Principalele produse la pachet

  • Utilizând modele de viziune computerizată (CV) bazate pe inteligență artificială (AI) pentru evaluarea dovezilor plăților, oferim utilizatorilor platformei P2P a Binance un nivel suplimentar de protecție împotriva activităților frauduloase.

  • Angajamentul nostru de a îmbunătăți experiența utilizatorului se manifestă prin menținerea unui cadru de securitate simplu, dar robust, în cadrul platformei noastre P2P. Credem că, chiar și cu utilizarea tehnologiilor de ultimă oră precum AI, securitatea nu ar trebui să vină cu prețul complexității.

  • O abordare atentă a efectuării tranzacțiilor peer-to-peer este primul pas către asigurarea siguranței activelor dvs. Fiți întotdeauna vigilenți la primirea oricărei dovezi de plată. Confirmați că suma efectivă primită se potrivește cu valoarea tranzacției declarată.

Decepția percepției: Amenințarea manipulării POP 

În postarea anterioară pe blog a acestei serii, Gardienii invizibili ai Binance P2P: Utilizarea inteligenței artificiale pentru a proteja utilizatorii criptografici, am discutat despre modul în care folosim modele de limbaj mari (LLM) pentru a oferi supraveghere în timp real asupra Comunicațiile utilizatorilor P2P pentru a ajuta la detectarea tranzacțiilor potențial dubioase. Acum, ne îndreptăm atenția către un alt aspect al provocării de a folosi tehnologii de ultimă oră pentru a proteja utilizatorii P2P și ne uităm la aplicarea modelelor de computer vision (CV) pentru a detecta escrocii.

În tranzacțiile peer-to-peer, rolul de dovadă validă de plată (POP) este fundamental. Este esențial ca utilizatorii să folosească diligența necesară pentru a se asigura că au primit suma corectă de tranzacționare. Cu toate acestea, instrumentele de editare, chiar și cele mai simple, sunt ușor disponibile pentru persoanele fără scrupule pentru a fabrica POP-uri aparent autentice. Acest lucru reprezintă o adevărată provocare pentru cei din partea receptorului de a identifica tranzacțiile contrafăcute. Escrocii pot face, de asemenea, procesul de tranzacționare și mai intimidant, folosind diverse tactici de inginerie socială, cum ar fi grăbirea sau derutarea victimei. 

În general, peste 250.000 de imagini sunt trimise zilnic pe platformele noastre, fără a se limita la imagini POP. Variațiile acestor POP-uri sunt multiple – imaginile diferă ca format, design și sursă, ceea ce adaugă un alt nivel de complexitate sarcinii de detectare a manipulărilor.

În timp ce amenințarea dovezilor de plată (POP) frauduloase persistă, utilizatorii noștri nu sunt lăsați să combată singuri aceste POP înșelătoare. Echipată cu algoritmi AI avansați, platforma noastră examinează toate imaginile trimise în timpul tranzacțiilor, asigurându-le autenticitatea și legitimitatea în timp real. Aceste modele robuste sunt adepți să identifice și să semnaleze orice semne de manipulare sau manipulare a imaginii. Astfel de măsuri de protecție riguroase sunt implementate pentru a asigura integritatea tranzacțiilor utilizatorilor noștri, previnând în mod preventiv încercările frauduloase și atenuând astfel riscul de pierderi potențiale ale utilizatorilor.

Demascarea înșelăciunii: valorificarea viziunii computerizate pentru a identifica dovezi de plată false

Viziunea computerizată (CV), un domeniu al inteligenței artificiale în care computerele sunt instruite să interpreteze și să înțeleagă lumea vizuală, oferă una dintre cele mai robuste soluții disponibile astăzi pentru problema dovezilor falsificate de plată. 

Utilizând tehnici precum recunoașterea optică a caracterelor (OCR), clasificarea imaginilor, detectarea obiectelor și procesarea digitală a imaginilor, modelele de CV pot fi antrenate pentru a face diferența între dovada de plată autentică și cea frauduloasă. 

Aceste modele pot analiza o fotografie sau o captură de ecran, pixel cu pixel, detectând inconsecvențe și anomalii care ar fi de obicei imperceptibile pentru ochiul uman. Fie că este vorba despre o schemă de culori ușor deformată, logo-ul distorsionat sau modificări subtile de font, modelul poate identifica aceste discrepanțe cu precizie. 

În combinație cu utilizarea modelelor de CV, efectuăm și verificări încrucișate suplimentare cu metadatele imaginii, precum și cu alți parametri, cum ar fi modelele de tranzacționare, pentru a obține o imagine cuprinzătoare a situației.

În secțiunile următoare, vom arunca o privire mai atentă asupra unor verificări pe care le avem pentru a asigura legitimitatea POP.

Fig. 1: [Activitate] Sunteți capabil să identificați ce informații au fost modificate?

Recunoaștere optică a caracterelor (OCR)

O armă cheie din arsenalul nostru împotriva escrocilor este o tehnică numită recunoaștere optică a caracterelor (OCR). Modelele OCR ne ajută să stabilim două informații esențiale: 

  1. Conținutul textual care a fost identificat și transcris din imagine.

  2. Poziția acestor bucăți de text identificate și transcrise în cadrul imaginii.

În lumea tranzacțiilor online, instrumente avansate de editare sunt ușor disponibile. Escrocii exploatează adesea aceste instrumente pentru a manipula părți ale unui POP autentic. Unele dintre zonele manipulate în mod obișnuit ale unui POP legitim includ:

  • Data și ora tranzacției. Acest câmp reprezintă data și ora exactă la care tranzacția a fost procesată. Escrocii pot schimba aceste informații pentru a reflecta o cronologie favorabilă pentru înșelăciunea lor. OCR poate ajuta la verificarea acurateței acestor date prin referințe încrucișate cu marca temporală a tranzacției reale.

  • ID-ul de tranzacție. Acesta este un identificator unic pentru fiecare tranzacție. Orice inconsecvență în acest domeniu este un semn revelator de falsificare. OCR ajută la verificarea ID-ului tranzacției prin încrucișarea acestuia cu tranzacțiile anterioare și prin scanarea oricărui ID reutilizat.

  • Suma tranzacției. Poate cel mai des manipulat domeniu. Modificarea informațiilor din acest câmp poate duce la discrepanțe între valorile reale și cele transmise. Aici, capacitatea sistemului OCR de a identifica cu precizie numerele joacă un rol critic în prevenirea fraudei.

  • Nume. Numele plătitorului și al beneficiarului sunt, de asemenea, modificate destul de frecvent. Modelele OCR pot ajuta la verificarea încrucișată a informațiilor extrase din câmpul de nume, verificându-le cu acreditările cunoscute ale părților implicate.

Fig. 2. Repere ale informațiilor falsificate. În realitate, editările ar fi mai puțin vizibile pentru ochiul neantrenat.

Procesarea digitală a imaginii

Uneori, cele mai mici detalii spun cele mai mari povești. În contextul manipulării imaginii, orice modificări aduse unei imagini, indiferent cât de minute, pot lăsa urme sau anomalii care sunt detectate de modelele noastre. Aceste semnale slabe servesc adesea ca dovezi tangibile ale falsificării. Zonele care sunt cele mai vulnerabile la această formă de manipulare, așa cum este subliniat în Figura 1, au mai multe șanse să dezvăluie dacă o imagine a fost modificată. 

Pentru a explica mai bine sarcina provocatoare de a identifica aceste anomalii, am identificat câteva tipuri comune de urme de manipulare:

  • Formatarea sau alinierea nenaturală a textului. Cel mai remarcabil este textul care este înclinat, aliniat greșit sau prezintă un font total diferit de restul imaginii. Acesta este de obicei un semn destul de aparent de manipulare.

  • Discrepanțe subtile de culoare de fundal. Mai subtile sunt diferențele slabe în culoarea de fundal care ar putea scăpa unui observator ocazional, dar nu modelul nostru cuprinzător. 

  • Distorsiuni la nivel de pixel. Cea mai puțin vizibilă anomalie sunt zgomotele sau inconsecvențele la nivel de pixeli, predominant în jurul câmpurilor manipulate. 

Un instrument de neprețuit folosit pentru a identifica astfel de urme de manipulare este analiza la nivel de eroare (ELA). ELA inspectează nivelul de compresie pe o imagine. În esență, identifică zone ale unei imagini care prezintă niveluri diferite de compresie decât cele din zona înconjurătoare, ceea ce poate semnifica că au suferit modificări recente. O imagine originală și neatinsă va avea niveluri de eroare relativ consistente pe tot parcursul. În schimb, părțile ajustate ale imaginii vor afișa un rezultat ELA mai luminos sau mai viu.

Fig. 3. Exemplu de imagine rezultată după aplicarea ELA, care oferă câteva indicii despre zonele care ar fi putut fi manipulate.

Modelele noastre sunt pregătite și actualizate în mod constant pentru a se adapta la tehnicile în continuă evoluție folosite de escroci, asigurând integritatea platformei și păstrând încrederea acordată de utilizatorii noștri.

Căutare de imagini similare

Deși am abordat cazurile în care imaginile sunt manipulate, există și alte tactici la fel de obscure folosite de escroci. O altă metodă de înșelătorie folosită în mod obișnuit este utilizarea în mod repetat a unui POP legitim identic sau ușor modificat pentru tranzacții multiple. Dacă o victimă nu verifică tranzacția verificându-și contul bancar, s-ar putea ca fără să știe această înșelătorie.

Având în vedere numărul colosal de tranzacții și imaginile asociate acestora, sarcina de a scana și compara fiecare imagine nu este o operație oarecare. Implementarea sa în timp real necesită un consum mare de resurse și, prin urmare, este practic o provocare.

Pentru a face față acestei provocări, folosim un codificator de imagini care condensează imaginile în rezumate de date mai mici, dar vitale. Aceste fragmente sunt stocate în baza noastră de date vectorială robustă, permițând algoritmului să efectueze scanări aproape în timp real pentru imagini similare. Această abordare sistematică s-a dovedit a fi extrem de eficientă, permițându-ne să împiedicăm zilnic sute de încercări de înșelătorie. Utilizarea unui algoritm similar de căutare a imaginilor este încă o dovadă a angajamentului nostru de a asigura în mod proactiv siguranța tranzacțiilor pe platforma noastră P2P.

Fig. 4. Conducta de căutare vectorială aproape în timp real

Gânduri de închidere 

În lumea tranzacțiilor cripto peer-to-peer, acceptarea provocării fraudei este din ce în ce mai vitală. Ne aflăm în prima linie, rafinând și valorificând în mod constant soluții tehnologice avansate pentru a ne consolida apărarea împotriva fraudelor care vizează platforma și utilizatorii noastre.

Utilizarea AI exemplifică abordarea noastră proactivă de a asigura integritatea fiecărei imagini trimise în tranzacții. Folosind supraveghere și analiză în timp real, aceste modele puternice de inteligență artificială pot identifica cu acuratețe și rapid încercările de manipulare a imaginii. Eficacitatea acestor măsuri este remarcabilă, în special având în vedere volumul mare și diversitatea imaginilor schimbate zilnic pe platforma noastră.

Cu toate acestea, credem, de asemenea, că securitatea nu ar trebui să vină în detrimentul experienței utilizatorului. Ne angajăm să ne asigurăm că toți utilizatorii se bucură de o experiență simplă, fără întreruperi pe platforma noastră P2P, fără a ne îngrijora de integritatea tranzacțiilor lor. Susținem principiul potrivit căruia tranzacțiile securizate și navigarea ușor de utilizat nu se exclud reciproc, ci sunt domenii complementare în calea către un mediu de tranzacționare digital prosper.

Lupta împotriva tranzacțiilor P2P frauduloase nu se oprește la implementarea tehnologiei avansate. De asemenea, necesită vigilența și implicarea comunității noastre de utilizatori. Combinând arsenalul tehnologic formidabil de care dispunem și participarea activă a comunității de utilizatori, putem oferi o piață sigură și de încredere.

Notă

Pentru cazurile în care modelele noastre identifică POP extrem de suspect, este posibil să vedeți următorul mesaj de avertizare care apare în caseta dvs. de chat:

Conectați-vă la contul dvs. de plată și verificați că a fost primită plata corectă. În caz contrar, NU eliberați înainte de a verifica.

Asigurați-vă că vă verificați contul!

Dacă ați căzut victima unei escrocherii P2P, vă rugăm să trimiteți un raport la asistența Binance urmând pașii din acest ghid: Cum să raportați înșelătorii pe asistența Binance

Lectură suplimentară