KYC:n ristiriitaiset säännöt
Asiakkaan tunnistaminen (KYC) -säännöt luovat fintech-yrityksille todellisen jännitteen. Viranomaiset haluavat perusteellisia henkilöllisyystarkistuksia. Ne edellyttävät yritysten keräävän ja varmentavan henkilöllisyysasiakirjoja. Mutta tietolait vetävät toiseen suuntaan. Ne edellyttävät, että kerättyä dataa minimoidaan sen jälkeen.
Uuden tilin avaava pankki kerää useita asiakirjoja — kansallisia henkilöllisyyskortteja, passeja ja ajokortteja, asuinpaikan todistuksia ja taloudellisia papereita. Nämä tiedostot sisältävät tiheästi henkilötietoja. GDPR, AML-säännöt ja pankkivalvontaviranomaiset kaikki edellyttävät tiukkaa käsittelyä.
Kun nämä tiedot siirretään petostenjärjestelmiin tai analytiikkaan, sovelletaan lisäsääntöjä. GDPR:n tietosäännöt astuvat voimaan. Henkilötiedot on peitettyä tai anonymisoitava ennen mitään toista käyttöä.
2 päivän ruuhkaongelma
Digitaalinen pankki käsitteli 5 000 KYC-hakemusta päivittäin 15 EU-maassa. Heidän PII-skannasvaiheensa aiheutti vakavan ongelman. Väärän positiivisen aste oli liian korkea. Tarkistusjonot kasvoivat 2 päivän ruuhkaan asti.
Juurisyy oli selvä. Heidän ML-pohjainen työkalunsa merkitsi noin 8 % ei-PII-tekstistä henkilötiedoiksi. Jokaisessa tiedostossa oli useita sivuja. Päivittäinen väärän positiivisen volyymi oli liian suuri tiimille selvitettäväksi yhdessä päivässä. He jäivät jatkuvasti jälkeen.
Väärät positiiviset jakautuivat kolmeen ryhmään:
- Yritysnimet merkitty henkilönnimiksi (malli sekoitti erisnimen)
- Viitenumerot merkitty henkilötunnisteiksi (tarkistussummaa ei käytetty)
- Yleiset etunimet kuten "Chase" pankkien nimissä merkitty henkilönimi-PII:ksi
Jokainen väärä positiivinen vaati ihmisen tarkistuksen. 8 % viidestä tuhannesta päivittäisestä tiedostosta tuotti tuhansia päivittäisiä tehtäviä. Mitään niistä ei voitu automatisoida pois.
Mitä ACL-tutkimus osoittaa
ACL 2024 -tutkimus testasi monikielisiä NLP-malleja PII-tunnistukseen. Löydös oli jyrkkä. Vain 5 % monikielisistä NLP-malleista saavuttaa yli 85 % F1-pisteet ei-englanninkieliselle PII:lle kaikissa 24 EU:n kielessä.
F1-pisteet yhdistävät tarkkuuden ja muistiin palautumisen. Alhainen tarkkuus tarkoittaa monia vääriä positiivisia. Alhainen muistiin palautuminen tarkoittaa monia jäämisiä. Molemmat tulokset pisteytetään huonosti. 95 % epäonnistumisaste 85 % F1:n saavuttamisessa osoittaa, kuinka vaikea monikielinen PII-skannaus on käytännössä.
Sitä vastoin XLM-RoBERTa saavuttaa 91,4 % monikielisen F1:n PII-tehtävissä. Tämä luku on HuggingFacen 2024 vertailusta. Ero 91,4 % ja mediaanitason mallin välillä selittää, miksi valmiit työkalut epäonnistuvat monikielisessä KYC:ssä.
Hybridimalli suurivolyymiseen KYC:hen
Väärän positiivisen ongelma on ratkaistavissa. Kolme suunnitteluvalintaa korjaavat sen.
Regex tarkistussumman kanssa: Kansalliset henkilötunnisteet noudattavat kiinteitä sääntöjä. Saksan Steuer-ID, Hollannin BSN ja Puolan PESEL käyttävät kukin tarkistussummalaskentaa. Jos numero ei läpäise tarkistussummaa, se ei ole kansallinen henkilötunnus. Muoto yhdistettynä tarkistussummaan tuottaa lähes nollan väärän positiivisen näille henkilötunnisteille.
Kontekstiherkkä NLP nimille: KYC-tiedostoissa esiintyvät henkilönnimet tunnetuissa paikoissa — "Nimi:", "Sukunimi:" ja kiinteissä lomakekentissä. Kontekstisanan vaatiminen ennen nimen merkitsemistä vähentää vääriä positiivisia. Se estää yritysnimet laukaisemasta henkilönnimivaroituksia.
Kynnysarvojen säätö tiedostotyypin mukaan: KYC-tiedostot eroavat tukisähköposteista tai lääketieteellisistä muistiinpanoista. Jokaisella tyypillä on erilainen PII-sekoitus. Kynnysarvojen asettaminen tiedostotyypin mukaan antaa tiimeille mahdollisuuden säätää tarpeidensa mukaan. Suurivolyyminen KYC saa korkeamman tarkkuuden. Lääketieteellinen anonymisointi saa korkeamman muistiin palautumisen.
2 päivän ruuhka ei ole väistämätön PII-skannauksen kustannus. Se on kustannus, joka syntyy yleisten työkalujen käyttämisestä tietyssä työnkulussa. Korjaus on asetukset, ei suurempi tiimi.
GDPR-vaatimustenmukaisuusoppaamme kattaa tiedon minimointisäännöt. Tietoturva- ja vaatimustenmukaisuuden yleiskatsaus selittää tekniset hallintakeinot, jotka tukevat vaatimustenmukaisia KYC-työnkulkuja.