Банки начинают использовать системы биометрического распознавания лиц

Банки начинают использовать системы биометрического распознавания лиц

Банки начинают использовать системы биометрического распознавания лиц

Банки России начинают использовать системы биометрического распознавания лиц, целью такого шага является обеспечение дополнительного слоя безопасности. Теперь в базу данных банков наряду с паспортными данными будет заноситься изображение клиента.

В процессе последующих обращений к этой системе идентификации она будет сравнивать биометрические данные клиента с информацией о мошенниках. Поворот головы, освещение, макияж или разрешение камеры не играют никакой роли.

Как уточнил директор по управлению рисками Почта-банка Святослав Емельянов, в прошлом году биометрическая система распознавания помогла предотвратить около 10 000 мошеннических сделок на сумму более 1,5 миллиарда руб.

Основная ставка делается на то, что система будет отклонять большую часть мошеннических заявок по поддельным паспортам. Также не забыли упомянуть и про риски — хранение такой чувствительной информации в базах банков сопряжено с определенным риском.

«Глаза и отпечатки пальцев — одни на всю жизнь, их невозможно заменить как скомпрометированный паспорт или банковскую карту. Так что внедрять биометрию могут лишь банки с высочайшим уровнем информационной безопасности и защиты», — цитирует kommersant.ru руководителя рабочей группы "Защита информации и безопасность инфраструктуры в платежных системах" НП НПС Александра Виноградова.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru