Konkurujuce pravidla KYC
Pravidla Poznaite svojho zakaznika (KYC) vytvaraju skutocne napatie pre fintech firmy. Regulatori chcu dokladne kontroly totoZnosci. Vyzaduju od firm zber a overenie osobnych dokumentov. Ale zakony o ochrane udajov tlacia opacnym smerom. Vyzaduju od firm minimalizaciu tychto udajov po ich zhromazdeni.
Banka otváraza novy ucet zhromazduje vela dokumentov. Tieto zahrnaju narodne preukazy, pasy a ridicske preukazy. Tiez zbiera doklady o adrese a financne doklady. Tieto subory obsahuju husté osobne udaje. GDPR, pravidla AML a bankove dozorne organy vyzaduju prisne zaobchadzanie.
Ked tieto udaje prechadzaju do systemov odhalovani podvodov alebo analyzy, platia dalsie pravidla. Aktivuju sa datove pravidla GDPR. Osobne udaje musia byt maskované alebo de-identifikovane pred akymmkolvek druhym pouzitim.
Problem 2-denneho nahromadenia
Digitalna banka spracovavala 5 000 KYC ziadosti denne v 15 krajinach EU. Ich krok skenovania PII sposobil vazny problem. Miera falzivych pozitivnych vysledkov bola prilis vysoka. Fronty na preskumanie rástly, az dosiahli 2-denné nahromadenie.
Pricina bola jasna. Ich nastroj zalozeny na ML oznacoval priblizne 8 % textu bez PII ako osobne udaje. Kazdy subor mal vela stran. Denný objem falzivych pozitivnych vysledkov bol prilis velky na to, aby ho tym stihol zvladnut v jeden den. Neustale zaostávali.
Falzive pozitivne vysledky spadali do troch skupin:
- Nazvy spolocnosti oznacene ako mena osob (model zamienal vlastne podstatne mena)
- Referencne kody oznacene ako ID cisla (nebol pouzity ziadny kontrolny sucet)
- Bezne krstne mena ako "Chase" v názvoch bank oznacene ako PII mena osoby
Kazdy falzivý pozitivny vysledok vyzadoval ludsky prezkum. Pri 8 % z 5 000 dennÿch suborov to produkuje tisice dennÿch uloh. Ziadnu nebolo mozne automatizovat.
Co ukazuje vyskum ACL
Vyskum ACL 2024 testoval viacjazycne modely NLP na zistovanie PII. Zistenie bolo markantne. Iba 5 % viacjazycnych modelov NLP dosiahne lepsie ako 85 % F1-skore pre PII mimo anglictiny napriec vseytkymi 24 jazykmi EU.
F1-skore kombinuje presnost a navratnost. Nizka presnost znamena vela falzivych pozitivnych vysledkov. Nizka navratnost znamena vela vynechanych poloziek. Oba vysledky su ohodnotene slabo. Miera 95 % neuspesnych pri dosiahnutí 85 % F1 ukazuje, ako narocne je v praxi medzijazyckove skenovanie PII.
Naproti tomu XLM-RoBERTa dosahuje 91,4 % medzijazyckove F1 pre ulohy PII. Tato cifra pochadza z benchmarkingu HuggingFace 2024. Medzera medzi 91,4 % a medianom modelu vysvetluje, preco krabicove nastroje zlyhavaju v medzijazykovom KYC.
Hybridny dizajn pre KYC s vysokym objemom
Problem falzivych pozitivnych vysledkov je riesitelny. Tri konstrukčne volby ho opravuju.
Regex s kontrolou kontrolneho suctu: Narodni ID cisla maju pevne pravidla. Nemecke Steuer-ID, holandske BSN a polske PESEL pouzivaju matematiku kontrolneho suctu. Ak cislo kontrolny sucet nesplna, nie je to narodni ID. Format plus kontrolny sucet produkuje takmer nulove falzive pozitivne vysledky pre tieto ID.
Kontextovo uvazomajuce NLP pre mena: Mena osob v KYC suboroch sa objavuju na znamych miestach. Tieto zahrnaju polia "Meno:", "Priezvisko:" a nastavene polia formularov. Vyzadovanie kontextoveho slova pred oznacenim mena znizuje falzive pozitivne vysledky. Zastavuje nazvy firm od spustenia upozorneni na mena osob.
Ladiaci prah podla typu suboru: KYC subory sa lisia od e-mailov podpory alebo zdravotnych zaznamov. Kazdy typ ma iny mix PII. Nastavenie prahov podla typu suboru umoznuje tymu ladit podla potrieb. Velky objem KYC dostane vyssu presnost. Zdravotna de-identifikacia dostane vyssu navratnost.
2-denné nahromadenie nie je nevyhnutnym nakladom skenovania PII. Je to naklad za pouzivanie generickeho nastroja v specifickom pracovnom postupe. Riesenim je nastavenie, nie vacsi tym.
Nas pruvodca zhodou GDPR pokryva pravidla minimalizacie udajov. Nas prehlad bezpecnosti a zhody vysvetluje technicke kontroly podporujuce pracovne toky KYC v sulade s predpismi.