استخراج البيانات

استخراج البيانات هو تحويل المعلومات الموجودة في صورة أو ملف غير منظم إلى حقول منظمة يمكن للنظام التعامل معها. وفي سياق التحقق من الهوية، يعني ذلك تحويل صورة وثيقة ما إلى اسم وتاريخ ميلاد ورقم الوثيقة وتاريخ انتهاء الصلاحية. وهي الخطوة الأولى في عملية التحقق، ولا تُثبت بحد ذاتها أي شيء.

الإدخال صورة فوتوغرافية، أو نسخة ممسوحة ضوئيًا، أو ملف PDF — غير منظمة، وجودة متفاوتة
الإخراج الحقول المسماة مع قيمها، وعادةً ما تكون مصحوبة بدرجات ثقة لكل حقل على حدة
التقنيات التعرف الضوئي على الأحرف، وفك تشفير الباركود، وتحليل المنطقة القابلة للقراءة آليًّا (MRZ)، وقراءة الرقائق، وتحليل التخطيط
وثائق الهوية منظمة للغاية — يتم تحديد المواقع الميدانية بمجرد تصنيف نوع الوثيقة
وثائق غير متعلقة بالهوية أقل تنظيمًا بكثير — تختلف كشوف الحسابات المصرفية وإيصالات الرواتب باختلاف الجهة المصدرة
متطلبات الدقة مستوى مرتفع بشكل غير معتاد — يكفي وجود حرف واحد خاطئ في رقم المستند ليُعتبر ذلك فشلًا
أدق إجراءات فحص الجودة المقارنة بين نفس القيمة في نظامي ترميز مستقلين
ما لا يفعله التأكد من صحة الوثيقة أو البيانات

كيفية استخراج البيانات من وثيقة الهوية

تخضع هذه العملية لقيود أكثر مقارنة بمعالجة المستندات العامة، لأن وثائق الهوية مصممة بحيث يمكن قراءتها آليًّا.

توجد الوثيقة داخل الإطار، ثم سري — أي بلد، وأي نوع وثيقة، وأي إصدار. هذا التصنيف هو ما يجعل كل ما يليه قابلاً للمعالجة، لأنه بمجرد معرفة القالب، تصبح مواقع الحقول معروفة. لا يوجد أي تشابه تقريبًا من الناحية الهيكلية بين رخصة القيادة الأمريكية وبطاقة الهوية الألمانية، ولا يقرأهما نفس النموذج.

ثم تتم قراءة الترميزات. وتمر الحقول المطبوعة عبر التعرف الضوئي على الأحرف. الـ المنطقة القابلة للقراءة آليًّا يتم تحليلها وفقًا لمواصفات منظمة الطيران المدني الدولي (ICAO)، مع أرقام تحقق للتأكد من صحة القراءة. أ الرمز الشريطي PDF417 يُترجم ما يظهر على ظهر رخصة القيادة الأمريكية إلى مجموعة حقول محددة. وفي حالة وجود شريحة، يتم قراءتها عبر تقنية NFC وتحتوي على توقيع.

الخطوة المهمة هي الخطوة الأخيرة: هذه الحقيقة نفسها متوفرة الآن من عدة مصادر، وينبغي أن تتطابق هذه المصادر. يظهر تاريخ الميلاد في النص المطبوع، ومنطقة القراءة الآلية (MRZ)، والرمز الشريطي. وعندما تتعارض هذه البيانات، فإما أن القراءة قد فشلت أو أن الوثيقة قد تم التلاعب بها — وفي كلتا الحالتين، يدرك النظام أن هناك خطأً ما دون الحاجة إلى أي تحليل جنائي على الإطلاق.

الاستخراج ليس تحققًا

هذا هو التمييز الذي يدعو المصطلح نفسه الناس إلى طمسه، ومن الجدير أن نكون صريحين بشأنه.

التشغيل السؤال الذي يجيب عليه
استخراج البيانات ماذا ورد في هذه الوثيقة؟
فحص ميزات الأمان هل هذه الوثيقة أصلية؟
الكشف عن التلاعب هل تم تعديل هذه الصورة؟
المقارنة البيومترية هل المُقدِّم هو الشخص الذي تصفه الوثيقة؟

الخطوة الأولى فقط هي عملية الاستخراج، وأي عملية تتوقف عند هذا الحد تكون قد حولت صورة غير مُثبتة إلى بيانات منظمة — والتي تتدفق بعد ذلك إلى المراحل اللاحقة وتبدو موثوقة لأنها منسقة بشكل جيد. يتم استخراج المستند المُزوَّر بشكل نظيف. كما يتم استخراج صورة الشاشة بشكل نظيف. أما النسخة المزيفة عالية الجودة، فيتم استخراجها بشكل مثالي، لأنها صُنعت خصيصًا لهذا الغرض.

أما النوع الآخر من الأعطال فهو أقل وضوحًا وأكثر شيوعًا: إخراج مؤكد بناءً على مدخلات كان ينبغي رفضها. فحتى إذا كان مجال الصورة غير واضح أو محجوب جزئيًا، فإنه لا يزال بإمكانه إنتاج قيمة تبدو معقولة، ويقوم النظام التالي الذي لا يملك رؤية لجودة الالتقاط بمعاملتها على أنها حقيقة. أما الأنظمة التي تقوم بتقييم مدخلاتها بنفسها وتطلب إعادة الالتقاط، فتتجنب خلق مشكلة لا يمكن اكتشافها لاحقًا.

لماذا يعد هذا الأمر مهمًا للتحقق من الهوية

تحدد جودة عملية الاستخراج نوعية البيانات التي ستعمل عليها كل خطوة لاحقة. فإذا تم قراءة رقم المستند بشكل خاطئ، فإن ذلك يؤدي إلى فشل عملية التحقق من قاعدة البيانات التي كانت ستنجح لولا ذلك. كما أن قراءة تاريخ الميلاد بشكل خاطئ تؤدي إلى نتيجة خاطئة بشأن العمر أو تطابق غير قابل للحل مع قائمة العقوبات. ونادرًا ما تتحمل خطوة الاستخراج تكلفة خطأ الاستخراج — بل تظهر لاحقًا في شكل رفض خاطئ أو مراجعة غير مبررة.

كما أنها تستحوذ على الحصة الأكبر من عمليات الإعداد القابلة للاسترداد التحويل. أما المتقدمون الذين حاولوا التسجيل ثلاث مرات ثم تخلوا عن المحاولة، فقد تم استبعادهم بسبب مشاكل في عملية الاستخراج وجودة التسجيل، وليس بسبب قرار يتعلق بالاحتيال.

الحقيقة الواضحة هي أن الاستخراج يمثل بنية تحتية ضرورية، ولكنه ليس دليلاً كافياً أبداً. التحقق من وثائق الهوية وهي عبارة عن الاستخراج والمصادقة والربط، أما بالنسبة لمجموعة المستندات غير المتعلقة بالهوية — مثل كشوف الرواتب، وكشوف الحسابات المصرفية، وإثبات العنوان — التحقق من الوثائق غير المتعلقة بالهوية تواجه نفس الفجوة مع وجود هيكل أقل يمكن الاعتماد عليه.

ما الذي لا يستطيع استخراج البيانات فعله

إنه لا يقوم بالتحقق من صحة أي شيء. إنها تقرأ ما هو موجود، بغض النظر عما إذا كان هذا الموجود حقيقيًّا أم لا.

لا يمكنها استعادة ما فقده عملية الالتقاط. تعمل عملية التحسين على تحسين المظهر دون استعادة التفاصيل التي لم يتم تسجيلها أصلاً. وعند تجاوز حد معين، فإن الإجراء الصحيح الوحيد هو إعادة التصوير.

الثقة ليست هي الدقة. إن الحصول على نتيجة عالية بناءً على مدخلات رديئة هو أخطر النتائج التي يمكن أن تظهر في مسار المعالجة.

تُحسب التغطية حسب نوع المستند وإصداره. يعتمد الاستخراج على التصنيف، وفي حالة عدم التعرف على إصدار المستند، فإن جودة القراءة تنخفض لتصبح قراءة عامة في أحسن الأحوال.

الأسئلة الشائعة

ما المقصود باستخراج البيانات في عملية التحقق من الهوية؟

تحويل صورة فوتوغرافية أو نسخة ممسوحة ضوئيًا من مستند إلى حقول منظمة — مثل الاسم وتاريخ الميلاد ورقم المستند وتاريخ انتهاء الصلاحية — يمكن للنظام التعامل معها. ويجمع هذا العملية بين التعرف الضوئي على الأحرف، وفك تشفير الباركود، وتحليل المناطق القابلة للقراءة آليًّا، وقراءة الرقائق الإلكترونية، إن توفرت.

هل استخراج البيانات هو نفسه التحقق من صحة المستندات؟

لا، والخلط بينهما خطأ شائع وذو عواقب وخيمة. عملية الاستخراج تعني قراءة ما ورد في المستند. أما عملية التحقق فتثبت أن المستند أصلي، وأن الصورة لم يتم التلاعب بها، وأن الشخص الذي يقدمه هو حاملها. فالمستند الذي تم التلاعب به أو المستند المزور الجيد يمكن استخراجهما بشكل مثالي.

ما هي الدرجة المطلوبة من الدقة في عملية الاستخراج؟

وهي أكثر دقة من معظم تطبيقات معالجة المستندات، لأن وجود حرف واحد خاطئ في رقم المستند يؤدي إلى فشل عملية التحقق اللاحقة. ولهذا السبب تكتسب المراجعة المتبادلة أهمية كبيرة — فيجب أن تتطابق القيمة نفسها التي يتم قراءتها بشكل مستقل من النص المطبوع، والمنطقة القابلة للقراءة آليًّا، والرمز الشريطي؛ وأي تباين يشير إلى وجود مشكلة دون الحاجة إلى أي تحليل إضافي.

لماذا تؤدي أخطاء الاستخراج إلى فقدان العملاء؟

لأن التكلفة تظهر لاحقًا. فالبيانات التي تم قراءتها بشكل خاطئ تؤدي إلى فشل عملية التحقق أو إجراء مراجعة غير مبررة بدلاً من ظهور خطأ واضح، كما أن محاولات التسجيل المتكررة تؤدي إلى تخلّي المستخدم عن العملية. وتُحدد نسبة كبيرة من معدلات التحويل القابلة للاسترداد في مرحلة التسجيل والاستخراج، وليس عند اتخاذ القرار بشأن الاحتيال.

مقالات ذات صلة

اكتشف حلولنا

استكشاف حلولنا على بُعد نقرة واحدة فقط. جرّب منتجاتنا أو تحدّث مع أحد خبرائنا للتعمّق أكثر فيما نقدمه.

تقرير
تحديد ملامح تزايد حالات الاحتيال المتعلقة بالهوية المدعومة بالذكاء الاصطناعي

لم يقتصر دور الذكاء الاصطناعي على تسريع عمليات الاحتيال فحسب، بل جعلها نظامًا متكاملًا. فقد قمنا بتحليل ملايين التفاعلات المتعلقة بالهوية لرسم خريطة لكيفية تطور هجمات الهوية عبر المناطق وأنواع الهجمات ومستويات تعقيدها — وما يتعين على المؤسسات إعادة النظر فيه لمواكبة هذه التطورات.

اطلع على البيانات