О том, как создавался и как развивается проект FacePay24, Highload рассказал его технический разработчик — заместитель по IT руководителя направления по работе с Big Data «ПриватБанка» Александр Васильковский. В его интервью — о том, какова надежность системы и можно ли ее обмануть, какие сложности возникали в работе с Amazon, а еще — почему сам разработчик не боится компаний, которые оцифровывают нас с ног до головы.
В беседе принимал участие интернет-предприниматель Алексей Мась, который сейчас развивает свой стартап «Крафтовые соцсети». Дальше — ответы Александра Васильковского на вопросы Highload и Алексея Мася.
Есть несколько кейсов, где используется эта технология. Изначально это оплата в точках продаж. Их подключено больше 1000. Например, в Днепре достаточно много.
Партнеры делятся по типу подключения. Мы работаем с планшетом, партнер-мерчант может предоставить свой, либо планшет ему предоставляет банк. Есть мерчанты, которые работают с POS-терминалами. У них есть камера, и мы туда также интегрируем FacePay24. Есть даже мерчанты, которые просто ставят свою видеокамеру. Мы там работаем с видеопотоком, но в итоге, по сути, все равно с фотографией.
Это не замена основным методам оплаты. Мы позиционируем услугу как кейс в экстремальных, особенных случаях. Если вы что-то потеряли — вот вам альтернатива.
Еще один кейс — снятие наличных в банкомате. Там используется не только FacePay24, но и второй фактор — отпечаток пальцев. Это уже наши внутренние разработки, без партнеров в лице Amazon. В Днепре это два банкомата, всего в Украине их 10 — Харьков, Киев, Одесса.
Снять можно до 500 гривен. То есть это позиционируется не как альтернатива основному снятию, а скорее, как выход в ситуации, когда у вас что-то случилось с телефоном или нет карты.
Есть мобильное приложение «Приват24». Та версия, где черный значок, — FacePay24 внедрен только туда. Заходим в приложение, слева вверху нажимаем на свою иконку, заходим в платежные настройки, находим там раздел FacePay24. Выбираем карту, после чего нужно зарегистрироваться.
Для тех, кто боится, можно привязать интернет-карту с минимальным балансом, чтобы не попасться на мошенничество. Но таких кейсов еще не было.
Приложение попросит у вас три фотографии. Прямо, под 45 градусов влево и вправо. Делаем три фото — все, приходит сообщение, что регистрация прошла успешно.
В приложении можно просмотреть адреса магазинов и банкоматов, которые интересуют. Дальше мы, допустим, приходим в кофейню, где есть POS-терминал с камерой. Прямо внутри него вы нажимаете кнопку FacePay24, делаете фото, происходит оплата. Сейчас, в целях безопасности, с обязательным подтверждением. Им является введение пин-кода либо пуш на телефон. Мы еще с осторожностью ко всему этому подходим, поэтому и есть этот второй фактор подтверждения личности.
Сейчас у нас около 13 тысяч регистраций в месяц. Начали мы год назад, на старте, естественно, цифры были гораздо ниже. Это регистрации — а по числу идентификаций цифры ниже. Статистика показывает, что люди охотно регистрируются, но пока еще неохотно пользуются. У нас около 1,5 тысяч в месяц успешных идентификаций.
К сожалению, возможно, люди пока еще боятся. На статистике видно, что, как минимум, один раз попробовали многие. К тому же, зарегистрироваться можно дома на диване. А для того, чтобы совершить идентификацию и оплату, нужно уже куда-то идти ногами.
Мы думаем о том, чтобы использовать распознавание в сервисе моментальных платежей LiqPay. То есть, когда мы покупаем какой-то товар в вебе, делать подтверждение прямо с телефона, сфотографировавшись. Там, думаю, идентификаций у нас будет в разы больше, чем регистраций.
Когда человек прямо на диване так оплачивает — это удобно. Сейчас же число идентификаций связано с физическим перемещением к точке оплаты. К тому же, этих точек еще не так много, надо поискать, чтобы заплатить лицом.
Но я думаю, что такой способ оплаты неизбежно станет мейнстримовым — это вопрос времени. Сейчас мы упираемся в технологии. Но главное, что это удобно: просто сфоткался — и все. Минимум движений и нажатий.
Я и моя команда разрабатывали чисто бэкендовую часть FacePay24. Мы использовали AWS Lambda, на которой написали свой код взаимодействия с сервисами AWS. Основа и ядро — это Amazon Rekognition.
Мы посмотрели и на другие системы, но выбрали именно АWS. Почему? Это Amazon, сервисы которого — де-факто стандарт в «ПриватБанке». Банк очень тесно взаимодействует с Amazon в других отраслях, проектах и сервисах, поэтому выбор был очевиден.
В итоге этот выбор, по сути, был между АWS и нашими собственными аналогичными решениями. Сейчас наши решения еще уступают в качестве, поэтому мы и пришли к платному, но более качественному стороннему решению.
Во-первых, мы все-таки разрабатываем и свое решение. Улучшаем его чуть ли не с каждым днем. Мы поставили себе цель достичь точности, как у Amazon. Думаю, это дело времени.
Второй момент — думаю, у такой компании, как Amazon, существенных рисков нет. Это гранд, за которым стоит серьезное имя. У меня это первый такой проект, а у банка запущены и более рисковые проекты на Amazon, и там все в порядке, так что риски минимальные.
Amazon говорит о надежности в 99+ процентов. Перед тем, как делать продакшен, мы сами проверили их систему на своих данных, и у нас получился показатель 99,7% точности распознавания.
Теоретически систему распознавания можно обмануть в некоторых кейсах, если очень постараться. Поэтому второй фактор авторизации в виде пин-кода или пуша — это некая подстраховка. В ущерб удобству мы уделяем внимание безопасности.
Мы тестировали свою внутреннюю систему распознавания на близнецах. Там она ошибается, так что пока этот вопрос открыт. Думаю, то же можно сказать о гриме, если он очень качественный.
Пока модели не различают микроэлементы. В основном все построено на лендмарках, которые накладываются на лицо — кончик носа, края губ, глаз и так далее. Всего около 500 точек, которые потом трансформируются в вектор лица. Так называемые фичи, которые характеризуют человека. У близнецов расстояние между этими точками получается похожим.
Мы разработали свой сервис по детекции масок. Сейчас мы просим снять маски, чтобы воспользоваться сервисом. Плюс ведем внутренние разработки распознавания с масками, чтобы распознавать человека только по половине лица.
Это у нас пока почти на уровне идей. Дело в том, что текущая модель в этом случае уже не работает, качество существенно падает. Нужно принципиально перестраивать модель.
Сам код на Lambda довольно прост. Единственное, что было неожиданным, — оказалось, что при минимальных нагрузках сервисы Rekognition отвечали от 3 до 5 секунд. Мы это долго разбирали с VIP-техподдержкой Amazon. В конце концов добили. Но не ожидали, что Amazon будет 3–5 секунд отвечать. Такие гранды…
Оказалось, что для них это тоже новшество. Этот сервис у них тоже новый, так, как мы его еще никто не использовал. Поэтому они лояльно подошли и быстро отреагировали.
Из забавных кейсов: когда мы только все это запустили, стало понятно, что очень многие люди путали лево и право. Мы показывали стрелочкой на экране: повернитесь сюда, но почему-то человек поворачивался в другую сторону. Мы потом просто расширили границы угла поворота головы, допустимые на фотографии. Проверили — на качество это не повлияло. Таким образом ушли от этой проблемы.
У нас есть внутренняя разработка для анализа трансакций с помощью искусственного интеллекта и ML — Lines Detection. Это для борьбы с попытками обмануть сервис фотографией или телефоном: допустим, открыли мой профиль в соцсетях, поднесли и оплатили.
Мы работаем над нейронной сетью, которая отличает реального человека от фейкового, бумажного или телефонного. Это сейчас главная проблема — то, за что мы боремся. Если мы ее победим, то уйдем от пушей, пин-кодов. Можно будет все делать только по фото.
В мире здесь есть компании, за которыми мы следим, на которые ориентируемся. FaceNet — у них очень круто все поставлено, мы пытаемся прийти к их показателям. У них это платно, а парадигма банка все-таки в том, чтобы по возможности использовать свои внутренние ресурсы. В банке очень много разработчиков, все умные, все молодцы.
В разрезе внутренних разработок мы также пытаемся работать с видеопотоком. У Amazon в ритейле, скорее всего, тоже идет такая работа. У нас пользователь целенаправленно сам себя фоткает, а там он не смотрит ни в какие штуки. Его надо поймать, несколько раз обработать, понять, что это он.
Еще Amazon уже выдает распознавание эмоций — грустный человек или веселый, а также его атрибуты — очки, борода. Это очень простые модели, мы такие можем делать самостоятельно. Но тут вопрос бизнес-кейса — где это все применять? Мы пока этого для себя не видим.
Мы запрашиваем от пользователя соглашение, все законодательные нормы соблюдены. Пользователь соглашается на обработку своих данных.
Конечно, Amazon для нас — некий черный ящик. Но они также ничего не хранят.
В самом крайнем случае, что мы теряем? Просто фотографии. Найти фото человека в соцсетях — и сейчас нет проблем, о разглашении каких еще данных можно говорить — тоже неясно. Это не пин-код, не пароль.
Google уже всех оцифровал, чтобы нам могли продавать стиральные машины. Как только мы их погуглим — сразу видим в Facebook. Думаю, что те компании, которые нас оцифровывают, не преследуют цель глобального захвата. Он улучшают нашу жизнь. Я всегда разрешаю все трекеры и нормально к этому отношусь.
Сегодня мы поговорим о том, как выбрать лучшие курсы Power BI в Украине, особенно для…
В 2023 году во всех крупнейших регионах конкуренция за вакансию выросла на 5–12%. Не исключением…
Unicorn Hunter/Talent Manager Лина Калиш создала бесплатный трекер поиска работы в Notion, систематизирующий все этапы…
Edtech-стартап Mate academy принял решение отправить своих работников в десятидневный отпуск – с 25 декабря…
Служба безопасности Украины задержала в Киеве 46-летнего программиста, который за деньги устанавливал шпионские программы и…
IT-специалист Джордан Катлер создал и выложил на Github подборку разнообразных ресурсов, которые помогут достичь уровня…
