چگونه هوش مصنوعی به کمک راه حل هویت دیجیتال می آید؟
هوش مصنوعی به روش های مختلفی می تواند به مدیریت شناسه ی دیجیتال کمک کند؛ از جمله: تسهیل در تعیین هویت واقعی یک فرد، دشواری دور زدن سیستم مدیریت هویت با استفاده از تأیید هویت مبتنی بر تشخیص چهره، تشخیص جعل اسناد هویتی به کمک الگوریتم های یادگیری ماشین، سرعت بخشی به سیستم های تائید هویت، این ها بخشی از مزایای کمک هوش مصنوعی به راهکارهای هویت دیجیتال هستند.
به دلیل مزایای کاربرد هوش مصنوعی در مدیریت هویت دیجیتال، دولت ها و نهادهای مختلف در تلاش برای ادغام راه حل های آن ها هستند که در ادامه چند نمونه آورده شده است:
- بانک ها و مؤسسات خدمات مالی به طور فعال در حال بررسی راه حل های تأیید هویت مبتنی بر هوش مصنوعی و یادگیری ماشین برای کشف کاهبرداری و جلوگیری از پولشویی هستند؛
- شرکت Accenture، غول فناوری در حال کار بر روی یک راه حل هویت دیجیتال و مدیریت دسترسی ممتاز PAM مبتنی بر هوش مصنوعی و یادگیری ماشین است. این راه حل که در حال پیشرفت است، دقت به روزرسانی امتیازات کاربر و دسترسی کاربر با استفاده از هوش مصنوعی و یادگیری ماشین را بهبود می بخشد؛
- نه تنها کسب وکارها، بلکه دولت ها و قانون گذاران ارزش راه حل های هوش مصنوعی برای هویت دیجیتال را می بینند. به عنوان مثال، قانون گذاران در اتریش، مقرراتی را وضع کرده اند که از تأیید هویت دیجیتال مبتنی بر هوش مصنوعی پشتیبانی می کنند. گسترش تحقیق و توسعه در زمینه هوش مصنوعی ً یک تغییر چارچوب در مدیریت هویت و احتماال دسترسی را به همراه خواهد داشت. در آینده ای نه چندان دور، هوش مصنوعی، امنیت هویت و تأیید داده ها را متحول خواهد کرد. هوش مصنوعی می تواند با استفاده از مناظر و صداها، کاربران را به طور ایمن شناسایی کند و به اعتبارنامه های از پیش تعریف شده متکی نخواهد بود. این تحولات می تواند در صنایع مختلف، اتفاق بیفتد.
در ادامه نمونه هایی از تحول امنیت با استفاده از هوش مصنوعی در سه صنعت گیگ اکونومی (اقتصاد گیگ)، خدمات مالی و مراقبت های بهداشتی تشریح شده است.
گیگ اکونومی (اقتصاد گیگ)
گیگ اکونومی به بازار کاری گفته می شود که با رواج قراردادهای کوتاه مدت یا کار آزاد شکل می گیرد. در کسب وکارهایی که افراد غریبه با یکدیگر تجارت می کنند، ایجاد اعتماد یک چالش بسیار بزرگ است.
در این زمینه، Uber، شرکت حمل ونقل سواری به طور مداوم در حال توسعه و آزمایش راه های جدید برای جلوگیری از تقلب و کاهش خطر است.
مدل کسب وکار این شرکت مبتنی بر سرعت و ایمنی است. یکی از کارهای مهم پلتفرم Uber تطبیق راننده با مسافر است.
Uber نیاز داشت تا رانندگان و مسافران در عین احساس آرامش خاطر و امنیت، احساس نکنند که در صف امنیتی فرودگاه منتظر هستند؛ بنابراین برای محافظت در برابر تقلب از فناوری تشخیص چهره ی هوشمند استفاده می کند تا اطمینان حاصل شود که راننده ی استفاده کننده از Uber با حساب موجود در پرونده تطابق دارد. قابلیت های شناختی، تضمین می کنند که مرحله ی تائید هویت سریع عمل می کند.
همچنین این قابلیت ها بر روی همه تلفن های هوشمند و در نور کم نیز کار می کنند.
Uber تنها شرکتی نیست که از تشخیص چهره استفاده می کند. دیما کووالف، مدیر محصول در Uber می گوید: “این فناوری در حال تبدیل شدن به یک روش استاندارد ورود به سیستم در بسیاری از صنایع، مانند خدمات مالی است. چهره شما رمز عبور جدید شماست.”
خدمات مالی
قابلیت های جدید هوش مصنوعی به اصلاح روش های تأیید هویت شرکت های مالی و ساخت مدل های ریسک و همچنین کشف تقلب و پولشویی کمک می کند. این قابلیت ها همچنین می توانند به حل مشکات قدیمی مانند حفاظت از حریم خصوصی، انطباق با مقررات و ارزیابی ریسک اعتباری کمک کنند. به عنوان مثال، بانک HDFC در هند، یادگیری ماشین را برای ساخت کارت های امتیاز در برنامه های وام دهی به کار می گیرد. با استفاده از داده های جمعیتی، جغرافیایی و سایر داده های مشتریان، تحلیلگران بانک HDFC قادر به اندازه گیری سوابق اعتباری آن ها به صورت سریع تر و دقیق تر هستند. این موضوع به بانک کمک می کند تا بهترین متقاضیان وام را شناسایی کرده و ریسک وام دهی خود را بهتر مدیریت کند.
بهارات شاستری، رئیس بخش تجزیه وتحلیل پیشرفته HDFC می گوید: “با استفاده از رویکردهای هوش مصنوعی، ما می توانیم داده های بدون ساختار بیشتری را پردازش کنیم، مدل های ریسک دقیق تری بسازیم و سریع تر تصمیم گیری کنیم. در نهایت، این موضوع به ما کمک می کند تا مشتریان جدید بیشتری را به دست آوریم و مطمئن شویم که آن ها مشتریان مناسبی هستند.”
علاوه بر این، تکنیک های فعلی تشخیص پولشویی تعداد زیادی از موارد مثبت کاذب را به همراه دارد که منجر به نادیده گرفتن هشدار می شود. مؤسسات مالی با به کارگیری قابلیت های پیشرفته تر هوش مصنوعی می توانند تعداد موارد مثبت کاذب را کاهش دهند. به طور معمول، تنها یک درصد از حدود 3 تریلیون دلار جریان های مالی غیرقانونی جهانی توسط مقامات کشف و ضبط می شود.
مراقبت های بهداشتی
معضل امنیت در برابر دسترسی همیشه وجود دارد اما این موضوع در سوابق پزشکی دیجیتال یک چالش اصلی به شمار می رود. برای پزشکان و بیمارانی که می خواهند سوابق پزشکی دیجیتالی بسیاری را پیگیری کنند دشوار است. زیرا دسترسی غالبا از سیستم های مختلف نیاز به ورود چندگانه دارند و اطلاعات زیادی باید به صورت دستی وارد شود. با این حال، سیستم های مراقبت های بهداشتی به ویژه از طریق تجهیزات و دستگاه های محافظت نشده بسیار ناامن هستند.
تله متری (اندازه گیری خودکار و انتقال بی سیم داده ها از منابع راه دور) و هوش مصنوعی می توانند به ایجاد دسترسی فوری در جایی که نیاز است کمک کنند، اطلاعات مرتبط را در اختیار ارائه دهندگان مراقبت های بهداشتی قرار داده و خطاهای پزشکی را کاهش دهند. مثال هایی از این امر به صورت ذیل هستند؛ اتاق بیمارستانی را تصور کنید که در آن دستگاه پزشک می تواند با دستبند هویت بیمار ارتباط برقرار کند و به وی اجازه دهد قفل پرونده پزشکی بیمار را در محل باز کند. هنگامی که پزشک اتاق را ترک می کند، ویزیت، ثبت شده و فایل بیمار قفل و ذخیره می شود تا زمانی که یک کاربر مجاز دوباره آن را فراخوانی کند. هنگامی که کادر پرستاری به بیمار سر می زنند، حسگرهای اتاق، اطلاعاتی درباره وضعیت و فعالیت بیمار ارائه می دهند. این داده ها همراه با بازخوردهای بیمار می توانند برای بهبود روش های مراقبت بیمارستانی استفاده شوند و به نوبه خود، سیستم های شناختی را برای ارائه پیشنهادهای هوشمندانه تر و مرتبط تر به مراقبین، آموزش دهند.
مرضیه سادات آل ایوب
منبع:برهان