Дипфейк в KYC: 5 признаков подделки, которые должен ловить обменник

iEXExchanger
Дипфейк в KYC: 5 признаков подделки, которые должен ловить обменник

Мошенники всё чаще проходят верификацию личности с помощью дипфейк-видео. Разбираем пять признаков подделки, которые должна ловить антифрод-система обменника, и объясняем, где ИИ-детекторы бессильны без ручной модерации.

Дипфейк при верификации KYC — поддельное фото или видео лица, которое нейросеть генерирует, чтобы обойти проверку личности в обменнике или на бирже. С конца 2025 года такие заявки перестали быть редкостью: генераторы лиц подешевели и стали доступны любому мошеннику с ноутбуком. Вот пять признаков, по которым модерация и антифрод-система могут поймать подделку раньше, чем она пройдёт верификацию.

Откуда взялась проблема

Ещё пару лет назад поддельное селфи с документом в руках рисовали в графическом редакторе — и подмену было видно невооружённым глазом. Сейчас достаточно нескольких фотографий человека из открытого профиля, чтобы модель сгенерировала видео с морганием, поворотом головы и произнесением кодовой фразы, которую просит модератор.

Для обменника это не абстрактный риск. Через верификацию проходят заявки на вывод крупных сумм, привязку новых способов оплаты, снятие лимитов. Одна пропущенная подделка — не просто последующий чарджбэк, а участие вашего сервиса в цепочке отмывания денег, а дальше — вопросы от платёжного партнёра или банка.

5 признаков дипфейк-документа при верификации

  • Блики и тени живут своей жизнью. На настоящем видео свет одинаково падает на лицо, шею и фон. У синтетики отражение в глазах не совпадает с реальным источником света в кадре, а тень от подбородка иногда «не успевает» за поворотом головы.
  • Метаданные документа не бьются с профилем. Скан паспорта сделан вчера, а EXIF-данные фото — с телефона, который сняли с продажи два года назад. Или регион выпуска документа не соответствует IP и языку интерфейса, с которого пришла заявка.
  • Лицо «слишком среднее». Генеративные модели усредняют черты, чтобы избежать артефактов. В реальной жизни лица асимметричны — разный уровень бровей, родинки, лёгкая асимметрия улыбки. Подозрительно правильное лицо на видео стоит перепроверить вручную.
  • Одно и то же лицо в разных заявках. Мошенники штампуют аккаунты пачками, слегка меняя цвет волос и фон. Биометрическое сравнение по векторам лица, а не только по фото, ловит такие повторы даже при внешних отличиях.
  • Странная реакция на live-задание. Попросите повернуть голову в сторону, а не просто моргнуть — многие дипфейк-модели 2025-2026 года ещё плохо справляются с непредсказуемыми командами в реальном времени и «зависают» или искажаются на резком движении.

Как ИИ-инструменты ловят подделку

Современный антифрод не смотрит на видео «глазами» — он сравнивает десятки сигналов сразу: микродвижения мышц лица, частоту моргания, согласованность освещения по кадрам, метаданные файла, поведенческие паттерны заявки. Такие модели обучены именно на дипфейках, а не на классическом фотошопе, поэтому распознают артефакты генерации, незаметные для модератора.

Работает это в связке: ИИ-детектор выставляет риск-скор, а окончательное решение по спорным заявкам всё равно принимает живой модератор. Полностью автоматическую верификацию без права на ручную проверку для обменника лучше не включать — цена ложного одобрения слишком высока.

Где ИИ-детекторы бессильны

Честно: стопроцентной защиты не существует. Модели-детекторы и модели-генераторы дипфейков развиваются параллельно, и лидерство периодически переходит от одних к другим. Свежий генератор может на несколько месяцев опередить детекторы, обученные на более старых артефактах.

Кроме того, детектор дипфейков не спасает от классической проблемы — украденного настоящего документа с настоящим живым человеком-«дропом», которому заплатили за прохождение верификации. Здесь помогает уже не биометрия, а поведенческий анализ и сверка с чёрными списками.

Частые ошибки при внедрении

Первая — покупают детектор дипфейков и выключают ручную модерацию спорных случаев, чтобы сэкономить на смене. Вторая — не обновляют модель месяцами, хотя генераторы обновляются каждый квартал. Третья — хранят пороги риск-скора «по умолчанию» из коробки, не откалибровав их под свой поток клиентов и типичные способы мошенничества в своём регионе.

Вывод

Дипфейки в KYC — это не гипотетическая угроза на будущее, а рабочий инструмент мошенников уже сейчас. Опираться только на человеческий глаз модератора рискованно, но и слепо доверять автоматике тоже нельзя — нужна связка ИИ-детектора и живого решения по спорным случаям. Если вы выстраиваете верификацию и антифрод для своего обменника с нуля, начать проще на готовой платформе — например, iEXExchanger предлагает продукты для запуска и защиты собственного крипто-обменника.

Вопросы и ответы

Частые вопросы по теме статьи

Что такое дипфейк при верификации KYC?

Это сгенерированное нейросетью фото или видео лица, которое мошенник выдаёт за себя при прохождении проверки личности. Модель имитирует моргание, повороты головы и произнесение кодовой фразы, чтобы обойти автоматическую и ручную проверку обменника или биржи.

Как распознать дипфейк-видео при верификации вручную?

Обратите внимание на блики в глазах, которые не совпадают с освещением в кадре, «слишком идеальное» симметричное лицо и странную реакцию на неожиданную команду — например, резкий поворот головы. Ни один признак сам по себе не доказателен, важна совокупность.

Может ли ИИ полностью заменить модератора при верификации?

Нет, и полагаться только на автоматику рискованно. ИИ хорошо выставляет риск-скор по десяткам сигналов сразу, но окончательное решение по спорным и пограничным заявкам должен принимать живой человек — цена ошибки слишком высока.

Что делать, если детектор дипфейков ошибся и заблокировал реального клиента?

Нужен понятный путь ручного пересмотра: запрос дополнительного видео с живым модератором на связи, а не автоматический бессрочный бан. Ложные срабатывания неизбежны у любой модели, и процесс апелляции — часть нормальной верификации.

Как часто нужно обновлять антифрод-модель против дипфейков?

Генераторы дипфейков обновляются примерно каждый квартал, и модель детекции без переобучения быстро теряет точность. Разумный ориентир — пересматривать пороги и переобучать модель не реже раза в 2-3 месяца.