Skip to main content

AI • 物联网 • 网络边缘

计算机视觉和人工智能保障自动柜员机业务

神经网络算法, 计算机视觉, 对象识别

自动柜员机 (ATM) 盗刷是指犯罪分子在毫无戒心的银行客户使用自动柜员机时盗取借记卡或信用卡信息的常用方式。实际上,最近的一份报告估计,盗刷造成的损失大约为每年 20 亿美元,已经成为一个严重问题。

自动柜员机盗刷技术之所以如此有效,是因为它很便宜且很难发现。一个盗刷系统通常由一个插入原始卡槽的读卡器以及一个用于盗取用户密码的隐藏摄像头或其他类型的录制设备组成(图 1)。

图 1.自动柜员机盗刷系统使用读卡器和录制设备。(资料来源:Aspen Public Radio)
图 1。自动柜员机盗刷系统使用读卡器和录制设备。(资料来源:Aspen Public Radio

为了防范盗刷,意大利的 Banca Monte dei Paschi di Siena 银行转而采用先进技术。最初,银行官员研究了每台自动柜员机的 RGB 摄像头监控录像。从理论上讲,官员们应该能够识别安装盗刷设备的罪犯并关闭整个系统,从而保护其客户免遭盗刷。

但在实践中,监控摄像头本身也提出了挑战。由于 RGB 摄像头始终处于打开状态,因此,除了记录任何邪恶的活动外,也会记录敏感的客户财务信息(例如密码和卡号)。

银行还必须对 RGB 摄像头监控录像进行清理和过滤,这就需要额外的边缘计算,却并非轻而易举之事。最后,银行只有 10 名操作员负责该国 10,000 多台自动柜员机的监控活动。

银行需要一种替代方案来可靠地检测盗刷设备的安装,尊重客户的隐私并减轻操作员的负担。

银行最终与 SECO 合作,是因为该公司开发了一个全新的安全解决方案,称为 ATMSense。

计算机视觉和自动柜员机监控剖析

ATMSense 是一种售后市场智能视觉系统,可以部署在现有自动柜员机上,从而最大限度地降低基础设施成本。该系统采用英特尔® 实感 深度摄像头、手势识别算法以及 SECO 采用 1.6 GHz 英特尔® 奔腾® N3710 处理器和 4 GB RAM 的 SBC-A80-eNUC 单板电脑(图 2)。

计算机视觉是 SECO ATMSense 安全系统的核心。(来源:英特尔®)
图 2。计算机视觉是 SECO ATMSense 安全系统的核心。(资料来源:英特尔®

ATMSense 与其他自动柜员机监控解决方案之间的主要区别在于,RealSense 深度摄像头使用红外技术(与典型的 RGB 视频馈送相反)来创建深度图,可掩盖任何可识别个人身份的信息(图 3)。摄像头本身的位置决定了摄像头不会监视客户与自动柜员机键盘界面的互动,而只是捕获自动柜员机使用者的一般动作和行为。

RGB 图像(左)与实感深度摄像头捕获的深度图(右)之间的比较。(来源:英特尔®)
图 3.RGB 图像(左)与实感深度摄像头捕获的深度图(右)之间的比较。(资料来源:英特尔®

实感摄像头对捕获的视频馈送执行一些初始处理,以消除不需要的噪声,然后将深度图传输到 SBC-A80-eNUC。在电脑上将手势识别算法应用于地图之前,奔腾处理器会进行进一步的图像处理。总之,图像处理和神经网络预测只需 40 毫秒,可有效降低功耗。

如果神经网络算法识别出可疑活动,例如安装盗刷设备,ATMSense 系统便会激活实感摄像头的 RGB 传感器,并通过 LTE 或以太网连接向银行监控设施的操作员发出自动警报。操作员可以实时查看与自动柜员机的互动并确定应采取的措施。

摄像头中还有扬声器,因此,如果自动柜员机使用者遇到麻烦,监控系统便会向报警求助。

神经网络算法和手势识别

ATMSense 解决方案的“秘密武器”当然是可以分析一段时间内监控录像的手势识别算法。所谓的“Mona”手势识别算法包含三个卷积层、两个长短期层和三个额外的神经网络层。

但令人惊讶的是,SECO 工程师仅使用大学生在实验室内的自动柜员机上进行模拟取款时记录的 25,000 个图像帧,就可以训练这些算法。

SECO UDOO 项目的科学协调员 Antonio Rizzo 说:“开发该模型所需的数据很少,让我们感到很惊讶。200 多名大学生模拟了各种恶意活动,包括自动柜员机盗刷和自动柜员机爆破。预测准确度超过了 93%。”

算法经过改进之后,便在 Monte dei Paschi di Siena 银行的主要分行部署了 ATMSense 系统的量产版进行试用。只是将 SBC 和实感摄像头插入现有自动柜员机上的金属板后面,便非常轻松地完成了 SECO 监控解决方案的集成,有效地降低了解决方案的整体成本。

在 2019 年的四个星期中,该系统记录了 10,000 多笔自动柜员机交易,其中包括再次由大学生模拟的另外 200 次盗刷设备安装。这产生了一个巨大的手势识别数据集,SECO 在获得了 Monte dei Paschi di Siena 银行的许可之后,正在考虑向工程界开放以帮助推进手势识别研究和开发。

网络安全和自动柜员机装备竞赛

技术日益普及,获得技术的成本越来越低,得到技术的渠道越来越多。令人遗憾的是,这对普通人和犯罪分子来说都已成为一条普遍的真理。主要的区别在于安全专业人员必须时刻保护其整个基础设施,但不良行为者只要找到一个可供利用的漏洞就行了。

鉴于像 ATMSense 这样的安全系统的低成本和自动化性质,银行官员及其客户也许可以再次在自动柜员机上刷卡,而无需三思而行。

Monte dei Paschi di Siena 银行和意大利政府目前正在分析去年为期四周的试验结果,希望能够在全国的自动柜员机上部署 SECO 解决方案。

作者简介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis