Використання відеоканалу банкоматів для підвищення рівня кібербезпеки під час взаємодії з клієнтами
DOI:
https://doi.org/10.32347/2412-9933.2025.64.171-176Ключові слова:
розпізнавання обличчя, біометрична валідація, банкоматАнотація
Стрімке зростання автоматизованих банківських послуг та безкарткових фінансових операцій посилило потребу в удосконалених механізмах автентифікації користувачів, здатних протидіяти шахрайству, соціальній інженерії та біометричному спуфінгу. Традиційні методи автентифікації, що базуються виключно на картках та PIN-кодах, стають дедалі вразливішими до крадіжок, примусу та атак повторного відтворення. У цьому контексті біометричні технології, зокрема розпізнавання обличчя у поєднанні з поведінковим аналізом у реальному часі, є перспективним напрямом підвищення безпеки транзакцій. Це дослідження пропонує інтегрований метод покращення автентифікації користувачів в автоматизованих фінансових терміналах шляхом використання відеопотоку пристрою. Підхід зосереджений на безперервній верифікації особи та моніторингу дій під час взаємодії з користувачем, що підтримується формально змодельованим протоколом взаємодії між терміналом та системою прийняття рішень. Запропонований метод інтегрує відео-біометричну ідентифікацію, виявлення активності та поведінковий аналіз у єдиний робочий процес автентифікації. Було розроблено модель протоколу, яка визначає безпечний обмін даними, часові обмеження та логіку прийняття рішень між користувачем, терміналом та серверним компонентом. Модель підтримує адаптивні результати рішень, включаючи схвалення, повторну верифікацію або відхилення, на основі рівнів довіри, отриманих з біометричних та поведінкових ознак. Використання принципів периферійних обчислень (edge computing) зменшує затримку та навантаження на мережу шляхом передачі компактних векторів ознак замість необроблених відеопотоків. Підхід також включає режими деградації на випадок мережевих збоїв, механізми виявлення аномалій та стратегії мінімізації даних, орієнтовані на дотримання нормативних вимог. Порівняльний аналіз із існуючими світовими практиками демонструє, що запропоноване рішення відповідає сучасним тенденціям мультифакторної автентифікації, розширюючи їх через формалізацію протоколу та відеоаналітику в реальному часі. Результати показують, що інтегрована автентифікація на основі відео може значно підвищити безпеку та стійкість фінансових терміналів без шкоди для зручності або доступності. Запропонований протокол взаємодії забезпечує масштабованість впровадження, підтримує відповідність нормативним вимогам та надає гнучкість для адаптації рівнів автентифікації до умов ризику. Цей метод застосовний не лише до банкоматів, а й до кіосків самообслуговування, терміналів дистанційного банківського обслуговування та мобільних фінансових інфраструктур, пропонуючи надійну основу для захищених систем фінансових транзакцій наступного покоління.
Посилання
Castelblanco, A., Rivera, E., Solano, J., Tengana, L., López, C., & Ochoa, M. (2022). Dynamic face authentication systems: Deep learning verification for camera close-up and head rotation paradigms. Computers & Security, 115, 102629. https://doi.org/10.1016/j.cose.2022.102629.
Aljuaid, S. M., & Ansari, A. S. (2022). Automated Teller Machine Authentication Using Biometric. Computer Systems Science and Engineering, 41 (3), 1009–1025. https://doi.org/10.32604/csse.2022.020785.
Ironvest, Inc. (2024). User authentication and transaction verification via a shared video stream (World Intellectual Property Organization Patent No. WO 2024194747A1). URL: https://patentscope.wipo.int/search/en/detail.jsf?docId=WO2024194747.
Viatec. (2024). U-PROX – convenient and secure access to ATMs using cards. Technical Report.
Yamada, S., Aoki, T., Shimoyama, T., & Mori, S. (2019). Biometric authentication technology facilitating protection and management of biometric data. Fujitsu Scientific & Technical Journal, 55 (5), 53–58.
Diebold Nixdorf & Samsung SDS America. (2017). Diebold Nixdorf and Samsung SDS demonstrate next step in cardless ATM transactions with mobile-based biometric authentication [Press release].
Biloshchytskyi, A. O., Dikhtiarenko, O. V., & Paliy, S. V. (2015). Searching for partial duplicate images in scientific works. Management of Development of Complex Systems, 21, 149–155.
Tsiutsiura, S. V., Tereikovskyi, I. A., & Paliy, S. V. (2013). Application of neural networks for recognizing "the ideal interlocutor" among social network users. Control, Navigation and Communication Systems, 4 (28), 123–126.
Tsiutsiura, S. V., Tereikovskyi, I. A., & Paliy, S. V. (2014). Modification of a classical neural network of probabilistic type for recognizing an "ideal interlocutor" among social network users. Management of Development of Complex Systems, 19, 118–123.
Hozak, Ya., & Paliy, S. (2024). Modern small networks for image classification. Feature analysis. Management of Development of Complex Systems, 60, 221–229. DOI: 10.32347/2412-9933.2024.60.221-229.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Сергій Володимирович Палій, Дмитро Михайлович Бойко, Євгенія Євгеніївна Шабала

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.