This is the top of the page.
Displaying present location in the site.
  1. 首頁
  2. 公司導覽
  3. NEC的研究開發
  4. 運用「時空數據交叉側寫」進行金融犯罪分析
Main content starts here.

運用「時空數據交叉側寫」進行金融犯罪分析

運用AI的全新技術 實證實驗圓滿成功

將防盜攝影機等蒐集到的龐大資料,瞬間分析之技術

在現代社會中,防盜攝影機在打擊犯罪和事件蒐證上扮演著重要的角色。但每天所收集的影像資料持續增加,對公家機關和企業來說,僅憑人力分析影像相當困難。

 

NEC在2012年注意到這項問題,因此將旗下技術包括:全球最高※1精準度的人臉辨識技術、人工智慧、資料庫等組合運用,開始研究如何更有效率發現可疑人物。2015年,成功研發新技術「時空數據交叉側寫」,能夠從公共設施或群眾聚集地點拍攝的影像資料中,高速搜尋、篩選出「頻繁出現的人物」與「長時間停留的人物」等對象。

 

 

與大型金融機構共同進行,「模擬ATM非法盜領」實證實驗

這項新技術有一項非常強大的特色,本次研發並已實際安裝在軟體中的演算法,不僅能篩選可疑人物的「出現頻率」,針對容易成為犯罪或恐攻目標的多個地點,若這些地點都出現了同樣人物,也能由演算法篩選出具有異常「出現模式」的人物。

 

NEC運用這樣的技術特色,在2016年秋季與大型金融機構共同進行金融犯罪分析的實證實驗。本實驗模擬發生了大規模犯罪情況:某個犯罪集團偽造數百張偽造提款卡,並在短時間內從多台ATM盜領大量現金。在眾多ATM使用者中,本實驗目的是盡速搜尋、篩選出車手(負責由ATM違法提款的人物),協助警察展開調查,將犯罪受害程度降至最低。

 

一般而言,即使蒐集ATM的交易資料進行分析,也無法找出車手。舉例來說,車手只要在不同分行使用多張提款卡,並只提領額度範圍內的金額時,由於與一般交易相同,因此無法加以區別。

 

運用本技術,金融機構只需從現場防盜攝影機等拍攝的ATM使用者臉部影像,以及各分行、各ATM機器的提款紀錄,與出現時間搭配組合分析,就能從中鎖定車手。

 

透過實驗找出的3名嫌犯,與金融機構事先掌握的車手一致

本次實驗的對象,選擇了10間ATM使用者最多的銀行分行。運用NEC人臉辨識技術,將各分行耗時3個月收集、約28萬筆的ATM使用者人臉影像特徵※2加以數位化。NEC分析這些資料後,篩選出短時間內在多間分行頻繁提領現金等異常模式,通知金融機構10位疑似車手的可疑人物。確認的結果,發現金融機構事先掌握的3名車手,都在這10位可疑人物之中。金融機構對於這次的實驗結果給予高度好評,評估未來將本技術正式導入運用。

 

傳統的影像搜尋技術,若不知道可疑人物或通緝犯的長相,就無法進行搜尋。本次實驗證明了運用「時空數據交叉側寫」技術,即使是攝影機首次拍到的人物,只要其出現模式與一般不同,人工智慧軟體就能自動進行篩選,迅速找出可疑人物。

 

今後不僅會將本技術運用於預防犯罪、調查用途上,也可望能用在尋找失蹤孩童等正向用途。本技術也能從消費者的舉止行為、表情來判讀情緒,並掌握店內顧客移動路徑,因此NEC認為也能向企業客戶提出新的用法,將本技術運用在強化顧客應對的行銷領域上。


※1  在美國國家標準與技術研究院(NIST)實施的人臉辨識軟體評比測試中,NEC連續4次奪得辨識精準度第一。
※2      分析ATM使用者與篩選車手時,金融機構提供給NEC的資料並非使用者本身的人臉影像,而是經過數位化後的資料=「人臉特徵量」。此外,金融機構完全未提供帳號資料與提款卡資訊等任何內容。也就是說,NEC只使用人臉特徵量、各分行/機器的提款紀錄以及時間資料,就能篩選、搜尋出可疑人物。

依據類似度分類為樹狀構造,提升大量人臉資料的篩選速度

「時空數據交叉側寫」的技術核心,是依據「人臉的類似度」,將搜尋對象的大量人臉資料分為不同群組,藉此產生樹狀構造的演算法。由於採用此構造,越下層的資料,越能發現高類似度的人臉資料。

 

例如用「具備70%以上類似要素的人物」閾值搜尋時,依據樹狀圖構造搜尋,逐步找出高於此閾值的類似群組,高速執行搜尋與篩選。篩選後就能看出群組大小,並用「最相似人物的前10名」的方式顯示出搜尋結果。

 

展開犯罪調查時,則可利用指定攝影機位置與時段進行搜尋的方式,顯示「曾出現在現場A、B、C的人物共有此2人」的搜尋結果。如果有異常出現模式或舉止的人物,也只要幾秒左右即可篩選出來。此外,軟體內也安裝了另一個演算法,狀況隨時有變化的現場影像,若獲得新的人臉資料,只需與各群組的代表性人臉資料比較,就能瞬間判斷出該資料應歸屬與分類的群組,並即時新增至該群組中。

 

本技術自2016年10月起,以「NeoFace Image data mining」的名稱,已正式上市銷售。(日文版原文發表日期:2017年9月)

藉由類似度,將臉部特徵類似的群組進行分層的「樹狀構造」

研究者簡介

劉健全 ( NEC中央研究所 系統平台研究所 主任/博士(工學) )

中國廣東省人。2006年9月為就讀研究所而赴日。專攻電腦科學,研究高維度數據之近似搜尋。進入NEC後被派任至中央研究所,參與「時空數據交叉側寫」研發專案。提出採用樹狀數據結構等發想,在技術開發上扮演核心角色。除了研發業務之外,擔任法政大學理工學研究科兼任講師,每週講授「知識獲得特論」課程。此外,也擔任「川崎市外籍市民代表會議」第10期代表,並熱心公益參與市民社區大學「川崎爸爸補習班」企畫委員等地區活動。不僅如此,他也擔任了包括IEEE主辦的國際會議「ICSC2018」、「ISM2017」、「ICSC2017」、「BigMM2016」的議程共同主席,電子資訊通訊學會的「數據工學研究會」、「系統數理與應用研究會」各專家委員,以及資訊處理學會的論文期刊編輯委員等,活動範圍廣泛。

董婷婷( NEC中央研究所 系統平台研究所 研究員/博士(資訊科學) )

中國山東省人。2010年為就讀研究所而赴日。專攻社會系統資訊學,研究主題是無法確認位置資訊(高斯分佈)時的查詢與處理。2016年進入NEC後,被派任至中央研究所的系統平台研究所。參與「時空數據交叉側寫」的研發計畫。與大型金融機構共同進行實證實驗時,向同為研究人員的前輩劉健全學習分析手法,將3個月期間數據的解析成果提交給金融機構,由於將異常交易模式的判定條件範圍縮小,因而協助提升了解析成果的正確性。她本人表示:「實際感受到我們所研究的科技,運用ATM交易紀錄等原始數據,就能夠為解決社會課題有所貢獻。」參加公司內的登山社,假日常去攀爬日本各地山岳。從箱根的金時山開始,最近陸續征服了富士山、八岳、谷川岳等名山。

Top of this page