Распознавание паспортов и ID для KYC: как это работает

Как устроено распознавание документов для KYC

Типичная удалённая проверка личности состоит из пяти шагов:

1. Съёмка: пользователь фотографирует документ и делает селфи.
2. Чтение: система считывает MRZ (машиночитаемую зону), извлекает напечатанные поля через OCR и на биометрических паспортах и современных ID-картах может прочитать NFC-чип.
3. Проверка согласованности: данные MRZ, визуальной зоны и чипа совпадают, контрольные цифры верны, срок действия не истёк.
4. Liveness и сравнение лиц: перед камерой живой человек, и его лицо совпадает с фото в документе.
5. Решение и хранение: одобрить, отклонить или отправить на ручную проверку, затем сохранить только то, что требуют закон и процесс.

Ни один шаг не надёжен сам по себе. Сила KYC — в перекрёстной проверке.

MRZ: самая надёжная часть документа

MRZ — блок текста с символами < внизу страницы паспорта или на обороте ID-карты. Формат задан стандартом ICAO Doc 9303:

• TD3 (паспорта): 2 строки по 44 символа.
• TD1 (ID-карты): 3 строки по 30 символов.

В MRZ есть номер документа, гражданство, дата рождения, пол, срок действия и имя, а ключевые поля защищены контрольными цифрами. Поэтому ошибки OCR и грубые правки легко поймать. Цифры сохраняют значение, буквы A-Z превращаются в 10-35, < равен 0, значения умножаются на повторяющиеся веса 7, 3, 1, а сумма берётся по модулю 10.

def mrz_check_digit(field: str) -> int:
    weights = (7, 3, 1)
    total = 0
    for i, ch in enumerate(field):
        if ch.isdigit():
            value = int(ch)
        elif ch.isalpha():
            value = ord(ch.upper()) - 55  # A=10 ... Z=35
        else:
            value = 0  # '<'
        total += value * weights[i % 3]
    return total % 10

Если контрольная цифра не сходится, попросите переснять документ, а не «исправляйте» текст наугад.

Извлечение видимых полей

Поля вроде имени на национальном языке, места рождения или ПИНФЛ извлекаются в три этапа:

• Детекция: найти границы документа, выровнять перспективу, обрезать.
• Классификация: определить страну, тип и версию шаблона, чтобы знать, где находится каждое поле.
• OCR по полям: распознать каждую зону с учётом ожидаемого формата (даты, латиница или кириллица, номера).

Большинство ошибок возникает из-за фото, а не модели: блики, размытие, обрезанные углы. Подсказки на экране и автоматический снимок резкого кадра помогают сильнее, чем «более умный» OCR.

Liveness и сравнение лиц

Face match сравнивает селфи с фото в документе, а лучше — с фото из чипа. Liveness подтверждает, что селфи сделано с живого человека, а не с распечатки, другого экрана, маски или сгенерированного видео, подменённого в потоке камеры.

Для рискованных сценариев комбинируйте оба подхода и защищайте канал съёмки: подмена видеопотока обходит любой анализ лица.

Проверка на подделку

• MRZ против визуальной зоны: одинаковые имя, номер и даты.
• Соответствие шаблону: шрифты, расположение полей, фоновые узоры этой версии документа.
• Следы редактирования: неоднородный шум, резкие края вокруг заменённого текста или фото.
• Съёмка с экрана: муар, пиксельная сетка, отражения монитора.
• Защитные элементы: голограммы можно проверить на видео, наклоняя документ.
• NFC-чип: данные подписаны государством-эмитентом; проверка подписи (Passive Authentication) — самая сильная из доступных.
• Бизнес-правила: срок действия, дубликаты в разных аккаунтах, возрастные ограничения.

Неясные случаи уходят на ручную проверку, а не на автоодобрение.

Хранение сканов и персональных данных

Сканы паспортов и биометрия — одни из самых чувствительных данных, которые может хранить компания.

• Собирайте только нужное и указывайте цель в тексте согласия.
• Проверьте местное законодательство: многие страны, включая Узбекистан, регулируют обработку персональных данных и могут требовать хранить данные граждан на серверах внутри страны.
• Шифруйте сканы при хранении и передаче, держите ключи отдельно от хранилища.
• Ограничьте доступ несколькими ролями и логируйте каждый просмотр скана.
• Задайте сроки хранения и удаляйте или обезличивайте данные автоматически.
• Маскируйте данные в логах и инструментах поддержки: полный номер паспорта не должен попадать в лог ошибок.
• Проверяйте подрядчиков: знайте, где и сколько внешний KYC-провайдер хранит данные.