KYC se Mededingende Reels
Ken-Jou-Klient (KYC) reels skep 'n werklike spanning vir fintechfirmas. Reguleerders wil deeglike identiteitskontroles. Hulle vereis van firmas om persoonlike dokumente te versamel en te verifieer. Maar datawette druk die ander kant toe. Hulle vereis van firmas om daai data te minimeer sodra dit versamel is.
'n Bank wat 'n nuwe rekening open, versamel baie dokumente. Dit sluit nasionale ID-kaarte, paspoorte en rybewyse in. Dit versamel ook bewys van adres en finansiele papiere. Hierdie leers bevat digte persoonlike data. GDPR, AML-reels en banktoesighouers vereis almal streng hantering.
Wanneer daai data na bedrogstelsels of analise beweeg, geld ekstra reels. GDPR se datareels tree in werking. Persoonlike data moet gemaskeer of ge-de-identifiseer word voor enige tweede gebruik.
Die 2-Dag-Agterstand Probleem
'n Digitale bank het 5 000 KYC-aansoeke daagliks oor 15 EU-lande verwerk. Hul PII-skandeerstap het 'n ernstige probleem veroorsaak. Die vals positiewe koers was te hoog. Beoordelingsrye het gegroei totdat hulle 'n 2-dag-agterstand bereik het.
Die grondoorsaak was duidelik. Hul ML-gebaseerde stelsel het ongeveer 8% van nie-PII-teks as persoonlike data gemerk. Elke ler het baie bladsye gehad. Die daaglikse vals positiewe volume was te groot vir die span om in een dag te verwerk. Hulle het aanhou agter raak.
Die vals positiewe het in drie groepe geval:
- Firmaname gemerk as persoonname (die model het eiename verwar)
- Verwysingskodes gemerk as ID-nommers (geen kontrolesom-kontrole is gebruik nie)
- Gewone voorname soos "Chase" in bankname gemerk as persoonsnaam-PII
Elke vals positiewe het menslike beoordeling benodig. By 8% oor 5 000 daaglikse leers, het dit duisende daaglikse take geproduseer. Nie een kon geoutomatiseer word nie.
Wat die ACL-navorsing Wys
ACL 2024-navorsing het meertalige NLP-modelle vir PII-opsporing getoets. Die bevinding was skerp. Slegs 5% van meertalige NLP-modelle bereik beter as 85% F1-telling vir nie-Engelse PII oor al 24 EU-tale.
F1-telling kombineer presisie en herroeping. Lae presisie beteken baie vals positiewe. Lae herroeping beteken baie gemiste items. Beide uitkomste het swak tellings. Die 95%-mislukkoers om 85% F1 te bereik wys hoe moeilik kruistalige PII-skandering in die praktyk is.
XLM-RoBERTa bereik ter vergelyking 'n 91,4% kruistalige F1 vir PII-take. Hierdie syfer is van HuggingFace 2024-maatstafstelling. Die gaping tussen 91,4% en die mediaanmodel verklaar waarom af-die-rak-stelsels in meertalige KYC misluk.
Hibriede Ontwerp vir Hoevolumiese KYC
Die vals positiewe probleem is oplosbaar. Drie ontwerpkeuses stel dit reg.
Reguliere uitdrukkings met kontrolesom-kontrole: Nasionale ID-nommers het vaste reels. Duitse Steuer-ID, Nederlandse BSN en Poolse PESEL gebruik elk kontrolesom-wiskunde. As 'n nommer die kontrolesom misluk, is dit nie 'n nasionale ID nie. Formaat plus kontrolesom produseer byna-nul vals positiewe vir hierdie ID's.
Konteksbewuste NLP vir name: Persoonname in KYC-leers verskyn in bekende plekke. Dit sluit in "Naam:", "Van:" en vaste vormvelde. 'n Kontekswoord vereis voordat 'n naam gemerk word, verminder vals positiewe. Dit verhoed dat firmaname persoonsnaam-kennisgewings veroorsaak.
Drempelafstemming per lertipe: KYC-leers verskil van ondersteunings-e-posse of mediese notas. Elke tipe het 'n ander PII-mengsel. Drempels per lertipe stel spanne in staat om vir hul behoeftes af te stem. Hoevolumiese KYC kry hoer presisie. Mediese de-identifikasie kry hoer herroeping.
Die 2-dag-agterstand is nie 'n onvermydelike koste van PII-skandering nie. Dit is 'n koste van die gebruik van generiese stelsels op 'n spesifieke werkvloei. Die oplossing is opstelling, nie 'n groter span nie.
Ons GDPR-nakomingsgids dek dataminimiseringsreels. Ons sekuriteit en nakomingsoorsig verduidelik die tegniese beheermaatreels wat voldoenende KYC-werkvloeie ondersteun.