— А не западло ли вам там в банке отвечать на анонимные вопросы?
— Нет, Владимир Петрович, не западло.
Один из крупнейших коммерческих банков Беларуси Приорбанк, входящий в австрийскую группу «Райффайзен», использует голосовые эталоны (или, как ещё говорят, голосовые «отпечатки») клиентов для подтверждения их личности при обращении по телефону. Это пока только второй случай на территории России и СНГ, когда банк официально заявил о факте использования такой технологии.
Про саму голосовую биометрию мы уже рассказывали (возможность «узнавания» и определения личности звонящего, например в контакт-центр абонента, даже если он использует другой телефон или представляется кем-то другим — это актуально для антифрода). Расскажу о том, какие особенности есть во внедрении голосовой биометрии на примере Приорбанка.
Зачем это нужно
Количество обращений клиентов в контакт-центр банка с запросами, требующими персональной идентификации, растёт. Так, если в ноябре-декабре 2007 года было зафиксировано 46% звонков с необходимостью запроса персональной информации, то в аналогичный период 2015 года количество таких обращений увеличилось до 68% от общего количества всех звонков. Технология дополнительной аутентификации по голосу позволяет значительно сократить время обслуживания клиентов.
Термины
В голосовой биометрии есть пара понятий, которые довольно часто путают. Давайте разберёмся. Голосовая идентификация позволяет понять, что звонящий с незнакомого номера в контакт-центр человек может быть Васей Петровым. В рамках идентификации осуществляется проверка совпадений одного образца голоса со многими из имеющейся в контакт-центре базы голосов.
Голосовая верификация (она же аутентификация) позволяет подтвердить личность человека по телефону. То есть с определённой степенью вероятности предположить, что Вася Петров — это действительно Вася Петров. В рамках верификации происходит сличение двух образцов голоса: голос человека, чью личность необходимо подтвердить, с голосом, который хранится в базе данных системы и чья личность уже достоверно установлена.
Все биометрические системы относятся к вероятностным, и гарантировать отсутствие ошибок не может ни одна из существующих систем.
Ошибки
Ошибки бывают первого и второго рода или, иначе, ложного пропуска «чужого» (False Acceptance Rate, FAR) и ошибки ложного отказа «своему» (False Reject Rate, FRR). Эти ошибки взаимосвязаны, и настройка биометрических систем требует нахождения «компромисса» между уровнями этих ошибок, чтобы максимально удовлетворять задаче.
Голосовая биометрия может быть применена в различных приложениях. Например, для верификации пользователей при разговоре с оператором контакт-центра, автоматической верификации по голосу в IVR, предоставления доступа пользователю в мобильное приложение (используется совместно с другими видами биометрии: отпечаток пальца или лицо), идентификации мошенников по голосу (антифрод) и пр.
Проект по внедрению голосовой биометрии в Приорбанке был реализован в течение 2015 года. Ключевая задача — подтвердить личность клиента по телефону во время разговора с оператором и сократить время верификации. Как следствие, повысить качество удалённого обслуживания клиентов и повысить уровень защиты банковской информации.
Ежемесячно операторы контакт-центра Приорбанка обрабатывают десятки тысяч звонков, более половины обращений — запросы информации по счетам и операциям. Основные вопросы: «почему не работает карточка», «какая задолженность по кредиту», «почему не проходит операция» и так далее. Эти вопросы нельзя решить без подтверждения личности клиента — по законодательству информация по счетам предоставляется только их владельцам.
Подобные сведения не раз пытались получить не владельцы счета, а третьи лица. Вот поэтому у позвонившего в банк человека всегда спрашивают паспортные данные, номер карточки, девичью фамилию матери и так далее. На выяснение этих вопросов уходит в среднем 30−40 секунд на одного клиента.
В рамках проекта по внедрению голосовой биометрии было выбрано решение компании «Центр речевых технологий», так как биометрическая платформа российского разработчика уже доказала свою эффективность при подтверждении личности клиентов банков. Летом прошлого года решение на её основе было внедрено в мобильном приложении Wells Fargo — крупнейшего по рыночной капитализации банка мира.
Принцип работы системы в Приорбанке
- При каждом вызове (входящем или исходящем) в момент начала разговора с оператором запускается проверка пользователя в фоновом режиме и собираются данные о его голосе.
- В режиме реального времени измеряются биометрические параметры голоса и сравниваются с сохраненным ранее эталоном. Весь процесс занимает несколько секунд.
- Результат подтверждения личности по голосу появляется на экране монитора оператора КЦ.
Процесс надёжен настолько, что позволяет отличать, например, голоса близнецов или звонок пародиста. Система за несколько секунд сверит голос с эталоном и сообщит, что верификация не пройдена. Система языконезависима, поэтому клиент банка может говорить на любом доступном ему языке.
Этапы внедрения
- Разработка технического задания, проектирование и внедрение.
- Интеграция с CRM.
- Калибровка системы.
- Тестирование / опытная эксплуатация.
- Сдача работ.
Предусмотрено несколько процессов при работе с голосовыми эталонами:
- первоначальное наполнение базы голосовыми эталонами клиентов на основании записей их звонков в контактный центр. Причем при создании эталона клиент должен подтвердить свое согласие на его (эталона) запись;
- обновление голосовых эталонов;
- верификация клиентов по голосу.
База данных с голосовыми эталонами клиентов формировалась в процессе их обращений в контакт-центр банка по телефону. Если во время разговора с оператором клиент мог подтвердить свою личность стандартным способом (по паспортным данным, секретным словам, номерам договоров и пр. деталям), то, когда набиралось достаточное количество речевого материала, система создавала цифровой эталон на базе уникальных особенностей его голоса: акцента и скорости речи, произношения и пр. Также учитывались и физические особенности: речевой такт, форма и размер рта, строение носа. Таким образом, уже при следующем вызове в КЦ процедура верификации клиента существенно сокращалась по времени за счёт фонового подтверждения личности по голосу.
Подробнее
Как проходит процесс регистрации голосового эталона
- При звонке клиент идентифицируется по номеру телефона (если он звонит с мобильного телефона, номер которого зарегистрирован в банке).
- Дальше он проходит процедуру стандартной аутентификации по знаниям ФИО, даты рождения, номера паспорта и договора, секретной фразы. В общем, вплоть до того, как зовут кошку.
- В процессе разговора система накапливает нужное для создания голосового эталона количество речи (обычно около 40 секунд чистой речи), и когда собрано достаточно, информирует о готовности создать эталон. Оператор нажимает на кнопку, и если сведения, которые сообщил о себе клиент, совпадают с данными из систем банка, оператор сохраняет голосовой эталон. В противном случае сохранения не происходит. Согласие от клиента на создание голосового эталона банк получает заблаговременно, на этапе подписания клиентом договора на обслуживание.
Как проходит процесс верификации
Клиент звонит и его идентифицируют по номеру мобильного телефона. Если для него уже создан голосовой эталон, то дальше система начнёт
- процедуру верификации, если нет, то смотри историю про регистрацию нового эталона. Оператор задаёт несколько простых вопросов клиенту (просит представиться и указать дату рождения).
- В течение нескольких секунд разговора, когда накоплено достаточное количество чистой речи клиента (7–9 сек.), система сравнивает его голос с эталоном и показывает результат оператору («свой», «чужой», «не уверена»).
- Оператор либо заканчивает опрос, либо продолжает, потому что система «не уверена», что это свой, либо мягко отказывает клиенту, потому что он «чужой».
Если необходимо, оператор может вручную перезапустить процедуру биометрической проверки клиента, например, если в процессе верификации в разговор вмешивался третий участник.
После завершения процедуры верификации система больше «не слушает» разговор, и её ресурсы не задействуются.
Особенности внедрения
Для определения решения в системе настраиваются три порога («первый», «второй» и «обогащение»). Если результат сравнения выше первого порога, то система считает, что клиент «свой», если ниже второго — клиент «чужой», если между — это значит, что система не может наверняка быть уверена в своем решении.
Если при сравнении результат выше первого порога и выше порога «обогащение», то система автоматически обновляет эталон голоса. Это позволяет поддерживать эталоны в актуальном состоянии.
Борьба с мошенниками
Было бы большим упущением не сказать, что, помимо всего прочего, голосовая биометрия помогает бороться с мошенниками. Это так называемые антифрод-системы. Данная подсистема в Приорбанке не внедрена, но я про неё всё равно расскажу.
По данным Aite Group, мошенники могут получить от 20 до 50% всех секретных вопросов. В течение нескольких секунд разговора автоматически осуществляется верификация клиента и проверка, что звонящий не мошенник.
Работает это так. Помимо базы данных голосовых эталонов обычных клиентов создаётся чёрный список фродстеров, куда заносятся голосовые эталоны негодяев. При звонке в контакт-центр голос клиента сравнивается с одним из его эталонов в клиентской базе (верификация) и со всеми эталонами в базе фродстеров (идентификация). Естественно, если он обнаружен в базе фродстеров, меняется сценарий обслуживания такого клиента.
Решение по аутентификации плюс антифрод-система вместе позволяют обеспечивать до 90% обнаружения мошенников с уровнем ложного срабатывания 0.1%.
В биометрии, как я уже говорил ранее, есть ключевые процентные вероятностные показатели (пороги):
- ложный допуск FAR (False Acceptance Rate, «уровень требовательности системы»), т. е. вероятность того, что система пустит «чужого» человека;
- и ложный отказ FRR (False Rejection Rate, ошибки), т. е. вероятность того, что система не пустит «своего» человека.
Показатели очень тесно взаимосвязаны. Величина FAR называется специфичность, величина FRR называется чувствительность. Повышая/понижая чувствительность системы, мы понижаем/повышаем её специфичность и наоборот.
Если говорить про False Reject, то в классической схеме с вопросами процент отказа составляет порядка 10–15%, при дополнительном использовании аутентификации в режиме реального времени данная цифра не превышает 4%. Что касается False Acceptance, то при стандартной схеме мошенники проходят аутентификацию в 15–20% случаев, дополнительная аутентификация в режиме онлайн позволяет снизить этот показатель до 1–3%.
Ссылки
- Теория о голосовых «отпечатках»
- Распознавание русской речи для КЦ и параноиков
- Обычное ИТ-оснащение контакт-центра
- Русский колл-центр на базе ПО Наумена и железа Элтекса
- Моя почта — SChehovskih@croc.ru
- Сайт Приорбанка — www.priorbank.by
Автор: КРОК
