari perhatian pengamat biasa, namun tidak luput dari perhatian model komprehensif kami.
Distorsi tingkat piksel. Anomali yang paling tidak terlihat adalah noise atau inkonsistensi pada tingkat piksel, terutama di sekitar bidang yang dimanipulasi.
Alat yang sangat berharga yang digunakan untuk mengidentifikasi jejak manipulasi tersebut adalah Analisis Tingkat Kesalahan (ELA). ELA memeriksa tingkat kompresi pada suatu gambar. Intinya, ini mengidentifikasi area gambar yang menunjukkan tingkat kompresi berbeda dibandingkan area sekitarnya, yang dapat menandakan bahwa area tersebut baru saja mengalami pengeditan. Gambar asli dan tidak tersentuh akan memiliki tingkat kesalahan yang relatif konsisten. Sebaliknya, bagian gambar yang disesuaikan akan menampilkan hasil ELA yang lebih cerah atau jelas.
Gambar 3. Contoh gambar yang dihasilkan setelah menerapkan ELA, yang memberikan beberapa petunjuk tentang area yang mungkin telah dirusak.
Model kami terus dilatih dan diperbarui untuk beradaptasi dengan teknik yang terus berkembang yang digunakan oleh para penipu, memastikan integritas platform dan menjaga kepercayaan yang diberikan oleh pengguna kami kepada kami.
Pencarian Gambar Serupa
Meskipun kami telah mengatasi kasus-kasus di mana gambar dimanipulasi, ada taktik licik lainnya yang digunakan oleh para penipu. Metode penipuan lain yang umum digunakan adalah berulang kali menggunakan POP sah yang identik atau sedikit dimodifikasi untuk beberapa transaksi. Jika korban tidak memverifikasi transaksi dengan memeriksa rekening banknya, mereka mungkin tanpa sadar tertipu oleh penipuan ini.
Mengingat banyaknya transaksi dan gambar yang terkait, tugas memindai dan membandingkan setiap gambar bukanlah tugas yang mudah. Penerapannya secara real-time membutuhkan banyak sumber daya dan karenanya sangat menantang.
Untuk menghadapi tantangan ini, kami menggunakan encoder gambar yang memadatkan gambar menjadi abstrak data yang lebih kecil namun penting. Cuplikan ini disimpan dalam database vektor kami yang kuat, memungkinkan algoritme melakukan pemindaian hampir real-time untuk gambar serupa. Pendekatan sistematis ini terbukti sangat efektif, memungkinkan kami menggagalkan ratusan upaya penipuan setiap hari. Pemanfaatan algoritma pencarian gambar serupa merupakan bukti lain komitmen kami untuk secara proaktif memastikan keamanan transaksi di platform P2P kami.
Gambar 4. Saluran pencarian vektor hampir real-time
Menutup Pikiran
Dalam dunia transaksi kripto peer-to-peer, menghadapi tantangan penipuan menjadi semakin penting. Kami berdiri di garis depan, terus menyempurnakan dan memanfaatkan solusi teknologi canggih untuk memperkuat pertahanan kami terhadap penipu yang menargetkan platform dan pengguna kami.
Penggunaan AI oleh kami merupakan contoh pendekatan proaktif kami untuk mengamankan integritas setiap gambar yang dikirimkan dalam transaksi. Dengan menggunakan pengawasan dan analisis real-time, model AI canggih ini dapat mengidentifikasi upaya manipulasi gambar secara akurat dan cepat. Efektivitas langkah-langkah ini luar biasa, terutama mengingat banyaknya volume dan keragaman gambar yang dipertukarkan setiap hari di seluruh platform kami.
Namun, kami juga percaya bahwa keamanan tidak boleh mengorbankan pengalaman pengguna. Kami tetap berkomitmen untuk memastikan bahwa semua pengguna menikmati pengalaman yang mudah dan lancar di platform P2P kami, tanpa mengkhawatirkan integritas perdagangan mereka. Kami memperjuangkan prinsip bahwa transaksi yang aman dan navigasi yang mudah digunakan tidak eksklusif, namun saling melengkapi dalam jalur menuju lingkungan perdagangan digital yang berkembang.
Perjuangan melawan penipuan transaksi P2P tidak berhenti pada penerapan teknologi canggih. Hal ini juga memerlukan kewaspadaan dan keterlibatan komunitas pengguna kami. Dengan menggabungkan persenjataan teknologi tangguh yang kami miliki dan partisipasi aktif komunitas pengguna, kami dapat menawarkan pasar yang aman dan andal.
Catatan
Jika model kami mengidentifikasi POP yang sangat mencurigakan, Anda mungkin melihat pesan peringatan berikut muncul di kotak obrolan Anda:
Masuk ke akun pembayaran Anda dan verifikasi pembayaran yang benar telah diterima. Jika tidak, JANGAN lepaskan sebelum memeriksa.
Pastikan untuk memeriksa akun Anda!
Jika Anda menjadi korban penipuan P2P, harap ajukan laporan ke Dukungan Binance dengan mengikuti langkah-langkah dalam panduan ini: Cara Melaporkan Penipuan di Dukungan Binance
