التوتر القائم في قواعد التحقق من هوية العملاء
تخلق قواعد التحقق من هوية العملاء (KYC) توتراً حقيقياً لشركات التكنولوجيا المالية. تريد الجهات التنظيمية إجراء فحوصات هوية شاملة، وتشترط على الشركات جمع الوثائق الشخصية والتحقق منها. لكن قوانين البيانات تدفع في الاتجاه المعاكس، إذ تشترط على الشركات تقليل تلك البيانات بعد جمعها.
يجمع البنك عند فتح حساب جديد وثائق عديدة: بطاقات هوية وطنية وجوازات سفر ورخص قيادة، فضلاً عن إثباتات عنوان وأوراق مالية. هذه الملفات تحتوي على بيانات شخصية مكثّفة. تفرض GDPR وقواعد مكافحة غسل الأموال والمشرفون المصرفيون جميعهم قيوداً صارمة على التعامل معها.
حين تنتقل هذه البيانات إلى أنظمة كشف الاحتيال أو التحليلات، تسري قواعد إضافية. تُفعَّل ضوابط GDPR لتقليل البيانات. يجب إخفاء الهوية أو إزالة التعريف من البيانات الشخصية قبل أي استخدام ثانوي.
مشكلة التراكم لمدة يومين
كان بنك رقمي يعالج 5000 طلب تحقق يومياً عبر 15 دولة أوروبية. أدت خطوة مسح البيانات الشخصية إلى مشكلة خطيرة. كان معدل الإيجابيات الكاذبة مرتفعاً جداً. تراكمت قوائم المراجعة حتى وصلت إلى تأخر يومين كاملين.
السبب الجذري كان واضحاً: كانت الأداة القائمة على التعلم الآلي تُعلّم على نحو 8% من النصوص غير الشخصية باعتبارها بيانات شخصية. كل ملف كان يحتوي على صفحات عديدة. كان الحجم اليومي للإيجابيات الكاذبة أكبر من قدرة الفريق على معالجته في يوم واحد، فكان يتراكم باستمرار.
تندرج الإيجابيات الكاذبة في ثلاث مجموعات:
- أسماء شركات صُنِّفت كأسماء أشخاص (الخلط بين الأعلام)
- رموز مرجعية صُنِّفت كأرقام هوية (غياب التحقق من خانة الضبط)
- أسماء أولى شائعة مثل "Chase" في أسماء البنوك صُنِّفت كبيانات شخصية
كل إيجابية كاذبة تستلزم مراجعة بشرية. بنسبة 8% عبر 5000 ملف يومياً، ينتج عن ذلك آلاف المهام اليومية التي لا يمكن أتمتة أي منها.
ما تكشفه أبحاث ACL
اختبر بحث ACL لعام 2024 نماذج NLP متعددة اللغات لكشف البيانات الشخصية. كانت النتيجة صارمة: 5% فقط من نماذج NLP متعددة اللغات تحقق درجة F1 تتجاوز 85% لكشف البيانات الشخصية غير الإنجليزية عبر جميع اللغات الأوروبية الـ24.
تجمع درجة F1 بين الدقة والاسترجاع. انخفاض الدقة يعني كثرة الإيجابيات الكاذبة. وانخفاض الاسترجاع يعني الإغفال عن بيانات شخصية حقيقية. كلا الحالتين تحصل على تقييم ضعيف. معدل الإخفاق البالغ 95% في بلوغ درجة F1 85% يُظهر مدى صعوبة مسح البيانات الشخصية متعددة اللغات في الممارسة الفعلية.
في المقابل، يحقق XLM-RoBERTa درجة F1 متعددة اللغات تبلغ 91.4% في مهام كشف البيانات الشخصية. هذا الرقم مستمد من معايير HuggingFace لعام 2024. الفجوة بين 91.4% والنموذج المتوسط تُفسّر لماذا تُخفق الأدوات الجاهزة في التحقق متعدد اللغات.
التصميم الهجين لأعمال التحقق ذات الحجم الكبير
مشكلة الإيجابيات الكاذبة قابلة للحل. ثلاثة خيارات تصميمية تُصحّحها.
قواعد Regex مع التحقق من خانة الضبط: لأرقام الهوية الوطنية قواعد ثابتة. Steuer-ID الألماني وBSN الهولندي وPESEL البولندي يستخدمون جميعاً رياضيات خانة الضبط. إذا فشل رقم في اختبار خانة الضبط، فهو ليس رقم هوية وطنياً. الجمع بين الصيغة وخانة الضبط يُنتج إيجابيات كاذبة تكاد تكون معدومة لهذه الهويات.
NLP مدرك للسياق لأسماء الأشخاص: أسماء الأشخاص في ملفات التحقق تظهر في أماكن معروفة: خانات "الاسم" و"اللقب" والحقول المحددة في النماذج. اشتراط وجود كلمة سياقية قبل تعليم الاسم يُقلّص الإيجابيات الكاذبة ويوقف تصنيف أسماء الشركات كأسماء أشخاص.
ضبط العتبة حسب نوع الملف: ملفات التحقق تختلف عن رسائل الدعم أو الملاحظات الطبية. لكل نوع تركيبة مختلفة من البيانات الشخصية. ضبط العتبات لكل نوع ملف يتيح للفرق ضبط النظام وفق احتياجاتها. التحقق ذو الحجم الكبير يحتاج دقة عالية. إخفاء هوية السجلات الطبية يحتاج استرجاعاً عالياً.
تراكم اليومين ليس تكلفة حتمية لمسح البيانات الشخصية. بل هو تكلفة استخدام أدوات عامة في سير عمل محدد. الحل يكمن في الإعداد، لا في توظيف فريق أكبر.
يُغطّي دليل الامتثال لـ GDPR قواعد تقليل البيانات. وتوضح نظرة عامة على الأمن والامتثال الضوابط التقنية التي تدعم سير عمل التحقق المتوافق.