أبرز ما يجب استخلاصه
باستخدام نماذج الرؤية الحاسوبية (CV) المعتمدة على الذكاء الاصطناعي (AI) لتقييم أدلة الدفع، نوفّر لمستخدمي منصة Binance P2P طبقة إضافية من الحماية ضد الأنشطة الاحتيالية.
تتجلى التزامنا بتحسين تجربة المستخدم في الحفاظ على إطار أمني بسيط وقوي داخل منصة P2P لدينا. نؤمن بأنّه حتى مع استخدام تقنيات متقدمة مثل الذكاء الاصطناعي، يجب ألا يأتي الأمن على حساب التعقيد.
إن اتباع نهج واعٍ عند تنفيذ معاملات نظير-لنظير (P2P) هو الخطوة الأولى لضمان سلامة أصولك. احرص دائمًا على ممارسة اليقظة عند استلام أي دليل على الدفع. تأكد أن المبلغ المستلم الفعلي يطابق قيمة المعاملة المعلنة.
خداع الإدراك: تهديد التلاعب بدليل الدفع (POP)
في المنشور السابق من هذه السلسلة، حراس Binance P2P غير المرئيين: استخدام الذكاء الاصطناعي لحماية مستخدمي العملات المشفرة، ناقشنا كيف نستخدم نماذج لغوية كبيرة (LLMs) لإتاحة إشراف فوري على اتصالات مستخدمي P2P بهدف اكتشاف المعاملات التي قد تكون مشبوهة. والآن ننتقل إلى جانب آخر من تحدي توظيف التقنيات المتقدمة لحماية مستخدمي P2P، ونلقي نظرة على تطبيق نماذج الرؤية الحاسوبية (CV) للكشف عن المحتالين.
في معاملات نظير-لنظير، يُعد دور دليل الدفع الصحيح (POP) أمرًا أساسيًا. من الضروري أن يحرص المستخدمون على العناية الواجبة للتأكد من أنهم تلقوا المبلغ المتداول الصحيح. ومع ذلك، تتوفر أدوات التحرير، حتى أبسطها، بسهولة لدى الأشخاص غير الموثوقين لتزوير POPs تبدو أصيلة. وهذا يطرح تحديًا حقيقيًا على الطرف المستلم لتحديد المعاملات المزوّرة. قد يستخدم المحتالون أيضًا أساليب هندسة اجتماعية مختلفة، مثل استعجال الضحية أو إرباكه، لجعل عملية التداول أكثر تهديدًا.
بشكل عام، يتم إرسال أكثر من 250,000 صورة يوميًا على منصاتنا، ولا يقتصر الأمر على صور POP. إن اختلافات هذه POPs متعددة؛ إذ تختلف الصور من حيث التنسيق والتصميم والمصدر، ما يزيد طبقة أخرى من التعقيد في مهمة اكتشاف عمليات التلاعب.
على الرغم من استمرار تهديد أدلة الدفع الاحتيالية (POPs)، لا يترك مستخدمونا وحدهم لمواجهة هذه الأدلة المضللة. وبفضل خوارزميات الذكاء الاصطناعي المتقدمة، تفحص منصتنا جميع الصور المرسلة أثناء المعاملات، للتأكد من أصالتها ومشروعيتها في الوقت الفعلي. تتمتع هذه النماذج القوية بمهارة في تحديد أي علامات على العبث بالصور أو التلاعب بها والإبلاغ عنها. يتم تنفيذ مثل هذه الضمانات الصارمة لحماية سلامة معاملات مستخدمينا، ودرء المحاولات الاحتيالية مسبقًا، وبالتالي التخفيف من مخاطر خسائر المستخدمين المحتملة.
كشف الخداع: الاستفادة من الرؤية الحاسوبية لاكتشاف أدلة الدفع المزيفة
الرؤية الحاسوبية (CV)، وهي مجال من مجالات الذكاء الاصطناعي يتم تدريب أجهزة الكمبيوتر فيه على تفسير وفهم العالم المرئي، توفر أحد أكثر الحلول قوة المتاحة اليوم لمشكلة تزوير أدلة الدفع.
من خلال استخدام تقنيات مثل التعرف الضوئي على الحروف (OCR)، وتصنيف الصور، واكتشاف الأجسام، والمعالجة الرقمية للصور، يمكن تدريب نماذج CV على التمييز بين دليل الدفع الحقيقي ودليل الدفع الاحتيالي.
يمكن لهذه النماذج تحليل صورة فوتوغرافية أو لقطة شاشة، بكسلًا بكسل، لاكتشاف التناقضات والشذوذات التي لا يمكن للعين البشرية ملاحظتها عادةً. سواء كان ذلك تحولًا بسيطًا في نظام الألوان، أو شعارًا مشوهًا، أو تغييرات خفية في الخط، يمكن للنموذج تحديد هذه الفروقات بدقة.
وبالتزامن مع استخدام نماذج CV، نجري أيضًا تحققًا إضافيًا عبر الاستعانة ببيانات الصورة الوصفية (metadata)، بالإضافة إلى معايير أخرى مثل أنماط التداول، للحصول على رؤية شاملة للوضع.
في الأقسام التالية، سنلقي نظرة أقرب على بعض الفحوصات التي وضعناها لضمان مشروعية دليل الدفع (POP).
الشكل 1: [النشاط] هل يمكنك تحديد أي معلومات تم العبث بها؟
التعرف الضوئي على الحروف (OCR)
إحدى أهم أدواتنا في مواجهة المحتالين هي تقنية تُسمى التعرف الضوئي على الحروف (OCR). تساعدنا نماذج OCR في تحديد جزأين أساسيين من المعلومات:
المحتوى النصي الذي تم تحديده واستخراجه/نقله من الصورة.
موضع أجزاء النص المحددة والمنسوخة داخل الصورة.
في عالم المعاملات عبر الإنترنت، تتوفر أدوات تحرير متقدمة بسهولة. غالبًا ما يستغل المحتالون هذه الأدوات للتلاعب بأجزاء من دليل دفع (POP) أصيل. ومن بين المناطق الأكثر شيوعًا التي يتم التلاعب بها في دليل الدفع (POP) الشرعي:
تاريخ المعاملة ووقتها. يمثّل هذا الحقل التاريخ والوقت الدقيقين اللذين تمت فيهما معالجة المعاملة. قد يغيّر المحتالون هذه المعلومات لعرض جدول زمني مناسب لخداعهم. يمكن لـ OCR أن يساعد في التحقق من دقة هذه البيانات من خلال مقارنتها بالطابع الزمني للمعاملة الفعلية.
معرّف المعاملة (Transaction ID). هذا معرف فريد لكل معاملة. أي تناقض في هذا الحقل يُعد مؤشرًا واضحًا على التلاعب. يساعد OCR في التحقق من معرّف المعاملة من خلال مقارنته بالمعاملات السابقة والبحث عن أي معرّف تم إعادة استخدامه.
مبلغ المعاملة. ربما يكون الحقل الأكثر تلاعبًا بشكل شائع. إن تغيير المعلومات في هذا الحقل قد يؤدي إلى اختلافات بين القيم الفعلية والقيم المُرسلة. هنا، تلعب قدرة نظام التعرف الضوئي على الحروف (OCR) على تحديد الأرقام بدقة دورًا حاسمًا في منع الاحتيال.
الاسم . يتم أيضًا العبث بأسماء المرسل والمستلم بشكل متكرر إلى حدٍّ كبير. يمكن لنماذج OCR أن تساعد في التحقق المتبادل من المعلومات المستخرجة من حقل الاسم من خلال مقارنتها بالمعلومات/المؤهلات المعروفة للأطراف المعنية.
الشكل 2. أبرز المعلومات التي تم العبث بها. في الواقع، ستكون التعديلات أقل وضوحًا للعين غير المدربة.
المعالجة الرقمية للصور
أحيانًا تكشف أصغر التفاصيل عن أكبر القصص. في سياق التلاعب بالصور، يمكن لأي تعديلات تُجرى على صورة، مهما كانت دقيقة، أن تترك آثارًا أو حالات شذوذ تلتقطها نماذجنا. وغالبًا ما تكون هذه الإشارات الضعيفة دليلًا ملموسًا على التلاعب. إن المناطق الأكثر عرضة لهذا النوع من التلاعب، كما هو موضح في الشكل 1، من المرجح أن تكشف ما إذا كانت الصورة قد تم تعديلها.
ولشرح المهمة الشاقة المتمثلة في رصد هذه الشذوذات بدقة، حددنا بعض الأنواع الشائعة من آثار التلاعب:
تنسيق النص بشكل غير طبيعي أو عدم تطابق المحاذاة. الأكثر وضوحًا هو النص الذي يكون مائلًا أو غير مصطفّ، أو الذي يستخدم خطًا مختلفًا بشكل صارخ عن بقية الصورة. وعادةً ما يكون هذا مؤشرًا واضحًا إلى حدٍّ ما على التلاعب.
اختلافات خفية في لون الخلفية. والأقل وضوحًا هي الفروقات الدقيقة في لون الخلفية التي قد تفلت من ملاحظة الشخص العادي لكن لا تفلت من نموذجنا الشامل.
تشوهات على مستوى البكسل. أقل حالات الشذوذ ملاحظة هي الضوضاء أو حالات عدم الاتساق على مستوى البكسل، وغالبًا ما تكون حول الحقول التي تم التلاعب بها.
أداة لا تُقدّر بثمن تُستخدم لتحديد مثل هذه الآثار من التلاعب هي تحليل مستوى الخطأ (ELA). يقوم تحليل مستوى الخطأ بفحص مستوى الضغط عبر صورة. وبشكل أساسي، يحدد المناطق في الصورة التي تُظهر مستويات ضغط مختلفة عن تلك الموجودة في المنطقة المحيطة، ما قد يشير إلى أنها خضعت لتعديل حديث. ستحتوي الصورة الأصلية وغير المُعدّلة على مستويات خطأ متسقة نسبيًا في جميع أنحاءها. في المقابل، ستُظهر الأجزاء التي تم تعديلها نتيجة تحليل ELA أكثر سطوعًا أو أكثر حيوية.
الشكل 3. مثال للصورة الناتجة بعد تطبيق ELA، والتي توفر بعض القرائن عن المناطق التي قد يكون تم العبث بها.
يتم تدريب نماذجنا باستمرار وتحديثها للتكيّف مع التقنيات المتطورة باستمرار التي يستخدمها المحتالون، مما يضمن سلامة المنصة ويحافظ على الثقة التي منحنا إياها مستخدمونا.
البحث عن صور مشابهة
على الرغم من أننا عالجنا الحالات التي يتم فيها التلاعب بالصور، توجد أساليب خبيثة أخرى يستخدمها المحتالون. ومن الطرق الشائعة أيضًا استخدام POP (دليل الدفع) نفسه بشكل متكرر أو مع تعديلات طفيفة على POP شرعي لعدة معاملات. إذا لم يتحقق الضحية من المعاملة عبر التحقق من حسابه البنكي، فقد يقع دون أن يدري في هذا الفخ.
نظرًا للعدد الهائل من المعاملات وما يرتبط بها من صور، فإن مهمة فحص كل صورة ومقارنتها ليست بالأمر الهيّن. إن تنفيذ ذلك في الوقت الفعلي يتطلب موارد كبيرة، وبالتالي يصبح تحديًا عمليًا.
ولمواجهة هذا التحدي، نستخدم مُشفّر صور يقوم بضغط الصور إلى مقتطفات أصغر ولكنها بيانات أساسية. تُخزَّن هذه المقتطفات في قاعدة بيانات متجهات قوية لدينا، مما يتيح للخوارزمية إجراء عمليات بحث شبه فورية عن الصور المشابهة. وقد أثبت هذا النهج المنهجي فعاليته الشديدة، إذ مكنّنا من إحباط مئات محاولات الاحتيال يوميًا. كما يُعد استخدام خوارزمية بحث عن الصور المشابهة دليلًا آخر على التزامنا بضمان سلامة المعاملات على منصة P2P لدينا بشكل استباقي.
الشكل 4. خط أنابيب بحث المتجهات شبه الفوري
خلاصة الأفكار
في عالم معاملات العملات المشفرة نظير-لنظير، أصبح التعامل مع تحدي الاحتيال أكثر أهمية من أي وقت مضى. نحن موجودون في الصفوف الأمامية، نُحسّن باستمرار حلولًا تقنية متقدمة ونستفيد منها لتعزيز دفاعاتنا ضد المحتالين الذين يستهدفون منصتنا ومستخدمينا.
يُجسّد استخدامنا للذكاء الاصطناعي نهجنا الاستباقي في تأمين سلامة كل صورة يتم إرسالها ضمن المعاملات. وباستخدام المراقبة والتحليل في الوقت الفعلي، يمكن لهذه النماذج القوية من الذكاء الاصطناعي تحديد محاولات التلاعب بالصور بدقة وسرعة. وتُعد فعالية هذه الإجراءات مذهلة، لا سيما بالنظر إلى الحجم الهائل والتنوع الكبير للصور التي يتم تبادلها يوميًا عبر منصتنا.
ومع ذلك، نعتقد أيضًا أن الأمن يجب ألا يأتي على حساب تجربة المستخدم. يظل التزامنا قائمًا على ضمان تمتع جميع المستخدمين بتجربة واضحة وسلسة على منصة P2P لدينا، دون القلق بشأن سلامة صفقاتهم. نحن نؤيد مبدأ أن المعاملات الآمنة والتنقل السهل للمستخدمين ليسا مجالين متعارضين، بل نطاقين متكاملين على طريق بيئة تداول رقمية مزدهرة.
إن المعركة ضد المعاملات الاحتيالية في P2P لا تتوقف عند نشر التكنولوجيا المتقدمة. بل تتطلب أيضًا يقظة ومشاركة مجتمع مستخدمينا. وبجمع العدة التقنية القوية المتاحة لدينا مع المشاركة الفعالة من مجتمع المستخدمين، يمكننا تقديم سوق آمنة وموثوقة.
ملاحظة
في الحالات التي تُحدد فيها نماذجنا أن دليل الدفع (POP) مشبوه للغاية، قد ترى رسالة التحذير التالية في مربع الدردشة لديك:
سجّل الدخول إلى حساب الدفع الخاص بك وتأكد من استلام الدفع الصحيح. وإلا، لا تُفرج عن أي شيء قبل التحقق.
تأكد من مراجعة حسابك!
إذا كنت ضحية لعملية احتيال في P2P، يُرجى تقديم بلاغ إلى دعم Binance باتباع الخطوات في هذا الدليل: كيفية الإبلاغ عن عمليات الاحتيال على دعم Binance.