JP2023530893A - データ処理および取引決定システム - Google Patents

データ処理および取引決定システム Download PDF

Info

Publication number
JP2023530893A
JP2023530893A JP2022575879A JP2022575879A JP2023530893A JP 2023530893 A JP2023530893 A JP 2023530893A JP 2022575879 A JP2022575879 A JP 2022575879A JP 2022575879 A JP2022575879 A JP 2022575879A JP 2023530893 A JP2023530893 A JP 2023530893A
Authority
JP
Japan
Prior art keywords
transaction
data processing
processing system
data
identification information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022575879A
Other languages
English (en)
Inventor
ジュニア リチャード オースティン フーバー
Original Assignee
アイディー メトリクス グループ インコーポレイテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by アイディー メトリクス グループ インコーポレイテッド filed Critical アイディー メトリクス グループ インコーポレイテッド
Publication of JP2023530893A publication Critical patent/JP2023530893A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/405—Establishing or using transaction specific rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/102—Entity profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/126—Applying verification of the received information the source of the received data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/56—Financial cryptography, e.g. electronic payment or e-cash
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)

Abstract

取引検証のための方法、システム、およびコンピュータプログラムを開示する。一局面では、取引検証システムは、取引と関連付けられたデータが拒否されるべきであるかどうかを示す出力データを生成するように各々訓練されている複数の取引検証モジュールを有し;取引検証モジュールの各々によって生成された出力データに基づいて取引プロファイルを生成し;取引プロファイルに基づいて、取引が拒否されるべきかどうかを判定し;取引が拒否されるべきでないと判定したことに基づき、人間ユーザによる検討のために、取引と関連付けられたデータをデータベースに選択的に記憶し;拒否されるべき取引の特性を身分証明書の画像が有することを示す入力データを、人間ユーザから受け取り;かつ取引が拒否されるべき人物を識別するものとしての特性を有する後続の取引データを識別するように取引検証システムを動的に訓練する。TIFF2023530893000002.tif139170

Description

関連出願の相互参照
本出願は、その全体が参照により本明細書に組み入れられる、2020年6月22日に出願された、「DATA PROCESSING AND TRANSACTION DECISIONING SYSTEM」という名称の米国仮特許出願第63/042,445号の米国特許法第119条（e）による恩典を主張するものである。
背景
従来の不正検出システムは、拒否されるべき1つまたは複数の取引を検出するように設計することができる。これらのシステムは、取引の当事者の1つもしくは複数の属性、取引の1つもしくは複数の属性、または両方の組み合わせに基づいて、1つまたは複数の取引を拒否させる警報をトリガすることができる。
概要
本開示の1つの革新的な局面によれば、取引検証のための方法が開示される。一局面では、方法は、ユーザ識別情報を表す第1のデータを、データ処理システムにより取得する工程であって、ユーザ識別情報が身分証明書の画像を含む、取得する工程;第1のデータを取引検証システムへと入力として、データ処理システムにより提供する工程であって、取引検証システムが、1つまたは複数の取引検証モジュールを含み、取引検証モジュールが、取引が拒否されるべき行為者の身分証明書を、入力画像の少なくとも一部分を表すデータが描写しているかどうかを示す出力データを生成するように各々訓練されている、提供する工程;取引検証システムによって生成された出力データに基づいて、取引プロファイルを、データ処理システムにより生成する工程;取引が拒否されるべきかどうかを、データ処理システムにより、かつ取引プロファイルに基づいて判定する工程;取引が拒否されるべきではないと、データ処理システムにより、かつ取引プロファイルに基づいて判定したことに基づき、1人または複数人の人間ユーザによる検討のために、ユーザ識別情報をデータベースに、データ処理システムにより選択的に記憶する工程;拒否されるべき取引の特性を身分証明書の画像が有することを示す入力データを、1人または複数人の人間ユーザから、データ処理システムにより受け取る工程;取引が拒否されるべき人物を識別するものとしての特性を有する後続のユーザ識別情報を識別するように、取引検証システムを、データ処理システムにより訓練する工程を含むことができる。
他のバージョンは、1つまたは複数のコンピュータ可読記憶デバイス上に符号化された命令によって定義された方法の動作を実行するか、または他の態様で実現するように構成された対応するシステム、装置、およびコンピュータプログラムを含む。
上記その他のバージョンは、任意で以下の特徴のうちの1つまたは複数を含んでいてもよい。例えば、いくつかの実装形態では、身分証明書は、人物の画像を含むことができる文書である。そのような実装形態では、画像は、（i）運転免許証、（ii）パスポート、または（iii）人物の画像を描写する他の文書もしくは人物を識別できる他の情報を含むことができる。
いくつかの実装形態では、ユーザ識別情報は、自撮り画像、デバイスデータ、バイオメトリック情報、または行動情報のうちの1つまたは複数を含むことができる。
いくつかの実装形態では、1人または複数人の人間ユーザによる検討のために、ユーザ識別情報をデータベースに、データ処理システムにより選択的に記憶する工程は、取引プロファイル内の少なくとも1つの値が、検討のための所定の範囲の範囲内にあると、データ処理システムにより判定することと、少なくとも1つの値が、検討のための所定の範囲の範囲内にあると判定したことに基づき、1人または複数人の人間ユーザによる検討のためにユーザ識別情報をデータベースに記憶することとを含むことができる。
いくつかの実装形態では、拒否されるべき取引としての特性を有する後続のユーザ識別情報を識別するように、取引検証システムを、データ処理システムにより訓練する工程は、機械学習モデルの閾値を、閾値と検討のための所定の範囲との間の差に基づいて調整することを含むことができる。
いくつかの実装形態では、1人または複数人の人間ユーザによる検討のために、ユーザ識別情報をデータベースに、データ処理システムにより選択的に記憶する工程は、検討のための所定の範囲の範囲内にある取引プロファイル内の少なくとも1つの値が存在しないと、データ処理システムにより判定することと、検討のための所定の範囲の範囲内にある取引プロファイル内の少なくとも1つの値が存在しないと判定したことに基づき、1人または複数人の人間ユーザによる検討のためにユーザ識別情報をデータベースに記憶しないと決定することとを含むことができる。
本開示の上記その他の局面を、添付の図面を参照して以下の詳細な説明でより詳細に論じる。
取引決定システムの一例のコンテキスト図である。 取引決定システムの取引検証システムを動的に再訓練するプロセスの一例のフローチャートである。 柔軟な取引検証システムを実装するために使用することができるシステム構成要素のブロック図である。
詳細な説明
本開示は、取引決定システムのための方法、システム、およびコンピュータプログラムを対象とする。取引決定システムは、特定の事業のビジネスモデルに正確に適合させることができる取引検証システムを含む。取引検証システムは、サービス型ソフトウェア（SaaS）ソフトウェア配布モデルを使用して、利用可能な取引検証モジュールのプールから1つまたは複数の取引検証モジュールを選択し配備することによって適合させることができる。次いで、取引検証システムを、既に配備された取引検証システムを打ち破るために悪質行為者によって開発された戦略に適合するようにリアルタイムで動的に再訓練することができる。その結果、取引検証システムを、時間の経過と共に悪質行為者によって用いられる新しい戦略を学習および識別するように訓練して、取引検証システムが、時間の経過と共に悪質行為者によって用いられるこれらの新しい戦略を使用して実行される不正な取引を低減させるようにすることができる。
取引検証システムの動的再訓練は、まず、検討のための候補取引プロファイルである取引プロファイルを識別することによって達成することができる。候補取引プロファイルは、例えば、生成された取引プロファイルの1つまたは複数のスコアが、取引プロファイルスコアについて設定された1つまたは複数のカスタム閾値に対する所定の誤差量内に入ると判定することによって検出することができる。検出されると、候補取引プロファイルを、人間による検討のために記憶することができる。
いくつかの実装形態では、取引検証システムは、候補取引プロファイルが、将来において拒否されるべき取引を表す取引プロファイルの一例であるというユーザからの指示を受け取ることができる。受け取られた命令に応答して、候補取引プロファイルに対応する取引プロファイルを生成する将来の取引を、拒否されるべき取引として認識するように、取引検証システムをリアルタイムで動的に再訓練することができる。この動的再訓練は、将来悪質行為者によって開始され得る後続の不正な取引を識別する際の取引検証システムの精度を向上させる。
図1は、取引決定システム100の一例のコンテキスト図である。一般に、取引検証システム100は、ユーザデバイス110と、検証サーバ120と、1つまたは複数のネットワーク112とを含むことができる。しかしながら、いくつかの実装形態では、取引決定システム100はまた、取引検証システム150を特定のビジネスモデルに合わせて構成するための第1のコンピュータ210、取引検証システム150にそれ自体を動的に再訓練するよう命令するために使用することができる第2のコンピュータ212、または両方の組み合わせを含むこともできる。
検証サーバ120は、抽出モジュール130、入力モジュール140、取引検証システム150、比較モジュール160、通知モジュール180、および検討データベース192を含むことができる。いくつかの実装形態では、検証サーバ120は、抽出モジュール130、入力モジュール140、取引検証システム150、比較モジュール160、通知モジュール180、および検討データベース192の各々を含む単一のコンピュータを含むことができる。他の実装形態では、検証サーバ120は、ネットワーク112などの1つまたは複数のネットワークを介して、抽出モジュール130、入力モジュール140、取引検証システム150、比較モジュール160、通知モジュール180、および検討データベース192のうちの1つまたは複数をホストする1つまたは複数のコンピュータの各々と通信するように構成された複数の異なるコンピュータを含むことができる。さらに別の実装形態では、それぞれのモジュールまたはデータベースの各々を、ネットワーク112などの1つまたは複数のネットワークを介して通信するように構成された複数の異なるコンピュータにわたって分散させることができる。
本開示の目的では、「モジュール」という用語は、ソフトウェア命令、1つもしくは複数のハードウェア構成要素、またはソフトウェア命令とソフトウェア命令によって記述される動作を実現するのに必要な1つもしくは複数のハードウェア構成要素との任意の組み合わせを含むことができる。さらに、本明細書によって説明される各モジュールの機能の説明が与えられれば、当業者は、1つもしくは複数の中央処理装置、1つもしくは複数のグラフィカルプロセッシングユニット、またはそれらの組み合わせなどの1つまたは複数のハードウェア構成要素によって実行された場合に本明細書によって説明されるモジュールの機能を実現するソフトウェア命令を、生成することができることが理解される。
検証サーバ120を使用して1つまたは複数の取引を検証する前に、第1のコンピュータ210を使用して取引検証システム150を構成することができる。例えば、第1のコンピュータ210は、事業の特定のビジネスモデルに関連する取引を検証するように取引検証システム150を構成するために使用することができる。いくつかの実装形態では、第1のコンピュータ210は、1つまたは複数の命令220を生成して取引検証システム150に提供して、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xへのアクセスを有効にするか、または無効にすることによって取引検証システム150を構成することができ、xは0より大きい任意の非ゼロ整数である。そのような実装形態では、取引検証サーバ150は、取引検証のために検証サーバ120によって提供される複数の取引検証モジュールの各々を含み得る。他の実装形態では、コンピュータ210は、取引検証システム150を、取引を検証するために取引検証プロバイダによって提供される取引検証モジュール150-1、150-2、150-3、150-xの特定のサブセットを含むように構成させるコンピュータリソースを割り当てさせる1つまたは複数の命令を生成して取引検証システム150に提供することができる。これらの実装形態または他の実装形態では、取引検証システム150を、特定の実体のビジネスモデルに関連する取引を検証するようにカスタマイズされた取引検証モジュールの特定のセットで動的に構成することができる。様々なビジネスモデルは、ユーザデバイスの販売またはレンタル、金融取引、対面店頭購入、オンライン購入、不動産取引などを含むことができる。
1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは、検証サーバ120によってホストされ、ユーザデバイス110のユーザなどのエンドユーザが利用することができる1つまたは複数のコンピューティングアプリケーションとすることができる。1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは、物理的身分証明書検証モデル、顔認識検証モジュール、個人情報検証モジュール、バイオメトリック検証モジュール、速度検証モジュール、活性（liveness）検証モジュール、または任意の他のタイプの検証モジュールのうちの1つまたは複数を含むことができる。
例として、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは、物理的身分証明書検証モジュール150-1を含むことができる。物理的身分証明書検証モジュールは、取引の当事者の物理的身分証明書を評価するために使用することができる。物理的身分証明書検証モジュールは、物理的身分証明書の画像が偽造文書を描写している可能性152-1を予測するように訓練された1つまたは複数の機械学習モデルを含むことができる。例えば、物理的身分証明書検証モジュールは、入力として、運転免許証、パスポート、出生証明書などといった物理的身分証明書の画像を受け取り、物理的身分証明書の画像の処理に基づいて、物理的身分証明書の画像が偽造文書を描写している可能性を判定することができる。
例えば、物理的身分証明書検証モジュールは、物理的身分証明書の画像内のセキュリティ特徴の有無を検出するように訓練することができる。物理的身分証明書検証モジュールが、物理的文書検証モジュールがそれについて訓練されている偽造防止アーキテクチャの1つまたは複数のセキュリティ特徴が物理的身分証明書の画像によって描写されていないと判定した場合には、物理的身分証明書検証モジュールは、物理的身分証明書の画像が偽造文書を描写している可能性が高いことを示す出力データを生成することができる。あるいは、物理的身分証明書検証モジュールが、偽造防止アーキテクチャの各セキュリティ特徴が物理的身分証明書の画像によって描写されていると判定した場合には、物理的身分証明書検証モジュールは、物理的身分証明書の画像が正規の物理的身分証明書の画像を描写している可能性が高いことを示す出力データを生成することができる。
本明細書の目的では、「偽造防止アーキテクチャ」は、物理的身分証明書内のその存在が、物理的身分証明書が正規であることを示す2つ以上の偽造防止セキュリティ特徴のグループを含むことができる。偽造防止アーキテクチャの「セキュリティ特徴」は、物理的文書の画像内のその有無を本開示に従って訓練された機械学習モデルによって検出することができる偽造防止アーキテクチャの構成要素を指す用語である。例として、本開示に従って訓練された機械学習モデルは、存在すべきセキュリティ特徴の不在、存在すべきでないセキュリティ特徴の存在、誤ったセキュリティ特徴、異常なセキュリティ特徴、自然な背景、人工的な背景、自然照明、人工照明、自然な影、人工的な影、ドロップシャドウなどのフラッシュシャドウの不在、頭部サイズ異常、頭部アスペクト比異常、頭部平行移動異常、異常な色温度、異常な着色、位置合わせおよび構成されたフラッシュ照明、オフアングル照明、焦点面異常、焦点面の二等分、固定焦点レンズの使用、再量子化に関連するイメージング効果、圧縮に関連するイメージング効果、異常な頭部傾斜、異常な頭部姿勢、異常な頭部回転、非正面顔効果、眼鏡、帽子、頭部スカーフ、または他のカバーなどの顔のオクルージョンの存在、異常な頭部形状動力学、眼間距離に対する異常な頭部アスペクト比、前景と背景との間の異常な露出補正、異常な焦点効果、異なるデジタルソースを示す画像スティッチング効果、不適切な生体認証セキュリティ特徴の印刷、不適切なOVD、OVI、ホログラム、顔または文書の他の部分を覆っている他の二次的なセキュリティ特徴のオーバーレイなどの不適切なセキュリティ特徴の層化、顔の近く、顔または文書の他の部分を覆っている不適切な触覚セキュリティ特徴配置、不適切な最終面印刷、不適切なレーザの白黒、不適切なカラーレーザ、不適切な積層インク印刷、不適切な印刷技術、不適切な印刷層順序付けなどを検出することができる。
別の例として、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは、顔認識モジュール150-2を含むことができる。顔認識モジュールは、取引の当事者である実体の顔の入力画像を評価するために使用される。例えば、顔認識モジュールは、取引の当事者である実体の顔の入力画像を顔画像のデータベースと比較し、比較に基づいて、実体によって求められた取引が正規である可能性152-2を判定することができる。顔画像のデータベースは、取引が承認されるべき実体のリストを示す顔画像の善良行為者リスト、取引が拒否されるべき実体の顔画像の悪質行為者リスト、または両方の組み合わせを含むことができる。実体によって求められた取引が正規である可能性は、リストのうちの1つまたは複数と関連付けられた1人または複数人の人物の顔画像に対する入力画像の類似度に基づくものとすることができる。
いくつかの実装形態では、例えば、人物の画像を入力ベクトルによって表すことができる。顔認識モジュールは、入力ベクトルを善良行為者リストと関連付けられたそれぞれのベクトルと比較するように構成することができる。入力ベクトルが、善良行為者リストと関連付けられた顔画像を表す1つまたは複数のベクトルに対する類似度閾値レベルとして十分であると判定された場合には、顔認識モジュールは、取引が正規である可能性が高いことを示す出力データを生成することができる。あるいは、入力ベクトルが善良行為者リスト上の1つまたは複数のベクトルに対する類似度閾値レベルを満たさないと判定された場合には、顔認識モジュールは、入力ベクトルを悪質行為者リストと関連付けられた顔画像を表す1つまたは複数のベクトルと比較することができる。入力ベクトルが悪質行為者リスト上の1つまたは複数のベクトルに対する類似度閾値レベルを満たすと判定された場合には、顔認識モジュールは、取引が正規である可能性が低いことを示す出力データを生成することができる。あるいは、入力ベクトルが、善良行為者リストまたは悪質行為者リスト上のいずれのベクトルに対する類似度閾値レベルも満たさないと判定された場合には、顔認識モジュールは、実体によって求められた取引が正規であるか否かに関して単独で解決する手がかりとならない出力データを生成することができる。
別の例として、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは、個人情報検証モジュール150-3を含むことができる。個人情報検証モジュールは、取引の当事者である実体の氏名、取引の当事者である実体の住所、取引の当事者である実体の性別、取引の当事者である実体の生年月日、取引の当事者である実体の社会保障番号、取引の当事者である実体の運転免許証番号などを記述するテキスト情報などの個人情報を取得することができる。個人情報検証モジュールは、取得した個人情報の1つまたは複数の部分を検索クエリのキーワードとして使用して、1つまたは複数のデータベースに対して1つまたは複数の検索クエリを実行することができる。
例えば、個人情報検証モジュールは、過去90日間に支払いを怠った顧客の氏名検索を実行することができる。個人検証モジュールは、検索に基づいて、取引の当事者である実体と同じ氏名を有する実体が過去90日間に1または複数回の以前の支払いを怠ったかどうかを判定することができる。個人情報検証モジュールによって、同じ氏名を有する実体が、過去90日間に1または複数回の支払いを前に怠ったことを氏名検索が示していると判定された場合には、個人情報検証モジュールは、取引が拒否されるべきである可能性が、実体の氏名が、過去90日間に1または複数回の支払いを怠った実体の氏名のデータベースに記憶されたいずれの氏名とも一致しなかったシナリオよりも高いことを示す出力データを生成することができる。同様に、個人情報検証モジュールによって、同じ氏名を有する実体が、過去90日間に1または複数回の支払いを前に怠っていないことを氏名検索が示していると判定された場合には、個人情報検証モジュールは、取引が許可されるべきである可能性が、実体の氏名が過去90日間に1または複数回の支払いを怠った実体の氏名のデータベースに記憶された少なくとも1人の氏名と一致するように見えたシナリオよりも高いことを示す出力データを生成することができる。
別の例として、個人情報検証モジュールは、取引の当事者である実体の社会保障番号、生年月日、または両方を含む1つまたは複数の検索を実行することによって、取引の当事者である実体の信用スコアをチェックすることができる。いくつかの実装形態では、この情報を、実体によって取引に提示された物理的身分証明書の画像から抽出することができる。そのような事例では、個人情報検証モジュールが、社会保障番号、生年月日、または両方を使用して取得された実体の信用スコアが所定の閾値を満たさないと判定した場合には、個人情報検証モジュールは、取引が拒否されるべきである可能性が、実体の信用スコアが所定の閾値を満たしたシナリオよりも高いことを示す出力データを生成することができる。同様に、個人識別検証モジュールが、実体の信用スコアが所定の閾値を満たすと判定した場合には、個人情報検証モジュールは、取引が承認されるべきである可能性が、実体の信用スコアが所定の閾値を満たさないシナリオよりも高いことを示す出力データを生成することができる。
本開示の目的では、信用スコアなどの値が閾値を上回るかそれとも閾値を下回る場合に、値が閾値を満たすと判定することができる。値が閾値を上回らなければならないか、それとも閾値を下回らなければならないかは、特定のシステムの構成によって決定される。例えば、個人情報検証モジュール150-3は、700を上回る信用スコアを検出するように訓練することができる。そのような事例では、699よりも大きい信用スコアを検出することによって700のスコアが閾値を満たすと判定するようにシステムを構成することができる。他の実装形態では、同様に、信用スコアを-700に反転し、信用スコアが-699未満であると判定することによって700のスコアが閾値を満たすと判定するようにシステムを構成することもできる。これらは、閾値を満たすことの意味を説明するためにのみ提供された例であり、本開示の他の特徴を限定することを他の点で意図するものではない。
いくつかの実装形態では、個人情報検証モジュール150-3は、個人情報検索の結果に基づいて、取引が拒否されるべきか許可されるべきかに関するスコアを表す出力データ152-3を生成することができる。個人情報検索の結果が、取引が拒否されるべきであることを示すか否かは、完全にカスタマイズ可能であり得る。例えば、個人情報検証モジュールは、取引の当事者である実体が、特定の閾値を下回る信用スコアを有するか、過去90日以内に履行を怠った実体のリストに記載された氏名を有するか、またはそれらの組み合わせの場合に、取引が拒否されるべきである可能性を示す出力データ150-3を生成するように構成され得る。あるいは、個人情報検証モジュールは、取引の当事者である実体が特定の閾値を上回る信用スコアを有するか、過去90日間以内に履行を怠った実体のリストに記載された氏名を有しないか、またはそれらの組み合わせの場合に、取引が許可される可能性を示す出力データ150-4を生成するように構成され得る。
別の例として、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは、バイオメトリック検証モジュール150-xを含むことができる。バイオメトリック検証モジュールは、入力モジュール140からバイオメトリック情報を受け取り、受け取ったバイオメトリック情報に基づいて1つまたは複数のバイオメトリックデータベースの1つまたは複数の検索を実行するように構成することができる。例えば、いくつかの実装形態では、抽出ユニット130によって抽出される物理的文書102の画像の部分115aは、指紋の描写を含むことができる。そのような実装形態では、入力モジュールは、指紋の画像を識別し、取引検証モジュール150-xに入力するための指紋を表す入力データ148aを生成することができる。この例では、取引検証モジュール150-xは、入力データ148aと記憶された指紋の各々との間の類似度のレベルを判定するために、異なる指紋を表すデータを記憶した1つまたは複数のバイオメトリックデータベースを検索することができる。
バイオメトリック検証モジュール150-xは、バイオメトリック検索の結果に基づいて取引が拒否されるべきか許可されるべきかに関するスコアを表す出力データ152-xを生成することができる。バイオメトリック検索の結果が、取引が拒否されるべきであることを示すか否かは、完全にカスタマイズ可能であり得る。例えば、バイオメトリック検証モジュールは、指紋を表す入力データ148aが、バイオメトリック検証モジュール150-xによって検索されたバイオメトリックデータベース内の指紋を表すデータと、所定の類似度レベルの範囲内で一致する場合に、取引が拒否される可能性が高いことを示す出力データ152-xを生成するように構成され得る。あるいは、バイオメトリック検証モジュールは、指紋を表す入力データ148aが、バイオメトリック検証モジュール150-xによって検索されたバイオメトリックデータベース内の指紋を表すデータと、所定の類似度レベルの範囲内で一致しない場合に、取引が許可される可能性が高いことを示す出力データ152-xを生成するように構成されてもよい。
別の例として、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは速度検証モジュールを含むことができる。速度検証モジュールは、協調検証システムの参照に基づいて取引が拒否されるべきかどうかを示す出力データを生成するように構成された検証モジュールを含むことができる。協調検証システムは、悪質行為者を記述するデータ、悪質行為者の取引を記述するデータ、またはそれらの組み合わせを共有する契約を締結している異なる企業からの悪質行為者データを使用して構築された協調的悪質行為者リストを維持する処理システムとすることができる。
例えば、第1の企業が悪質行為者によって試行または完了された取引を検出した場合、第1の企業は、悪質行為者を記述するデータを協調的悪質行為者リストに追加することができる。次いで、悪質行為者が、速度システムに参加している第2の企業において任意の取引または同様の取引を試みる場合、第2の企業は、取引を完了する前に協調的悪質行為者リストをチェックし、協調的悪質行為者リスト上でその悪質行為者または悪質行為者の取引を識別する情報を検出し、取引を拒否することができる。
いくつかの実装形態では、速度検証モジュールによって、取引を開始した実体を識別するデータまたは現在の取引と類似した取引を識別するデータが協調的悪質行為者リストによって記憶されていると判定された場合には、速度検証モジュールは、取引が拒否されるべき取引である可能性が高いことを示す出力データを生成することができ、生成された出力データを、取引プロファイル162を生成する際に使用するための他の取引検証モジュールの出力と共に検証サーバ120によって集約することができる。あるいは、速度検証モジュールによって、取引を開始した実体を識別するデータまたは現在の取引と類似した取引を識別するデータが協調的悪質行為者リストによって記憶されていないと判定された場合には、速度検証モジュールは、取引が許可されるべき取引である可能性が高いことを示す出力データを生成することができ、生成された出力データを、取引プロファイル162を生成する際に使用するための他の取引検証モジュールの出力と共に検証サーバ120によって集約することができる。
別の例として、1つまたは複数の取引検証モジュール150-1、150-2、150-3、150-xは活性検証モジュールを含むことができる。活性検証モジュールは、入力として、ビデオまたは画像を記述するデータを受け取り、ビデオまたは画像に基づいて、画像が実在の人物を描写しているかそれとも偽の人物を描写しているかを判定するように構成することができる。画像に描写されているのが実在の人物かそれとも偽の人物かの判定は、活性検証モジュールの出力に基づいて行うことができる。
例えば、活性検証モジュールによって、画像が偽の人物を描写していると判定された場合には、活性検証モジュールは、取引が拒否されるべき取引である可能性が高いことを示す出力データを生成することができ、生成された出力データを、取引プロファイル162を生成する際に使用するための他の取引検証モジュールの出力と共に検証サーバ120によって集約することができる。あるいは、活性検証モジュールによって、画像が実在の人物を描写していると判定された場合には、速度検証モジュールは、取引が許可されるべき取引である可能性が高いことを示す出力データを生成することができ、生成された出力データを、取引プロファイル162を生成する際に使用するための他の取引検証モジュールの出力と共に検証サーバ120によって集約することができる。
システム100の機能を、図1を参照して説明することができる。図1の例では、取引の当事者である人間などの実体が、取引を開始することができる。取引は、ユーザデバイスの購入またはレンタル、金融取引、銀行口座を開くことを求める要求、店頭購入、不動産取引、レストランまたはバーへの入店を求める要求、セキュリティ端末のゲートを通過することを求める要求、識別を求める要求への応答などを含むことができる。取引中、実体は、検証のために物理的身分証明書102を提示することができる。物理的身分証明書102は、1つもしくは複数の個人を識別できる特徴、1つもしくは複数のセキュリティ特徴、または両方の組み合わせを含むことができる。図1のこの例では、物理的身分証明書10は、プロファイル画像、住所などといった個人を識別できる情報を含むことができる。同様に、この例では、物理的身分証明書102は、物理的身分証明書102の少なくとも一部分を覆っているギョーシェライン105a、プロファイル画像105によって描写された頭部の背後のドロップシャドウ105b、グラフィック106、バイオメトリック情報107などといったセキュリティ特徴を含むことができる。よって、図1の物理的身分証明書102は、個人を識別できる特徴とセキュリティ特徴との組み合わせを含む。
ユーザデバイス110を使用して、物理的身分証明書102の画像を取り込むことができる。例えば、ユーザデバイス110のカメラ110aを使用して、物理的身分証明書102の画像115を生成することができる。画像115は、第1の画像部分115aおよび第2の画像部分115bを含むことができる。第1の画像部分115aは、物理的身分証明書102の画像を描写している。第2の画像部分115bは、ユーザデバイス110が画像115を生成するために使用されたときに画像115に含まれていた背景環境の一部分を描写している。ユーザデバイス110は、ネットワーク112を介して検証サーバ120に画像115を送ることができる。ネットワーク112は、無線ネットワーク、有線ネットワーク、イーサネットネットワーク、光ネットワーク、LAN、WAN、セルラーネットワーク、インターネット、またはそれらの任意の組み合わせを含むことができる。検証サーバ120は、画像115を受け取り、画像115を入力として抽出モジュール130に提供することができる。
抽出モジュール130は、画像115を受け取り、さらなる処理のために画像115の1つまたは複数の部分を抽出するように構成することができる。いくつかの実装形態では、画像115の1つまたは複数の部分を抽出することは、画像115から第1の画像部分115aを抽出し、第2の画像部分115bを廃棄することを含むことができる。いくつかの実装形態では、画像115の1つまたは複数の部分を抽出することは、取引検証システム150の異なる取引検証モジュール150-1、150-2、150-3、150-xへのそれぞれの入力として提供することができる画像115の異なる部分を抽出することを含むことができる。そのような実装形態では、抽出モジュール130は、第1の画像部分115a、プロファイル画像144、個人情報146、バイオメトリック情報、または画像115によって描写されている任意の他の情報などの、画像115の異なる部分を抽出することができる。
さらに別の実装形態では、抽出モジュール130は、ユーザデバイス110から受け取った他の情報を、受け取りかつ処理することができる。例えば、いくつかの実装形態では、ユーザデバイス110は、取引の当事者である実体のデバイスであってもよく、ユーザデバイス110は、活性検出取引検証モジュールへの入力として使用することができるビデオデータ、画像データ、または両方を取得することができる。そのような実装形態では、ユーザデバイス110は、例えば、活性検出取引検証モジュールへと入力として提供することができる、ユーザデバイス110の1つまたは複数のカメラを使用した実体のビデオデータを取り込むことができる。そのような事例では、抽出モジュール130は、ビデオデータ、画像データ、または両方を受け取り、ビデオデータまたは画像データの1つまたは複数の特定のフレームなど、ビデオデータ、画像データ、または両方のサブセットを抽出し、抽出されたビデオデータ、抽出された画像データ、または両方を入力モジュール140へと入力として提供することができ、入力モジュールは、受け取ったビデオデータ、画像データ、または両方を処理して、活性取引検証モジュール用の入力データを生成することができる。そのような活性取引検証モジュールは、例えば、抽出モジュール130によって生成することができる特定の期間の1つもしくは複数のビデオ、1つもしくは複数の画像フレーム、またはそれらの組み合わせを受け取るように構成され得る。
抽出モジュール130によって画像115から抽出された画像部分142、144、146、148は、入力として入力モジュール140に提供することができる。入力モジュール140は、受け取ったコンテンツの各項目を分析し、各コンテンツ項目について、コンテンツ項目に対応するそれぞれの取引検証モジュール用の入力データを生成するように構成することができる。いくつかの実装形態では、これは、特定の機械学習モデルのうちの1つまたは複数によって処理することができる画像115から抽出された情報の表現である入力ベクトル、ビットマップ、または他のデータ構造の生成を含み得る。他の実装形態では、1つまたは複数の取引検証モジュール150-1、150-2、150-3に入力するために入力モジュール140によって生成された入力データは、クエリを含むことができる。例えば、いくつかの実装形態では、入力モジュール140は、テキスト形式である個人情報を描写する画像115の一部分を受け取ることができる。そのような事例では、入力モジュール140は、画像115の受け取った部分からテキストを取得し、取得したテキストを使用してクエリを生成することができる。テキストは、例えば、光学文字認識（OCR）技術を使用して取得することができる。他の実装形態では、抽出モジュール130は、入力モジュール140に関して上述したテキスト抽出動作を実行し、次いで、抽出されたテキストをクエリの生成に使用するために入力モジュール140に提供し得る。
入力モジュール140によって生成されるクエリは、テキストパラメータを有するクエリに限定される必要はない。例えば、いくつかの実装形態では、入力モジュールは、例えば、抽出モジュール130によって抽出されたプロファイル画像144に基づいて画像クエリを生成することができる。いくつかの実装形態では、プロファイル画像のベクトル表現を生成することができ、ベクトルの各フィールドは、画像144の画素に対応する数値を含む。そのような実装形態では、生成されたベクトル144aを、顔認識検索および分析のために顔認識検索モジュール150-2などの取引検証モジュールに提供することができる。画像144または他の画像の他の表現を、機械学習モデル、検索アルゴリズム、または他の形態の取引検証モジュールへの入力のために入力モジュール140によって生成することができる。
取引検証システム150は、例えば、第1の画像部分115aと同じであり得る入力画像142を表す入力ベクトルを含む入力データ142a、第1の画像部分115aから抽出されたプロファイル画像144に基づく顔認識クエリを含む入力データ144a、個人向け情報146に基づくテキストクエリを含む入力データ146a、およびバイオメトリック情報148に基づくバイオメトリッククエリを含む入力データ148aを受け取ることができる。取引検証システム150は、出力データ152-1、152-2、152-3、152-xを生成するために、それぞれの取引検証モジュール150-1、150-2、150-3、150-xを使用して入力データ142a、144a、146a、148aを処理することができる。生成された出力データ152-1、152-2、152-3、152-xは、出力を生成したそれぞれの取引検証モジュール150-1により生成された、取引が許可されるべきであるという指示を、各々含むことができる。
例えば、取引検証モジュール150-1は、入力データ142aを処理する取引検証モジュール150-1によって使用される機械学習モードに基づいて求められた取引が承認されるべきか否かを示す出力データ152-1を生成する機械学習モデルを含むことができる。別の例として、取引検証モジュール150-2は、入力データ144aを使用した顔認識データベースの検索の結果に基づいて求められた取引が承認されるべきか否かを示す出力データ152-2を生成する顔認識検索アルゴリズムを含むことができる。別の例として、取引検証モジュール150-3は、入力データ146aに基づく1つまたは複数のデータベースの検索からの検索結果が、誤差閾値レベルの範囲内で、1つまたは複数の検索されたデータベース内の1つまたは複数のレコードと一致するか一致しないかに基づいて、求められた取引が承認されるべきかどうかを示す出力データ152-3を生成する個人情報検索モジュールを含むことができる。別の例として、取引検証モジュール150-3は、入力データ148aに基づく1つまたは複数のバイオメトリックデータベースの検索からの検索結果が、誤差閾値レベルの範囲内で、1つまたは複数の検索されたバイオメトリックデータベース内の1つまたは複数のレコードと一致するか一致しないかに基づいて、求められた取引が承認されるべきかどうかを示す出力データ152-xを生成するバイオメトリック検索モジュールを含むことができる。
生成された出力データ152-1、152-2、152-3、152-xは、取引プロファイル162を作成するために検証サーバ120によって集約することができる。取引プロファイル162は、単独で見た場合、取引の特定の要因または属性に各々関連する、それぞれの入力データ項目142a、144a、146a、148aを処理するそれぞれの取引検証モジュール150-1、150-2、150-3、150-xの各々に基づいて取引検証システム150によって生成された本質的に生のデータである。結果として、取引プロファイル162は、求められた取引が承認されるべきか拒否されるべきかを、必ずしも完全に別個に知らせることにはならない。しかしながら、検証サーバ120は、求められた取引が承認されるべきか拒否されるべきかをシステム100が判定できるように、カスタム閾値164のセットを使用して取引プロファイル162を解釈する比較モジュール160を用いることができる。
カスタム閾値164は、デフォルト値を使用して初期設定することができる。次いで、ユーザ212aなどのユーザは、コンピュータ212を使用して取引検証システム150を訓練し、必要に応じてカスタム閾値164を調整することができる。例えば、ユーザ212aは、正規である1つもしくは複数の特徴、正規でない1つもしくは複数の特徴、またはそれらの組み合わせを有するものとしてラベル付けされた身分証明書の画像などの入力データを検証サーバ120に提供することによって、取引検証システム150の訓練を開始することができる。ユーザ212aは、初期カスタム閾値を考慮して、各それぞれの取引検証モジュール150-1、150-2、150-3、150-xによって生成された出力データ152-1、152-2、152-3、152-xを検討し、出力データが現在確立されている顧客閾値を満たすかどうかを判定することができる。152-1、152-2、152-3、152-xによって生成された出力データが、現在設定されているような、適切な閾値を満たさない場合、ユーザ212aは、それぞれの取引検証モジュール150-1、150-2、150-3、150-xの各々によって生成された出力データがそれぞれの閾値の各々を満たすように、コンピュータ212を使用して、閾値を調整することができる。ユーザ212aは、検証サーバ120が取引検証サーバ120への入力として提供された各訓練画像について生成された取引プロファイル162を正確に分類するまで、前述のプロセスを繰り返し実行して、カスタム閾値164の各特定の閾値の値を調整することができる。
カスタム閾値164の各特定の閾値は、取引検証モジュールの出力を評価するように設計された任意の取引検証規則を使用して構成することができる。例として、カスタム閾値の各閾値は、より大きい演算、より大きいかまたは等しい演算、等しい演算、より小さいかまたは等しい演算、より小さい演算、これらの演算の組み合わせを使用して確立された範囲などを使用して特定の取引検証モジュールによって生成された出力データに対して評価された規則を含むことができる。いくつかの実装形態では、取引検証モジュールの出力を、カスタマイズされた閾値を取引検証モジュールの出力に適用する前に、マッピング、スケーリング、または重み付けすることができる。一般に、取引検証モジュールによって生成された出力を評価するために、任意のタイプのカスタム閾値を設計することができる。
実行時間中、検証サーバ120は、決定論理170を実行して、取引の一部として物理的身分証明書102を提示した実体によって求められた取引が承認されるべきか拒否されるべきかを判定することができる。決定論理170は、比較モジュール160が取引プロファイル162にカスタム閾値164を適用した結果を評価することによってこの判定を行うことができる。いくつかの実装形態では、決定論理170は、カスタム閾値164のすべての閾値が取引プロファイル162の値によって満たされると比較モジュール160が判定した場合にのみ、取引が承認されるべきであると判定し得る。
他の実装形態では、決定論理170は、カスタム閾値164のうちの所定数の閾値が取引プロファイル162の値によって満たされると比較モジュール160が判定した場合にのみ、取引が承認されるべきであると判定し得る。例えば、いくつかの実装形態では、決定論理170は、各取引値とカスタム閾値との組み合わせが「票」をもたらす「投票」モデルを用いることができる。そのような実装形態では、取引プロファイル162の特定の取引値がカスタム閾値164のうちのそれに対応する閾値を満たす場合には、比較モジュール160は、求められた取引を承認することに賛成の「票」を表す出力データを生成することができる。同様に、そのような実装形態では、取引プロファイル162の特定の取引値がカスタム閾値164のうちのそれに対応する閾値を満たさない場合には、比較モジュール160は、求められた取引を拒否することに賛成の「票」を表す出力データを生成することができる。次いで、決定論理170は、承認票の数が所定の閾値を満たすかどうかに基づいて、求められた取引を承認するか拒否するかを決定することができる。いくつかの実装形態では、所定の閾値は、過半数の票を含み得る。
いくつかの実装形態では、すべての「票」が等しく作成されない場合もある。例えば、特定の「票」に対してより多いかまたはより少ない影響を与えるために、特定のモジュールからの票が重み付けされ得る。いくつかの実装形態では、決定論理170は、取引の承認が与えられるためには、求められた取引を承認することに単一の票が賛成でありさえすればよいように構成することができる。例えば、比較モジュール160は、取引を承認させるために、個人向け情報取引検証モジュール150-3からの出力が取引の承認への賛成票をもたらすことを必要とするように構成することができる。これは、そのような検索が、取引の当事者である実体が所定の閾値を満たす信用スコアを有すること、実体が悪質行為者リストに記載される氏名を有しないこと、またはそれらの組み合わせを示し得るからである。他の実装形態では、決定論理170は、所定数の承認票が所定の閾値を満たし、かつ個人向け情報取引検証モジュール150-3が取引を承認することに賛成投票した場合にのみ、求められた取引が承認されるべきであると判定し得る。そのような実装形態では、決定論理170は、過半数の「票」が、求められた取引の承認を支持するが、個人向け情報取引検証モジュール150-3は求められた取引を拒否する票を投じる事例において、取引が拒否されるべきであると決定することができる。個人向け情報取引検証モジュール150-3は、例としてここで使用されているにすぎない。取引検証システムのその他の取引検証モジュールのいずれも、制御する取引検証モジュールとしてここで使用することができる。
図1の例では、比較モジュール160は、取引プロファイル162の取引値の各々がカスタム閾値164内のそれらに対応する閾値を満たすと判定することができる。したがって、この例では、決定論理170は、上述の方法論のいずれかを使用して、求められた取引が承認されるべきであると決定することができる。そのような事例では、決定論理170は、取引が承認されるべきであることを示す出力データをユーザデバイス110に生成させる通知182を生成し、ネットワーク112を介してユーザデバイス110に送るよう通知モジュール180に命令する出力データ172を生成する。出力データは、ユーザデバイス110が通知182を処理したことに基づいてユーザデバイス110のディスプレイ上にレンダリングされた視覚出力を含むことができ、視覚出力データは取引が承認されるべきであることを示す。代替として、またはこれに加えて、出力データは、取引が承認されるべきであることを示すユーザデバイス110のスピーカによる音声出力を含むこともできる。代替として、またはこれに加えて、出力データは、求められた取引が承認されるべきであることを示す触覚フィードバックを含むこともできる。そのような触覚フィードバックは、ユーザデバイスが振動することを含むことができる。
ある場合には、決定論理170は、求められた取引が拒否されるべきであると決定することができる。そのような事例では、決定論理170は、ネットワーク112を介してユーザデバイス110に送ることができる通知を生成し、求められた取引が拒否されるべきであることをユーザデバイスに通知するよう通知モジュール180に命令する出力データ174を生成することができる。承認通知と同様に、拒否通知は、視覚通知、音声通知、触覚フィードバック通知、またはそれらの組み合わせとすることができる。
求められた取引が承認されるべきか拒否されるべきかにかかわらず、取引検証サーバ120は、求められた取引を記述するデータを検討のためにデータベース192に選択的に記憶することができる。例えば、検証サーバ120は、求められた取引を記述するデータが選択的に記憶されるべきかどうか判定するように構成された別の決定論理ユニット190に命令176を送ることができる。いくつかの実装形態では、この命令176は決定論理170から得ることができる。他の実装形態では、この命令176は、比較モジュール160や他の構成要素などの取引検証サーバ120の別の構成要素から得ることができる。
決定論理190は、求められた取引を記述するデータが検討データベース192に記憶されるべきかどうかをいくつかの異なる方法で判定することができる。例えば、決定論理190は、求められた取引の取引プロファイルの取引値のうちの1つまたは複数が、カスタム閾値164内のそれに対応する閾値の所定の誤差閾値内に入るかどうかを評価することができる。決定論理190が、求められた取引の取引プロファイル162の1つまたは複数の取引値がその対応する閾値の所定の誤差閾値内に入ると判定した場合には、決定論理190は、取引を記述するデータを検討データベース192に記憶することを決定することができる。求められた取引を記述するデータは、例えば、第1の画像部分115a、入力データ142a、144a、146a、もしくは148aを生成するために使用された第1の画像部分115aの抽出されたセクションのいずれか、取引プロファイル162、カスタム閾値164、または求められた取引と関連付けられた任意の他の取引メタデータを含むことができる。
例として、図1を参照すると、図1の例の求められた取引に関連するデータは、取引プロファイル162の第1の取引値、例えば0.26が、所定の誤差量内、例えば、カスタム閾値内の0.25という対応する閾値の+/-0.3内である場合、記憶することができる。取引プロファイル162の少なくとも1つの取引値が、カスタム閾値164のうちのそれに対応する閾値の所定の誤差量内に入るので、検証サーバ120は、求められた取引に関連するデータを検討のためにデータベース192に選択的に記憶することができる。+/-0.3の誤差閾値の例が説明されているが、本開示はそのように限定されず、システム100の設計者によって決定された許容レベルに基づく任意の値に設定することができる。
ユーザ212aなどのユーザは、随時、コンピュータ212を使用して、記憶された取引データにアクセスし、検討のためにデータベース192に選択的に記憶された特定の取引に関連するデータのセットを検討することができる。いくつかの実装形態では、ユーザ212aは、図1の求められた取引などの以前に承認された取引に関連するデータを検討することができる。図1の例では、ユーザ212aは、図1の例の求められた取引に関連するデータを検討する。例として、ユーザ212aは、物理的身分証明書102の画像を描写する第1の画像部分115aを検討することができる。この例では、ユーザ212aは、第1の画像部分115aは偽造である物理的身分証明書102を描写していると判定することができる。そのようなシナリオでは、ユーザ212aは、コンピュータ212を使用して取引検証システム150に、それ自体を動的に再訓練するよう命令する230ことができる。
取引検証システム150を動的に再訓練することは、ユーザ212aがコンピュータ212を使用して取引検証システム150に、取引検証システム150によって生成された出力データ152-1、152-2、152-3、152-xを使用して取引検証サーバ120によって生成された取引プロファイル162の取引値を解釈するために比較モジュール160によって適用されたカスタム閾値164のうちの1つまたは複数の閾値を更新するよう命令することを含むことができる。図1の例では、ユーザ212aは、本質的に、第1の画像部分115aを表す入力データ142aを処理したことに基づいて取引検証モジュール150-1によって生成される出力データ152-1が、承認されるべきである取引を示すかどうかを判定するための閾値0.25が、誤っている、と判定することができる。したがって、ユーザ212aは、取引検証システム150に、既存の閾値と所定の誤差閾値との間の差に基づいて取引検証システムの閾値を調整することによって、取引検証システム150自体を動的に再訓練するよう命令することができる。例えば、図1の例では、取引検証システム150は、閾値0.25を0.30に更新することができ、取引検証モジュール150-1が入力データ142aまたは同様に関連する入力データを処理することによって生成される生成された取引値152-1は、誤差閾値外になり（例えば、0.26は0.30より大きくない）、更新された閾値を使用して拒否される取引として分類されるようになる。
このシナリオでは、物理的身分証明書102、または物理的身分証明書102の同じ特性を有する別の物理的身分証明書102が、後続の取引の検証中に識別の形態として提示される場合、システム100は、図1の例を参照して説明されたのと同じ方法で物理的文書の画像を処理することができるが、ここで再訓練されたシステム100は、顧客閾値164の更新された閾値0.30を使用して偽造文書を検出することができるので、取引に拒否対象の取引としてフラグを立てるように構成することができる（例えば、第1の取引検証モジュール150-1によって生成された0.26というスコアは、新しく訓練された0.30という閾値を満たさないはずである）。いくつかの実装形態では、取引に関連するデータのユーザ212aによる検討に基づいて複数の閾値を更新することができる。加えて、後続の取引を拒否するシステム100による最終的な決定は、ユーザ212aがやはり動的再訓練中に更新させることができる、システムによって用いられる決定論理170と一致していることも必要になる。
閾値（例えば、0.25）、閾値に対する変更（例えば、0.25が0.30に変更されること）、および潜在的に不正な取引を示す取引検証モジュール出力（例えば、0.26）の例は、ここでは例示の目的で使用されているにすぎない。これらの値は、モデルが生成するように訓練された任意の値、またはシステム100が本開示によって説明される機能に従って適用および解釈するように構成された任意の閾値とすることができる。これらの特定の閾値のいずれも、本開示の範囲をこれらの特定の値に限定することを意図していない。
図2は、柔軟な取引検証システムを動的に再訓練するためのプロセス200の一例のフローチャートである。一般に、プロセス200は、ユーザ識別情報を表す第1のデータを、データ処理システムにより取得する工程であって、ユーザ識別情報が身分証明書の画像を含む、取得する工程（210）、第1のデータを取引検証システムへと入力として、データ処理システムにより提供する工程であって、取引検証システムが1つまたは複数の取引検証モジュールを含み、取引検証モジュールが、取引が拒否されるべき行為者の身分証明書を、入力画像の少なくとも一部分を表すデータが描写しているかどうかを示す出力データを生成するように各々訓練されている、提供する工程（220）、取引検証システムによって生成された出力データに基づいて、取引プロファイルを、データ処理システムにより生成する工程（230）、取引が拒否されるべきかどうかを、データ処理システムにより、かつ取引プロファイルに基づいて判定する工程（240）、取引が拒否されるべきではないと、データ処理システムにより、かつ取引プロファイルに基づいて判定したことに基づき、1人または複数人の人間ユーザによる検討のために、ユーザ識別情報をデータベースに、データ処理システムにより選択的に記憶する工程（250）、拒否されるべき取引の特性を身分証明書の画像が有することを示す入力データを、1人または複数人の人間ユーザから、データ処理システムにより受け取る工程（260）、および拒否されるべき取引としての特性を有する後続のユーザ識別情報を識別するように、取引検証システムを、データ処理システムにより訓練する工程（270）を含むことができる。
図3は、柔軟な取引検証システムを実装するために使用することができるシステム構成要素のブロック図である。
コンピューティングデバイス300は、ラップトップ、デスクトップ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレーム、および他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことが意図されている。コンピューティングデバイス350は、パーソナルデジタルアシスタント、セルラー電話、スマートフォン、および他の同様のコンピューティングデバイスなどの、様々な形態のモバイルデバイスを表すことが意図されている。加えて、コンピューティングデバイス300または350は、ユニバーサルシリアルバス（USB）フラッシュドライブも含むことができる。USBフラッシュドライブは、オペレーティングシステムおよび他のアプリケーションを記憶することができる。USBフラッシュドライブは、別のコンピューティングデバイスのUSBポートに挿入できる無線トランシーバやUSBコネクタなどの入力/出力構成要素を含むことができる。ここに示される構成要素、それらの接続および関係、ならびにそれらの機能は、例示を意図しているにすぎず、本出願において記載および/または特許請求される発明の実装形態の限定を意図するものではない。
コンピューティングデバイス300は、プロセッサ302と、メモリ304と、記憶デバイス306と、メモリ304および高速拡張ポート310に接続する高速インターフェース308と、低速バス314および記憶デバイス306に接続する低速インターフェース312とを含む。構成要素302、304、306、308、310および312の各々は、様々なバスを使用して相互接続され、共通のマザーボード上に、または必要に応じて他の方法で搭載することができる。プロセッサ302は、高速インターフェース308に結合されたディスプレイ316などの、外部入力/出力デバイス上にGUIのグラフィック情報を表示するためのメモリ304または記憶デバイス306に記憶された命令を含む、コンピューティングデバイス300内で実行するための命令を処理することができる。他の実装形態では、複数のプロセッサおよび/または複数のバスを、必要に応じて、複数のメモリおよび複数のタイプのメモリと共に使用することができる。また、各コンピューティングデバイスが、例えば、サーババンク、ブレードサーバのグループ、またはマルチプロセッサシステムとして、必要な動作の部分を提供する、複数のコンピューティングデバイス300を接続することもできる。
メモリ304は、コンピューティングデバイス300内の情報を記憶する。一実装形態では、メモリ304は1つまたは複数の揮発性メモリユニットである。別の実装形態では、メモリ304は、1つまたは複数の不揮発性メモリユニットである。メモリ304は、磁気ディスクや光ディスクなどの、別の形態のコンピュータ可読媒体とすることもできる。
記憶デバイス306は、コンピューティングデバイス300に大容量記憶を提供することができる。一実装形態では、記憶デバイス306は、フロッピーディスクデバイス、ハードディスクデバイス、光ディスクデバイス、もしくはテープデバイス、フラッシュメモリもしくは他の同様のソリッドステートメモリデバイス、または、ストレージエリアネットワークもしくは他の構成におけるデバイスを含むデバイスの配列などの、コンピュータ可読媒体とすることができるか、またはコンピュータ可読媒体を含むことができる。コンピュータプログラム製品を、情報キャリアにおいて有形的に具現化することができる。コンピュータプログラム製品はまた、実行された場合に上述のような1つまたは複数の方法を実行する命令を含むこともできる。情報キャリアは、メモリ304、記憶デバイス306、またはプロセッサ302上のメモリなどのコンピュータ可読媒体または機械可読媒体である。
高速コントローラ308はコンピューティングデバイス300のための帯域幅集約型動作を管理し、低速コントローラ312は帯域幅集約性の低い動作を管理する。そのような機能の割り振りは例示にすぎない。一実装形態では、高速コントローラ308は、メモリ304と、例えば、グラフィックスプロセッサやアクセラレータを介して、ディスプレイ316と、様々な拡張カード（図示せず）を受け入れることができる高速拡張ポート310とに結合される。この実装形態では、低速コントローラ312は、記憶デバイス306と低速拡張ポート314とに接続される。低速拡張ポートは、様々な通信ポート、例えば、USB、ブルートゥース、イーサネット、無線イーサネットを含むことができ、キーボード、ポインティングデバイス、マイクロホン/スピーカ対、スキャナなどの1つもしくは複数の入力/出力デバイスに、または、例えばネットワークアダプタを介して、スイッチやルータなどのネットワーキングデバイスに結合することができる。コンピューティングデバイス300は、図に示されるように、いくつかの異なる形で実装することができる。例えば、コンピューティングデバイス300は、標準的なサーバ320として、または多くはそのようなサーバのグループとして実装することができる。コンピューティングデバイス300は、ラックサーバシステム324の一部として実装することもできる。加えて、コンピューティングデバイス300は、ラップトップコンピュータ322などのパーソナルコンピュータに実装することもできる。あるいは、コンピューティングデバイス300の構成要素を、デバイス350などのモバイルデバイス内の他の構成要素（図示せず）と組み合わせることもできる。そのようなデバイスの各々がコンピューティングデバイス300、350のうちの1つまたは複数を含むことができ、システム全体を、互いに通信し合う複数のコンピューティングデバイス300、350で構成することができる。
コンピューティングデバイス300は、図に示されるように、いくつかの異なる形で実装することができる。例えば、コンピューティングデバイス300は、標準的なサーバ320として、または多くはそのようなサーバのグループとして実装することができる。コンピューティングデバイス300は、ラックサーバシステム324の一部として実装することもできる。加えて、コンピューティングデバイス300は、ラップトップコンピュータ322などのパーソナルコンピュータに実装することもできる。あるいは、コンピューティングデバイス300の構成要素を、デバイス350などのモバイルデバイス内の他の構成要素（図示せず）と組み合わせることもできる。そのようなデバイスの各々がコンピューティングデバイス300、350のうちの1つまたは複数を含むことができ、システム全体を、互いに通信し合う複数のコンピューティングデバイス300、350で構成することができる。
コンピューティングデバイス350は、構成要素の中でも特に、プロセッサ352と、メモリ364と、ディスプレイ354などの入力/出力デバイスと、通信インターフェース366と、トランシーバ368とを含む。デバイス350はまた、追加の記憶を提供するために、マイクロドライブや他のデバイスなどの記憶デバイスを備えることもできる。構成要素350、352、364、354、366および368の各々は、様々なバスを使用して相互接続され、構成要素のうちのいくつかを、共通のマザーボード上に、または必要に応じて他の方法で搭載することができる。
プロセッサ352は、メモリ364に記憶された命令を含む、コンピューティングデバイス350内の命令を実行することができる。プロセッサは、別個の複数のアナログプロセッサおよびデジタルプロセッサを含むチップのチップセットとして実装することができる。加えて、プロセッサは、いくつかのアーキテクチャのいずれかを使用して実装することもできる。例えば、プロセッサ310は、CISC（複合命令セットコンピュータ）プロセッサや、RISC（縮小命令セットコンピュータ）プロセッサや、MISC（最小命令セットコンピュータ）プロセッサとすることもできる。プロセッサは、例えば、ユーザインターフェースの制御、デバイス350によって実行されるアプリケーション、およびデバイス350による無線通信など、デバイス350の他の構成要素の調整を提供することができる。
プロセッサ352は、制御インターフェース358およびディスプレイ354に結合された表示インターフェース356を介してユーザと通信することができる。ディスプレイ354は、例えば、TFT（薄膜トランジスタ液晶ディスプレイ）ディスプレイ、OLED（有機発光ダイオード）ディスプレイ、または他の適切な表示技術とすることができる。表示インターフェース356は、ユーザにグラフィック情報および他の情報を提示するようディスプレイ354を駆動するための適切な回路を含むことができる。制御インターフェース358は、ユーザからコマンドを受け取り、それらのコマンドをプロセッサ352に送るために変換することができる。加えて、デバイス350と他のデバイスとの近距離通信を可能にするように、プロセッサ352と通信する外部インターフェース362を設けることもできる。外部インターフェース362は、例えば、いくつかの実装形態では有線通信を提供することができ、または他の実装形態では無線通信を提供することができ、複数のインターフェースを使用することもできる。
メモリ364は、コンピューティングデバイス350内の情報を記憶する。メモリ364は、1つもしくは複数のコンピュータ可読媒体、1つもしくは複数の揮発性メモリユニット、または1つもしくは複数の不揮発性メモリユニットのうちの1つまたは複数として実装することができる。拡張メモリ374を設け、拡張インターフェース372を介してデバイス350に接続することもでき、拡張インターフェース372は、例えば、SIMM（シングルインラインメモリモジュール）カードインターフェースを含むことができる。そのような拡張メモリ374は、デバイス350に追加の記憶空間を提供することができ、またはデバイス350のためのアプリケーションまたは他の情報を記憶することもできる。具体的には、拡張メモリ374は、上述のプロセスを実行または補足する命令を含むことができ、セキュア情報も含むことができる。よって、例えば、拡張メモリ374は、デバイス350のためのセキュリティモジュールとして設けることができ、デバイス350のセキュアな使用を可能にする命令でプログラムすることができる。加えて、セキュアアプリケーションを、識別情報をSIMMカード上にハッキングできない方法で配置するなど、追加情報と共にSIMMカードを介して提供することもできる。
メモリは、後述するように、例えば、フラッシュメモリおよび/またはNVRAMを含むことができる。一実装形態では、コンピュータプログラム製品が、情報キャリアにおいて有形的に具現化される。コンピュータプログラム製品は、実行された場合に上述のような1つまたは複数の方法を実行する命令を含む。情報キャリアは、例えばトランシーバ368または外部インターフェース362を介して受け取りをすることができる、メモリ364、拡張メモリ374、またはプロセッサ352上のメモリなどのコンピュータ可読媒体または機械可読媒体である。
デバイス350は、通信インターフェース366を介して無線で通信することができ、通信インターフェース366は必要に応じてデジタル信号処理回路を含むことができる。通信インターフェース366は、中でも特に、GSM音声通話、SMS、EMS、もしくはMMSメッセージング、CDMA、TDMA、PDC、WCDMA、CDMA2000、またはGPRSなどの様々なモードまたはプロトコルの下での通信を提供することができる。そのような通信は、例えば、無線周波数トランシーバ368を介して行うことができる。加えて、近距離通信を、例えば、ブルートゥース、Wi-Fi、または他のそのようなトランシーバ（図示せず）を使用して行うこともできる。加えて、GPS（全地球測位システム）レシーバモジュール370が、デバイス350に、デバイス350上で動作するアプリケーションによって必要に応じて使用され得る、追加的なナビゲーションおよび位置特定に関連した無線データを、提供することもできる。
デバイス350はまた、オーディオコーデック360を使用して音声で通信することもでき、オーディオコーデック360は、ユーザから音声による情報を受け取り、それを使用可能なデジタル情報に変換することができる。オーディオコーデック360は、同様に、例えば、デバイス350のハンドセット内のスピーカなどを介して、ユーザに対して可聴音を生成することもできる。そのような音は、音声通話からの音を含むことができ、録音された音、例えば、音声メッセージ、音楽ファイルなどを含むことができ、デバイス350上で動作するアプリケーションによって生成された音も含むことができる。
コンピューティングデバイス350は、図に示されるように、いくつかの異なる形で実装することができる。例えば、コンピューティングデバイス350は、セルラー電話380として実装することもできる。コンピューティングデバイス350は、スマートフォン382、パーソナルデジタルアシスタント、または他の同様のモバイルデバイスの一部として実装することもできる。
本明細書に記載されるシステムおよび方法の様々な実装形態を、デジタル電子回路、集積回路、専用に設計されたASIC（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、および/またはそのような実装形態の組み合わせにおいて実現することができる。これら様々な実装形態は、記憶システム、少なくとも1つの入力デバイス、および少なくとも1つの出力デバイスからデータおよび命令を受け取り、記憶システム、少なくとも1つの入力デバイス、および少なくとも1つの出力デバイスにデータおよび命令を送るように結合された、専用または汎用とすることができる、少なくとも1つのプログラマブルプロセッサを含むプログラマブルシステム上で実行可能および/または解釈可能な1つまたは複数のコンピュータプログラムにおける実装を含むことができる。
これらのコンピュータプログラムは（プログラム、ソフトウェア、ソフトウェアアプリケーションまたはコードとも呼ばれ）、プログラマブルプロセッサのための機械命令を含み、高水準手続き型プログラミング言語および/またはオブジェクト指向プログラミング言語、および/またはアセンブリ言語/機械語で実装することができる。本明細書で使用される場合、「機械可読媒体」、「コンピュータ可読媒体」という用語は、機械命令を機械可読信号として受け取る機械可読媒体を含む、プログラマブルプロセッサに機械命令および/またはデータを提供するために使用される任意のコンピュータプログラム製品、装置および/またはデバイス、例えば、磁気ディスク、光ディスク、メモリ、プログラマブル論理デバイス（PLD）を指す。「機械可読信号」という用語は、プログラマブルプロセッサに機械命令および/またはデータを提供するために使用される任意の信号を指す。
ユーザとの対話を提供するために、本明細書に記載されるシステムおよび技術を、ユーザに情報を表示するための表示デバイス、例えばCRT（ブラウン管）やLCD（液晶ディスプレイ）モニタと、ユーザがコンピュータに入力を提供するためのキーボードおよびポインティングデバイス、例えばマウスやトラックボールとを有するコンピュータ上で実装することができる。他の種類のデバイスを使用してユーザとの対話を提供することもでき、例えば、ユーザに提供されるフィードバックは、任意の形の感覚的フィードバック、例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックとすることができ、ユーザからの入力を、音響、音声、または触覚入力を含む、任意の形で受け取ることができる。
本明細書に記載されるシステムおよび技術を、例えばデータサーバとしてバックエンドコンポーネントを含むコンピューティングシステム、またはミドルウェアコンポーネント、例えばアプリケーションサーバを含むコンピューティングシステム、またはフロントエンドコンポーネント、例えば、ユーザが本明細書に記載されるシステムおよび技術の実装形態と対話するためのグラフィカルユーザインターフェースまたはウェブブラウザを有するクライアントコンピュータを含むコンピューティングシステム、またはそのようなバックエンドコンポーネント、ミドルウェアコンポーネントもしくはフロントエンドコンポーネントの任意の組み合わせにおいて実装することができる。システムの構成要素を、任意の形態または媒体のデジタルデータ通信、例えば、通信ネットワークによって相互接続することができる。通信ネットワークの例には、ローカルエリアネットワーク（「LAN」）、広域ネットワーク（「WAN」）、およびインターネットが含まれる。
コンピューティングシステムは、クライアントとサーバとを含むことができる。クライアントとサーバとは、一般に、互いにリモートであり、通常は通信ネットワークを介して対話する。クライアントとサーバの関係は、それぞれのコンピュータ上で動作する、互いにクライアントサーバ関係を有するコンピュータプログラムによって生じる。
他の態様
いくつかの態様を説明した。とはいえ、本発明の趣旨および範囲から逸脱することなく、様々な修正を行うことができることが理解されよう。加えて、各図に描写されている論理フローは、所望の結果を達成するのに、図示の特定の順序、または順番を必要としない。加えて、他の工程を提供することもでき、または記載のフローから工程を除去することもでき、記載のシステムに他の構成要素を追加することもでき、または記載のシステムから除去することもできる。したがって、添付の特許請求の範囲内には他の態様が含まれる。

Claims (18)

  1. 取引検証のためのデータ処理システムであって、
    1つまたは複数のコンピュータと、
    該1つまたは複数のコンピュータによって実行されると、該1つまたは複数のコンピュータに、以下:
    ユーザ識別情報を表す第1のデータを、該データ処理システムにより取得することであって、該ユーザ識別情報が身分証明書の画像を含む、取得すること;
    該第1のデータを取引検証システムへと入力として、該データ処理システムにより提供することであって、
    該取引検証システムが、
    取引が拒否されるべき行為者の身分証明書を、入力画像の少なくとも一部分を表すデータが描写しているかどうかを示す出力データを生成するように各々訓練されている、1つまたは複数の取引検証モジュール
    を含む、
    提供すること;
    該取引検証システムによって生成された該出力データに基づいて、取引プロファイルを、該データ処理システムにより生成すること;
    取引が拒否されるべきかどうかを、該データ処理システムにより、かつ該取引プロファイルに基づいて判定すること;
    該取引が拒否されるべきではないと、該データ処理システムにより、かつ該取引プロファイルに基づいて判定したことに基づき、1人または複数人の人間ユーザによる検討のために、該ユーザ識別情報をデータベースに、該データ処理システムにより選択的に記憶すること;
    拒否されるべき取引の特性を該身分証明書の該画像が有することを示す入力データを、該1人または複数人の人間ユーザから、該データ処理システムにより受け取ること;および
    取引が拒否されるべき人物を識別するものとしての該特性を有する後続のユーザ識別情報を識別するように、該取引検証システムを、該データ処理システムにより訓練すること
    を含む動作を行わせる、命令
    を記憶する、1つまたは複数の記憶デバイスと
    を含む、データ処理システム。
  2. 前記身分証明書が、人物の画像を含む文書であり、前記身分証明書が、（i）運転免許証、（ii）パスポート、または（iii）該人物の画像を描写する他の文書もしくは該人物を識別できる他の情報を含む、請求項1記載のシステム。
  3. 前記ユーザ識別情報が、自撮り画像、デバイスデータ、バイオメトリック情報、または行動情報のうちの1つまたは複数をさらに含む、請求項1記載のデータ処理システム。
  4. 1人または複数人の人間ユーザによる検討のために、前記ユーザ識別情報をデータベースに、前記データ処理システムにより選択的に記憶することが、
    前記取引プロファイル内の少なくとも1つの値が、検討のための所定の範囲の範囲内にあると、前記データ処理システムにより判定することと、
    該少なくとも1つの値が、検討のための該所定の範囲の範囲内にあると判定したことに基づき、1人または複数人の人間ユーザによる検討のために前記ユーザ識別情報を前記データベースに記憶することと
    を含む、請求項1記載のデータ処理システム。
  5. 取引が拒否されるべき人物を識別するものとしての前記特性を有する後続のユーザ識別情報を識別するように、前記取引検証システムを、前記データ処理システムにより訓練することが、
    機械学習モデルの閾値を、該閾値と検討のための前記所定の範囲との間の差に基づいて調整すること
    を含む、請求項4記載のデータ処理システム。
  6. 1人または複数人の人間ユーザによる検討のために、前記ユーザ識別情報をデータベースに、前記データ処理システムにより選択的に記憶することが、
    検討のための所定の範囲の範囲内にある前記取引プロファイル内の少なくとも1つの値が存在しないと、前記データ処理システムにより判定することと、
    検討のための所定の範囲の範囲内にある前記取引プロファイル内の少なくとも1つの値が存在しないと判定したことに基づき、1人または複数人の人間ユーザによる検討のために前記ユーザ識別情報を前記データベースに記憶しないと決定することと
    を含む、請求項1記載のデータ処理システム。
  7. 取引検証のための方法であって、以下の工程:
    ユーザ識別情報を表す第1のデータを、データ処理システムにより取得する工程であって、該ユーザ識別情報が身分証明書の画像を含む、取得する工程;
    該第1のデータを取引検証システムへと入力として、該データ処理システムにより提供する工程であって、
    該取引検証システムが、
    取引が拒否されるべき行為者の身分証明書を、入力画像の少なくとも一部分を表すデータが描写しているかどうかを示す出力データを生成するように各々訓練されている、1つまたは複数の取引検証モジュール
    を含む、
    提供する工程;
    該取引検証システムによって生成された該出力データに基づいて、取引プロファイルを、該データ処理システムにより生成する工程;
    取引が拒否されるべきかどうかを、該データ処理システムにより、かつ該取引プロファイルに基づいて判定する工程;
    該取引が拒否されるべきではないと、該データ処理システムにより、かつ該取引プロファイルに基づいて判定したことに基づき、1人または複数人の人間ユーザによる検討のために、該ユーザ識別情報をデータベースに、該データ処理システムにより選択的に記憶する工程;
    拒否されるべき取引の特性を該身分証明書の該画像が有することを示す入力データを、該1人または複数人の人間ユーザから、該データ処理システムにより受け取る工程;および
    取引が拒否されるべき人物を識別するものとしての該特性を有する後続のユーザ識別情報を識別するように、該取引検証システムを、該データ処理システムにより訓練する工程
    を含む、方法。
  8. 前記身分証明書が、人物の画像を含む文書であり、前記身分証明書が、（i）運転免許証、（ii）パスポート、または（iii）該人物の画像を描写する他の文書もしくは該人物を識別できる他の情報を含む、請求項7記載の方法。
  9. 前記ユーザ識別情報が、自撮り画像、デバイスデータ、バイオメトリック情報、または行動情報のうちの1つまたは複数をさらに含む、請求項7記載の方法。
  10. 1人または複数人の人間ユーザによる検討のために、前記ユーザ識別情報をデータベースに、前記データ処理システムにより選択的に記憶する工程が、
    前記取引プロファイル内の少なくとも1つの値が、検討のための所定の範囲の範囲内にあると、前記データ処理システムにより判定することと、
    該少なくとも1つの値が、検討のための該所定の範囲の範囲内にあると判定したことに基づき、1人または複数人の人間ユーザによる検討のために前記ユーザ識別情報を前記データベースに記憶することと
    を含む、請求項7記載の方法。
  11. 取引が拒否されるべき人物を識別するものとしての前記特性を有する後続のユーザ識別情報を識別するように、前記取引検証システムを、前記データ処理システムにより訓練する工程が、
    機械学習モデルの閾値を、該閾値と検討のための前記所定の範囲との間の差に基づいて調整すること
    を含む、請求項10記載の方法。
  12. 1人または複数人の人間ユーザによる検討のために、前記ユーザ識別情報をデータベースに、前記データ処理システムにより選択的に記憶する工程が、
    検討のための所定の範囲の範囲内にある前記取引プロファイル内の少なくとも1つの値が存在しないと、前記データ処理システムにより判定することと、
    検討のための所定の範囲の範囲内にある前記取引プロファイル内の少なくとも1つの値が存在しないと判定したことに基づき、1人または複数人の人間ユーザによる検討のために前記ユーザ識別情報を前記データベースに記憶しないと決定することと
    を含む、請求項7記載の方法。
  13. 1つまたは複数のコンピュータによって実行可能な命令を含むソフトウェアを記憶している、非一時的コンピュータ可読媒体であって、
    該命令が、そのような実行時に、該1つまたは複数のコンピュータに、以下:
    ユーザ識別情報を表す第1のデータを、データ処理システムにより取得することであって、該ユーザ識別情報が身分証明書の画像を含む、取得すること;
    該第1のデータを取引検証システムへと入力として、該データ処理システムにより提供することであって、
    該取引検証システムが、
    取引が拒否されるべき行為者の身分証明書を、入力画像の少なくとも一部分を表すデータが描写しているかどうかを示す出力データを生成するように各々訓練されている、1つまたは複数の取引検証モジュール
    を含む、
    提供すること;
    該取引検証システムによって生成された該出力データに基づいて、取引プロファイルを、該データ処理システムにより生成すること;
    取引が拒否されるべきかどうかを、該データ処理システムにより、かつ該取引プロファイルに基づいて判定すること;
    該取引が拒否されるべきではないと、該データ処理システムにより、かつ該取引プロファイルに基づいて判定したことに基づき、1人または複数人の人間ユーザによる検討のために、該ユーザ識別情報をデータベースに、該データ処理システムにより選択的に記憶すること;
    拒否されるべき取引の特性を該身分証明書の該画像が有することを示す入力データを、該1人または複数人の人間ユーザから、該データ処理システムにより受け取ること;および
    取引が拒否されるべき人物を識別するものとしての該特性を有する後続のユーザ識別情報を識別するように、該取引検証システムを、該データ処理システムにより訓練すること
    を含む動作を行わせる、
    非一時的コンピュータ可読媒体。
  14. 前記身分証明書が、人物の画像を含む文書であり、（i）運転免許証、（ii）パスポート、または（iii）該人物の画像を描写する他の文書もしくは該人物を識別できる他の情報を含む、請求項13記載のコンピュータ可読媒体。
  15. 前記ユーザ識別情報が、自撮り画像、デバイスデータ、バイオメトリック情報、または行動情報のうちの1つまたは複数をさらに含む、請求項13記載のコンピュータ可読媒体。
  16. 1人または複数人の人間ユーザによる検討のために、前記ユーザ識別情報をデータベースに、前記データ処理システムにより選択的に記憶することが、
    前記取引プロファイル内の少なくとも1つの値が、検討のための所定の範囲の範囲内にあると、前記データ処理システムにより判定することと、
    前記少なくとも1つの値が、検討のための該所定の範囲の範囲内にあると判定したことに基づき、1人または複数人の人間ユーザによる検討のために前記ユーザ識別情報を前記データベースに記憶することと
    を含む、請求項13記載のコンピュータ可読媒体。
  17. 取引が拒否されるべき人物を識別するものとしての前記特性を有する後続のユーザ識別情報を識別するように、前記取引検証システムを、前記データ処理システムにより訓練することが、
    機械学習モデルの閾値を、該閾値と検討のための前記所定の範囲との間の差に基づいて調整すること
    を含む、請求項16記載のコンピュータ可読媒体。
  18. 1人または複数人の人間ユーザによる検討のために、前記ユーザ識別情報をデータベースに、前記データ処理システムにより選択的に記憶することが、
    検討のための所定の範囲の範囲内にある前記取引プロファイル内の少なくとも1つの値が存在しないと、前記データ処理システムにより判定することと、
    検討のための所定の範囲の範囲内にある前記取引プロファイル内の少なくとも1つの値が存在しないと判定したことに基づき、1人または複数人の人間ユーザによる検討のために前記ユーザ識別情報を前記データベースに記憶しないと決定することと
    を含む、請求項13記載のコンピュータ可読媒体。
JP2022575879A 2020-06-22 2021-06-22 データ処理および取引決定システム Pending JP2023530893A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063042445P 2020-06-22 2020-06-22
US63/042,445 2020-06-22
PCT/US2021/038497 WO2021262727A1 (en) 2020-06-22 2021-06-22 Data processing and transaction decisioning system

Publications (1)

Publication Number Publication Date
JP2023530893A true JP2023530893A (ja) 2023-07-20

Family

ID=79023674

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022575879A Pending JP2023530893A (ja) 2020-06-22 2021-06-22 データ処理および取引決定システム

Country Status (5)

Country Link
US (1) US20210398135A1 (ja)
EP (1) EP4168963A4 (ja)
JP (1) JP2023530893A (ja)
IL (1) IL299752A (ja)
WO (1) WO2021262727A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230015789A1 (en) * 2021-07-08 2023-01-19 Vmware, Inc. Aggregation of user authorizations from different providers in a hybrid cloud environment
US20230206372A1 (en) * 2021-12-29 2023-06-29 Jumio Corporation Fraud Detection Using Aggregate Fraud Score for Confidence of Liveness/Similarity Decisions
US20240005386A1 (en) * 2022-06-30 2024-01-04 Block, Inc. Modeling to generate dynamic electronic representations

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL188726A (en) * 2008-01-10 2013-05-30 Deutsche Telekom Ag A stacking scheme for tasks was classified
US10346845B2 (en) * 2009-05-15 2019-07-09 Idm Global, Inc. Enhanced automated acceptance of payment transactions that have been flagged for human review by an anti-fraud system
US8712143B2 (en) * 2010-02-26 2014-04-29 Bank Of America Corporation Processing financial documents
US20160005050A1 (en) * 2014-07-03 2016-01-07 Ari Teman Method and system for authenticating user identity and detecting fraudulent content associated with online activities
US9978068B2 (en) * 2014-10-08 2018-05-22 Facebook, Inc. Obtaining recipient information during an electronic remittance transaction
US10853592B2 (en) * 2015-02-13 2020-12-01 Yoti Holding Limited Digital identity system
US10692085B2 (en) * 2015-02-13 2020-06-23 Yoti Holding Limited Secure electronic payment
US10242277B1 (en) * 2015-07-08 2019-03-26 Amazon Technologies, Inc. Validating digital content rendering
CN116778367A (zh) * 2016-06-03 2023-09-19 奇跃公司 增强现实身份验证
US10534971B2 (en) * 2016-10-14 2020-01-14 ID Metrics Group Incorporated Tamper detection for identification documents
RU2640296C1 (ru) * 2016-12-06 2017-12-27 Общество с ограниченной ответственностью "Аби Девелопмент" Способ и устройство для определения пригодности документа для оптического распознавания символов (ocr) на сервере
SG11201908374PA (en) * 2017-03-23 2019-10-30 Jewel Paymentech Pte Ltd Systems and methods for user identity authentication
US20180307912A1 (en) * 2017-04-20 2018-10-25 David Lee Selinger United states utility patent application system and method for monitoring virtual perimeter breaches
US10318593B2 (en) * 2017-06-21 2019-06-11 Accenture Global Solutions Limited Extracting searchable information from a digitized document
US10354203B1 (en) * 2018-01-31 2019-07-16 Sentio Software, Llc Systems and methods for continuous active machine learning with document review quality monitoring
US20190251193A1 (en) * 2018-02-12 2019-08-15 Wipro Limited Method and system for managing redundant, obsolete, and trivial (rot) data
US10452897B1 (en) * 2018-08-06 2019-10-22 Capital One Services, Llc System for verifying the identity of a user
WO2020034733A1 (zh) * 2018-08-13 2020-02-20 北京市商汤科技开发有限公司 身份认证方法和装置、电子设备和存储介质
EP3874386A1 (en) * 2018-11-29 2021-09-08 Assa Abloy Ab System and method for identity creation and assertion
SG10201903611RA (en) * 2019-03-20 2020-10-29 Avanseus Holdings Pte Ltd Method and system for determining an error threshold value for machine failure prediction
US10693872B1 (en) * 2019-05-17 2020-06-23 Q5ID, Inc. Identity verification system
US11501210B1 (en) * 2019-11-27 2022-11-15 Amazon Technologies, Inc. Adjusting confidence thresholds based on review and ML outputs

Also Published As

Publication number Publication date
WO2021262727A1 (en) 2021-12-30
EP4168963A4 (en) 2023-12-06
IL299752A (en) 2023-03-01
US20210398135A1 (en) 2021-12-23
EP4168963A1 (en) 2023-04-26

Similar Documents

Publication Publication Date Title
US11893099B2 (en) Systems and methods for dynamic passphrases
US11973877B2 (en) Systems and methods for secure tokenized credentials
US11017070B2 (en) Visual data processing of response images for authentication
Botha et al. Fake news and deepfakes: A dangerous threat for 21st century information security
US10650379B2 (en) Method and system for validating personalized account identifiers using biometric authentication and self-learning algorithms
CN110222554A (zh) 欺诈识别方法、装置、电子设备及存储介质
Yang et al. Benchmarking commercial emotion detection systems using realistic distortions of facial image datasets
JP2023530893A (ja) データ処理および取引決定システム
CN109767321A (zh) 问答过程优化方法、装置、计算机设备和存储介质
US20190294900A1 (en) Remote user identity validation with threshold-based matching
US11605081B2 (en) Method and device applying artificial intelligence to send money by using voice input
US20200374286A1 (en) Real time selfie systems and methods for automating user identify verification
US20210398109A1 (en) Generating obfuscated identification templates for transaction verification
JP7412496B2 (ja) 生体（ｌｉｖｅｎｅｓｓ）検出検証方法、生体検出検証システム、記録媒体、及び生体検出検証システムの訓練方法
IL303460A (en) Method and system for safe deployment of an artificial intelligence model
EP4058912A1 (en) Using an enrolled biometric dataset to detect adversarial examples in biometrics-based authentication system
CN114902261A (zh) 用于递送文档的方法和系统
US20220398330A1 (en) System for image/video authenticity verification
US20210248615A1 (en) Method and system for digitally onboarding customers for providing one or more solutions in real-time
US20240086508A1 (en) System and method for facilitating multi-factor face authentication of user
US20240177519A1 (en) Digital Verification of Users Based On Real-time Video Stream
Do et al. Potential Attacks of DeepFake on eKYC Systems and Remedy for eKYC with DeepFake Detection Using Two-Stream Network of Facial Appearance and Motion Features
US11842314B1 (en) Apparatus for a smart activity assignment for a user and a creator and method of use
WO2024082891A1 (zh) 一种数据处理方法及相关设备
Shoukat et al. Fraud detection system using facial recognition based on Google Teachable Machine for banking applications

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20230628