Identity.TM ist jetzt IDnow.Mehr erfahren

Maschinelles Lernen

Was ist maschinelles Lernen?

Maschinelles Lernen (EN. Machine Learning, ML) beschreibt ein Computerprogramm, das ohne menschliches Eingreifen lernen und sich an diese neuen Daten anpassen kann. Maschinelles Lernen ist ein Bereich von künstlicher Intelligenz (KI) ermöglicht es Maschinen, aus Daten bzw. vergangenen Erfahrungen zu lernen, Muster zu erkennen als Input für den nächsten Vorgang verwenden.

ML wird bereits in vielen Bereichen eingesetzt, darunter die Medizin, die Finanzwelt und auch für die Identitätsprüfung.

Wie wird maschinelles Lernen in der Identitätsprüfung eingesetzt?

Durch die Bereitstellung von Daten wie Adressen, Geburtsdaten und kann Maschinelles Lernen verwendet werden, um die Echtheit einer Person zu überprüfen. Dies ist besonders hilfreich bei Bewältigung von großen Datensätzen und bei gleichzeitiger Bekämpfung von Betrug und Geldwäsche.

Mithilfe von Maschinellen Lernen können menschliche Prüfer bzw. Ident-Specialists im Rahmen einer Identitätsprüfung entlastet und die Prüfungsprozesse beschleunigt und verbessert werden, indem potenziell gefälschte Dokumente (siehe Dokumentenbetrug) automatisch erkannt werden.

Maschinelles Lernen in der Gesichtserkennung

Der Ansatz zur Datenanalyse, der es Maschinen ermöglicht, aus Erfahrung zu lernen wird auch häufig bei der Gesichtserkennung eingesetzt. Die Maschine wird mit einer großen Menge an Gesichtsdaten "trainiert", die entweder vom KYC-Dienstleister wie z. B. IDnow bereitgestellt werden und/oder von den Benutzern generiert werden. Sobald das Training abgeschlossen ist, kann die Maschine die Gesichter von neuen Personen erkennen und sie mit den gespeicherten Datensätzen vergleichen.

Die Algorithmen des maschinellen Lernens, die für die Gesichtserkennung verwendet werden, können das Foto auf dem Ausweis mit einem Live-Foto der Person abgleichen und bestätigen, dass es sich tatsächlich um diese Person handelt. Mithilfe von passenden Algorithmen und dem gezielten Training auf bestimmte Gesichtsmerkmale wird das erfasste Gesicht ausgerichtet, Gesichtszüge gemessen und Merkmale extrahiert und mit anderen Datensätzen abgeglichen.

Die Technologie des Machine Learnings wird immer häufiger eingesetzt, da sie genauer ist als herkömmliche Überprüfungsmethoden und zudem viel schneller ist. In Zukunft könnte das maschinelle Lernen für noch anspruchsvollere Formen der Identitätsüberprüfung eingesetzt werden, z. B. für das Scannen der Iris oder die Stimmerkennung.

 

 

 

 

Play