Gần đây, UBS – ngân hàng đầu tư và quản lý tài sản đa quốc gia – và Kuppingercole, một công ty phân tích chính chuyên cung cấp lời khuyên và hiểu biết sâu sắc về Nhận dạng và Bảo mật Thông tin đã tham gia hội thảo trên web do iProov tài trợ để giới thiệu cách UBS đổi mới chiến lược nhận dạng kỹ thuật số của mình để phục vụ tốt hơn nhu cầu của khách hàng.
Hội thảo trên web có sự tham gia của các chuyên gia trong ngành John Tolbert (Giám đốc Nghiên cứu An ninh mạng và Nhà phân tích chính tại KuppingerCole) và Pascal Tavernier (Giám đốc Điều hành Kiến trúc sư Quản lý Danh tính & Truy cập tại UBS) thảo luận về cách sinh trắc học có thể hỗ trợ chuyển đổi kỹ thuật số trong ngành dịch vụ tài chính.
Đọc trước để tìm hiểu các chủ đề và thông tin chi tiết chính của hội thảo trên web.
Gia tăng gian lận và các quy định thúc đẩy chuyển đổi kỹ thuật số
Dịch vụ tài chính là một lĩnh vực khổng lồ, dự báo sẽ đạt khoảng 30.000 tỷ USD vào năm 2030. Các tổ chức phải đối mặt với các quy định ngày càng nghiêm ngặt, chủ yếu do mức độ tội phạm tài chính ngày càng tăng.
Mặc dù một số quy định thích hợp nhất sẽ phụ thuộc vào quốc gia / khu vực tài phán của bạn, hội thảo trên web đã xác định bốn loại quan trọng nhất đối với các tổ chức tài chính:
- Chống rửa tiền: Nhằm mục đích ngăn chặn rửa tiền và tài trợ khủng bố.
- Biết khách hàng của bạn: Một phần mở rộng của AML là về việc đảm bảo rằng các doanh nghiệp đang tham gia với cùng một người mà họ đã tham gia vào thỏa thuận tài chính (và cùng một người vẫn kiểm soát tài khoản của họ).
- Những người tiếp xúc với chính trị: Những kiểm tra này là tất cả về việc xác định các cá nhân có nguy cơ cao và cung cấp sàng lọc và thông tin bổ sung để giảm thiểu bất kỳ rủi ro kinh tế, quy định hoặc danh tiếng nào. Chúng thường liên quan đến các chính trị gia hoặc những người nổi bật khác.
- Sàng lọc các biện pháp trừng phạt: Các tổ chức tài chính phải đảm bảo họ không chuyển hoặc giữ tiền cho các cá nhân bị trừng phạt.
Không tuân thủ dẫn đến hình phạt, bao gồm tiền phạt và thậm chí cả tố tụng hình sự. Nhìn chung, trong năm 2022, các ngân hàng trên toàn cầu đã phải chịu hơn 2 tỷ USD tiền phạt AML.
Động lực hàng đầu khác cho chuyển đổi kỹ thuật số là phòng chống gian lận. Dịch vụ tài chính là một trong những ngành được nhắm mục tiêu nhiều nhất do các ưu đãi tài chính sinh lợi (nhận được tỷ lệ cao nhất trong các cuộc tấn công chiếm đoạt tài khoản, 38%). Mục đích là để ngăn chặn các loại gian lận phổ biến nhất, chẳng hạn như:
Để đạt được điều này, các tổ chức tài chính đã đầu tư rất nhiều vào các quy trình và nhân sự tuân thủ. Tuy nhiên, điều này cũng làm tăng chi phí giới thiệu và thu hút khách hàng.
Bối cảnh này, kết hợp với một động thái chung đối với các dịch vụ trực tuyến toàn diện, đã làm cho chuyển đổi kỹ thuật số trở nên quan trọng hơn bao giờ hết. Mua sắm các công nghệ phù hợp là chìa khóa.
Xác minh sinh trắc học là nền tảng của chuyển đổi kỹ thuật số cho các tổ chức tài chính
Khó khăn trong việc chứng minh rằng người dùng trực tuyến là người mà họ tuyên bố là một trong những thách thức lớn nhất mà các FI phải đối mặt. Kiểm soát xác minh danh tính không hiệu quả thường là nguyên nhân gốc rễ của vi phạm quy định và gian lận.
Xác minh danh tính mạnh mẽ phụ thuộc vào việc liên kết người thực xác nhận danh tính của họ với một tài liệu ID đáng tin cậy. Cách duy nhất để làm điều đó một cách đáng tin cậy là với sinh trắc học. Xác minh sinh trắc học hoạt động bằng cách liên kết dữ liệu trên ID do Chính phủ cấp với dữ liệu sinh trắc học của người xác nhận danh tính của họ và thực hiện kiểm tra để đảm bảo họ là thật và thực sự là chủ sở hữu thực sự của tài liệu ID đó.
Xác minh sinh trắc học được ưu tiên vì một số lý do:
- Bảo mật tốt hơn: Giải pháp sinh trắc học phù hợp có thể cung cấp bảo mật vô song, cho phép các FI tránh hoặc ít nhất là giảm thiểu các vấn đề về bảo mật và khả năng sử dụng do các phương pháp cũ như mật khẩu và xác thực một lần.
- Trải nghiệm người dùng tốt hơn: Người dùng cuối cần phải nhớ bất cứ điều gì; Sinh trắc học của họ luôn ở trên người của họ. Điều này cũng có nghĩa là không có gì để mất hoặc quên. Các giải pháp sinh trắc học phù hợp làm cho mọi thứ trở nên đặc biệt dễ dàng cho khách hàng.
- Cải thiện độ chính xác và hiệu quả: Công nghệ sinh trắc học loại bỏ nhu cầu kiểm tra trực tiếp hoặc xác minh thủ công, giúp tăng độ chính xác và giảm chi phí. Nó cũng tăng tốc quá trình, cho phép khách hàng nhanh chóng truy cập vào tài khoản mới của họ.
- Giảm nguy cơ bị phạt tuân thủ và thiệt hại danh tiếng từ công khai tiêu cực: Một giải pháp mạnh mẽ cho phép các tổ chức tài chính đáp ứng các hướng dẫn quy định trong khi trấn an khách hàng và bảo vệ danh tiếng của tổ chức.
- Khôi phục tài khoản dễ dàng: Phục hồi tài khoản vốn đã giới thiệu rủi ro gian lận, bởi vì người khôi phục nó có thể là một kẻ lừa đảo cố gắng chiếm quyền kiểm soát tài khoản. Bạn cần phải chắc chắn về danh tính của họ; Giải pháp sinh trắc học phù hợp có thể cung cấp khả năng khôi phục tài khoản tự phục vụ dễ dàng và không yêu cầu liên kết lại thiết bị của họ.
Các phương pháp xác minh ID khác như xác minh cuộc gọi video (ví dụ: qua Zoom hoặc Skype) rất bất tiện và khó mở rộng quy mô. Pascal nói rằng "khách hàng tiềm năng và khách hàng không thích, và nó chiếm rất nhiều thời gian."
Không phải tất cả các giải pháp đều như nhau: Hiểu độ chính xác sinh trắc học
Hiệu quả của các giải pháp sinh trắc học khác nhau. John Tolbert (KuppingerCole) đã thảo luận về cách các hệ thống sinh trắc học có thể đảm bảo danh tính cao hơn bằng cách đánh giá độ chính xác sinh trắc học. Độ chính xác sinh trắc học được xác định bởi một số yếu tố:
- Tỷ lệ chấp nhận sai (FAR): Thước đo khả năng hệ thống bảo mật sinh trắc học sẽ chấp nhận không chính xác nỗ lực truy cập của người dùng trái phép. FAR của một hệ thống thường được nêu bằng tỷ lệ số lần chấp nhận sai chia cho số lần nhận dạng giả mạo.
- Tỷ lệ loại bỏ sai (FRR): Tỷ lệ phần trăm hoặc xác suất xác thực sinh trắc học từ chối đúng người dùng khi dữ liệu sinh trắc học của người dùng đó được trình bày cho cảm biến và được đánh dấu không chính xác là 'không đạt'. Nếu FRR cao, người dùng sẽ thất vọng với hệ thống vì họ bị ngăn truy cập vào tài khoản của chính họ. Còn được gọi là Tỷ lệ không khớp sai (FNMR).
- Tỷ lệ lỗi bằng nhau (EER): Nơi FAR và FRR gặp nhau, thường là sự cân bằng tốt nhất giữa khả năng sử dụng và bảo mật.
Sự sống động là một yếu tố quan trọng trong FAR và FRR. Liveness đề cập đến các công nghệ xác định xem cảm biến có đang xem sinh trắc học trực tiếp hay không - tức là đó có phải là người sống hay không. Điều này làm cho sự sống động trở thành điểm khác biệt chính giữa các giải pháp sinh trắc học khuôn mặt.
Chất lượng và sự tinh vi của công nghệ liveness sẽ ảnh hưởng đến số lượng hình ảnh giả bị phân loại sai là thật (FAR) và số lượng hình ảnh thật bị phân loại sai là giả mạo (FRR). Nói chung, các giải pháp đa khung hình sẽ đạt được FAR / FRR mong muốn hơn so với các giải pháp khung đơn. Chất lượng của trình khớp khuôn mặt cũng sẽ ảnh hưởng đến FAR và FRR.
Quan trọng, FAR và FRR, sẽ củng cố tỷ lệ chuyển đổi của người dùng. Bạn cần hỏi: có bao nhiêu người dùng của bạn có thể sử dụng sản phẩm và trong số đó, bao nhiêu người trong số họ có thể hoàn tất xác minh? Tỷ lệ xác minh người dùng thành công là một động lực quan trọng cho công nghệ đảm bảo danh tính.
Triển khai và thử nghiệm các hệ thống xác minh danh tính đầu cuối
Pascal Tavernier đã giúp thiết kế và xây dựng hệ thống xác minh danh tính từ xa đầu cuối của UBS, sử dụng iProov để xác minh sinh trắc học khuôn mặt. Trong khi độ chính xác sinh trắc học là chìa khóa, có nhiều yếu tố thành công khác.
Pascal đã chia sẻ những hiểu biết có giá trị của mình về việc tối đa hóa tỷ lệ thành công cho hành trình đăng ký kỹ thuật số:
- Xử lý lỗi: Trợ giúp dựa trên ngữ cảnh là điều cần thiết trong suốt hành trình của người dùng. Người dùng cần biết họ đã làm gì sai nếu họ gặp lỗi, với phản hồi theo thời gian thực, nếu không họ sẽ thất vọng và bỏ học.
- Tính đủ điều kiện: Đánh giá hỗ trợ tự phục vụ khi bắt đầu quá trình (tức là nếu ứng dụng của bạn chỉ hỗ trợ người dùng đăng ký từ các quốc gia cụ thể, hãy đảm bảo rằng người dùng hoàn thành lựa chọn quốc gia khi bắt đầu quy trình để họ không thất vọng sau này).
Pascal đề nghị các tổ chức tiến hành càng nhiều phiên phòng thí nghiệm khả năng sử dụng càng tốt để có được mọi thứ đúng ngay lần đầu tiên. Ông cũng khuyến nghị tham gia vào một "nhà cung cấp bên thứ ba độc lập chuyên về thử nghiệm thâm nhập sinh trắc học", thay vì đưa ra các tuyên bố bảo mật theo mệnh giá.
Bớt tư tưởng
Cuối cùng, xác minh sinh trắc học loại bỏ sự phụ thuộc vào kiểm tra trực tiếp, cung cấp xác minh danh tính từ xa tự động tự phục vụ. Điều này cho phép các tổ chức cung cấp dịch vụ từ xa cho khách hàng đã từng xuống hạng trong các chuyến thăm trực tiếp, đây là một chiến thắng trải nghiệm khách hàng rất lớn (và thực sự thường là kỳ vọng từ người dùng cuối ngày nay).
Công nghệ sinh trắc học giúp các tổ chức tài chính giải quyết hai thách thức chính: tuân thủ quy định và phòng chống gian lận - làm cho nó trở thành một công cụ hoàn hảo để chuyển đổi kỹ thuật số trong ngành dịch vụ tài chính.
Bạn có thể đọc thêm về những lợi thế của xác minh khuôn mặt tại đây và xem xét hướng dẫn của chúng tôi để chọn nhà cung cấp sinh trắc học nhấn vào đây.
Nhấp vào đây để xem toàn bộ hội thảo trên web theo yêu cầu tại đây. Hưởng!
