Derin öğrenme teknikleri kullanılarak yüz tanıma tabanlı müşteri doğrulama ile bankamatiklerde sahtekârlık tespiti

Abstract

Günümüzde bankamatikler banka müşterilerinin finansal işlerini yerine getirmeleri için çok yaygın olarak kullanılmaktadır. Bankamatikler manyetik bir kart ve dört haneli bir PIN ile müşteri doğrulama sağladıktan sonra kullanıma açılmaktadır. Bu durum, sahtekârlara bankamatik donanımlarını kullanarak para çalmak için fırsat oluşturmaktadır. Dijital bankacılık platformlarının sayısı arttıkça banka müşterileri banka şubelerini fiziki olarak ziyaret etmek zorunda kalmadan hesap açabilir hale gelmiştir. Benzer şekilde banka kartları müşterilere kurye aracılığı ile şubeye gelmeye gerek kalmadan ulaştırılabilmektedir. Bu durum, kötü niyetli kurye çalışanlarına kart bilgilerini çalmak için fırsat vermektedir. Buna ek olarak banka müşterileri genellikle dört haneli PIN kodunu; doğum tarihi, yaşadıkları şehirlerin plakaları ve ulusal kimlik numaraları gibi hatırlanması kolay şifrelerden seçmektedir. Sahtekârlar bu kodu tahmin edebilmekte veya kendilerini banka çalışanı gibi tanıtıp bu kodları kolayca elde edebilmektedir. Banka kartı ve bankamatiklerdeki buna benzer dezavantajlar nedeniyle dolandırıcılar banka müşterilerinden kolayca para çalma potansiyeline sahiptir. Bu çalışmada, bankamatiklerde ilgili sahtekârlıkların önüne geçmek için bankaların standart şifre esaslı kimlik doğrulama yöntemine ek olarak yüz tanıma teknolojilerini kullanarak bir kimlik doğrulama yöntemi ortaya konulmuştur. Müşteri bankada hesap açarken müşteriden alınan yüz örnekleri derin öğrenme modelinden geçirilerek benzersiz bir kimlik üretilip kaydedilecektir. Daha sonra müşteri bankamatikte işlem yaparken tekrar alınan yüzler derin modelden geçirilip çıkan sonuç, kaydedilen kimlik ile karşılaştırılacaktır. Bu karşılaştırma sonucu, belirlenen eşik değerinin altında kalırsa müşteri doğrulaması sağlanacaktır. Aksi takdirde, kart ve PIN bilgisiyle dahi bankamatiğe giriş sağlanamayacaktır. Böylece bankaların bankamatik aracılığıyla verdikleri hizmetlerde çok daha güvenli bir platform sunmaları sağlanacaktır.

Today, cash dispensers are widely used for bank customers to perform their financial business. The cash dispensers are put into use after providing customer verification with a magnetic card and a four-digit PIN. This provides an opportunity for fraudsters to steal money using the hardware of cash dispensers. As the number of digital banking platforms increased, bank customers have been able to open accounts without having to physically visit the bank branches. Similarly, bank cards can be delivered to customers by courier without having to visit the branch. This gives evil-minded courier employees the opportunity to steal card information. In addition, bank customers typically set their four-digit PIN code as the date of birth, the license plates of the cities they live in, or their national identification numbers. Fraudsters can guess this code or identify themselves as bank employees and can easily obtain them. Due to such disadvantages in credit and debit cards, fraudsters have the potential to easily steal money from bank customers. In this work, in order to prevent related fraud in ATMs, an authentication method by using face recognition technologies in addition to the standard password based authentication method of banks has been introduced. When the customer opens an account at the bank, the face samples taken from the customer will be passed through a deep learning model and a unique identity will be produced and recorded. Afterwards, when the customer is processing at the cash dispenser, the faces taken again will be passed to the deep model and the result will be compared with the recorded identity. When this comparison result is below the threshold value, customer verification will be approved. Otherwise, access to the cash dispenser will not be possible even with card and PIN information. Thus, it will be ensured that banks provide a much safer platform in the services they provide through ATMs.