Масштаб проблемы: почему ручные проверки больше не работают

Каждый год HR-департаменты крупных компаний и кредитные отделы банков сталкиваются с одной и той же ситуацией: человек предъявляет документы, которые выглядят безупречно, проходит собеседование, получает доступ к ресурсам или заёмные средства – и исчезает. Либо остаётся, но начинает методично использовать доверие в корыстных целях.

Поддельные дипломы, паспорта с измененными фотографиями, чужие персональные данные, фиктивные трудовые истории – всё перечисленное давно вышло за рамки единичных случаев. По оценкам специалистов в области корпоративной безопасности, около 30% резюме содержат искажённые или заведомо ложные сведения. Кредитный фрод с использованием чужих или поддельных документов ежегодно обходится российским банкам в десятки миллиардов рублей.

Ручная верификация при таких объёмах просто не справляется. Проверить паспорт визуально, позвонить на предыдущее место работы, сверить диплом с реестром – всё перечисленное занимает дни, требует ресурсов и при этом даёт весьма поверхностный результат. Опытный мошенник точно знает, где именно заканчиваются возможности стандартной проверки.

Типичные схемы: что скрывается за безупречными документами

Прежде чем говорить о методах противодействия, стоит разобраться в том, как именно организуются подобные схемы.

Поддельные дипломы и квалификационные документы. Рынок фальсификаций в сфере образовательных документов существует давно. Бланки высшего качества воспроизводятся настолько точно, что при беглом визуальном осмотре не вызывают подозрений. При найме на позиции с допуском к финансам, данным или управлению персоналом такие документы создают серьёзные риски.

Паспорта с изменёнными данными. Замена фотографии, подчистка фамилии или даты рождения, внесение правок в серийные номера – всё перечисленное выявляется только при детальной технической экспертизе. Человеческий глаз, особенно при высокой нагрузке на сотрудника службы безопасности, такие манипуляции не всегда замечает.

«Мёртвые души» и подмена личности. Использование персональных данных реальных людей – умерших, потерявших документы или просто не подозревающих о происходящем – давно стало отдельным направлением мошеннических схем. В кредитовании такие случаи особенно опасны: займы оформляются на людей, которые о них не знают, а взыскание долга превращается в юридический лабиринт.

Многократное использование одной личности. Один человек регистрируется в нескольких банках или у нескольких работодателей под разными данными, получает кредиты или трудоустраивается, после чего исчезает. Без перекрёстной проверки между организациями выявить такие схемы практически невозможно.

Торговля персональными данными. Купленные или украденные данные реальных людей с хорошей кредитной историей используются для оформления займов или получения должностей с высоким уровнем доверия. Жертвы узнают о произошедшем спустя месяцы.

Почему стандартные инструменты проверки не закрывают задачу

Многие компании до сих пор опираются на звонки HR-менеджеров на предыдущие места работы, визуальный осмотр документов и запросы в открытые реестры. Каждый из перечисленных методов даёт частичный результат, но не полноценную картину.

Запрос в реестр дипломов покажет, есть ли документ в базе, но не выявит, принадлежит ли он конкретному человеку. Визуальный осмотр паспорта не обнаружит цифровую ретушь. Звонок в предыдущую организацию не исключает сговора или просто ошибки на стороне того, кто отвечает.

Кроме того, реальные мошеннические схемы всё чаще строятся с расчётом именно на слабые места стандартных процедур. Документы подделываются не грубо, а точечно – там, где проверка наименее вероятна. Биометрия подменяется с использованием качественных распечаток или видеозаписей.

Именно поэтому проверка на подделки документов с помощью ИИ стала стандартом для крупных HR-сервисов и банков – не потому что так принято, а потому что альтернативы реально не справляются с современным уровнем угроз.

Как работают современные системы верификации

Технологический ответ на перечисленные угрозы строится на нескольких взаимосвязанных направлениях.

Анализ документов на признаки фальсификации

Алгоритмы машинного зрения анализируют изображения документов на предмет следов графических манипуляций: несоответствий в шрифтах, нарушений геометрии элементов защиты, следов цифрового монтажа, аномалий в цветовых переходах. Человек, работающий с документом вручную, физически не может провести такой анализ – слишком высока детализация и слишком много параметров нужно учитывать одновременно.

Важно, что современные системы справляются даже с фотографиями невысокого качества, сделанными в условиях плохого освещения или под углом. Нейросетевые модели обучены на большом массиве реальных документов и умеют отделять артефакты фотосъёмки от признаков подделки.

Сверка биометрических данных

Фотография в документе сопоставляется с изображением человека, который его предъявляет. Алгоритмы распознавания лиц работают независимо от освещения, угла съёмки и незначительных изменений внешности. Если паспорт принадлежит другому человеку – несоответствие будет выявлено даже при высоком внешнем сходстве.

Дополнительным уровнем защиты служит анализ сетевых данных: информация, которую человек оставил о себе в открытых источниках, сопоставляется с предъявленными анкетными данными. Расхождения в географии, возрасте, профессиональной биографии становятся поводом для углублённой проверки.

Проверка liveness – подтверждение «живого» присутствия

Отдельная и принципиально важная задача – убедиться, что перед камерой находится реальный человек, а не его фотография, распечатка или видеозапись. Алгоритмы liveness-детекции анализируют микродвижения, реакцию на случайные запросы системы, характеристики изображения, недостижимые при воспроизведении с экрана. Такой подход закрывает существенную часть схем с подменой личности при дистанционной проверке.

Перекрёстная верификация по множеству источников

Наиболее надёжный результат даёт не изолированная проверка по одному параметру, а одновременное сопоставление данных из десятков источников: официальных реестров, социальных платформ, баз резюме, внутренних архивов. Несоответствие между тем, что человек указал в анкете, и тем, что о нём известно из независимых источников, может сигнализировать о проблеме даже при внешне безупречных документах.

Снижение рисков при найме: как выстраивается процесс

Организации, выстроившие системную верификацию при найме, работают по схеме, которая охватывает несколько последовательных этапов.

На первом этапе в систему поступают анкетные данные кандидата: ФИО, дата рождения, паспортные реквизиты, ИНН, контакты. Алгоритмы автоматически проверяют сведения по официальным реестрам – ЕГРЮЛ, ИФНС, Росреестру и другим доступным базам. Параллельно ведётся поиск по открытым интернет-источникам: социальным платформам, доскам объявлений, банкам резюме. Важна деталь: архивные данные сохраняются даже после удаления из первоисточника, что исключает возможность «зачистить» историю перед подачей заявки.

На втором этапе сопоставляются изображения: фотография из документа, актуальный снимок кандидата, данные из открытых источников. Алгоритм анализирует документ на признаки фальсификации и проверяет биометрическое соответствие.

На третьем этапе система выявляет неочевидные связи: не числится ли кандидат среди учредителей ликвидированных с долгами компаний, нет ли его данных в известных базах инцидентов, не пересекается ли его история с другими проверенными субъектами в системе.

Итоговый результат специалист получает в виде структурированного отчёта с указанием уровня риска по каждому параметру. Времени на такую проверку уходит в разы меньше, чем при ручной обработке, а её глубина несопоставима.

Кредитование: где документальный фрод наиболее опасен

В банковском и микрофинансовом секторе задача верификации имеет свою специфику. Скорость принятия решений здесь критична: клиент не готов ждать несколько дней, пока служба безопасности проверит заявку вручную. При этом потери от одобренного мошеннического кредита могут многократно превышать стоимость тысяч корректных проверок.

Автоматизированные системы скоринга, работающие на основе данных из открытых источников, позволяют оценивать заёмщика не только по анкете, но и по реальному цифровому следу: активности в сети, географии присутствия, характеру контактов, поведению в социальных платформах. Совокупность перечисленных сигналов даёт значительно более точный прогноз, чем традиционные методы оценки.

Отдельного внимания заслуживает работа с дистанционными каналами: онлайн-заявки на кредиты, где клиент не присутствует физически, – наиболее уязвимая точка. Именно здесь проверки liveness и биометрической сверки дают максимальный эффект в части снижения рисков при найме и кредитовании.

Поиск неочевидных связей: почему важен контекст

Верификация личности не заканчивается проверкой документов. Иногда документы подлинные, человек реальный – но при этом связан с теми, кто уже засветился в мошеннических схемах. Без анализа неочевидных связей такие случаи остаются незамеченными.

Современные аналитические платформы строят граф связей между субъектами: общие контакты, совместно упоминаемые в открытых источниках организации, пересечения в истории трудоустройства. Выявление подобных паттернов позволяет предотвратить привлечение аффилированных лиц к процессам, где требуется высокий уровень доверия.

ИАС «НЕО» от BIT

Информационно-аналитическая система «НЕО» – инструмент для организаций, которым важно знать, с кем они работают. Платформа собирает и систематизирует данные о физических и юридических лицах из десятков источников: официальных реестров, социальных платформ, баз резюме, досок объявлений и собственных архивов системы. Поиск ведётся как по анкетным параметрам – ФИО, дате рождения, ИНН, номеру телефона, адресу электронной почты, – так и по изображению лица.

Система поддерживает работу в средах Windows, macOS и Linux, легко встраивается в существующую инфраструктуру и обрабатывает более миллиона запросов ежедневно. Среди пользователей платформы – банки из топ-10 крупнейших финансовых организаций России.

«НЕО» применяется в финансовом секторе, при найме персонала, в работе с подрядчиками и партнёрами – везде, где необходима надёжная верификация контрагентов до начала взаимодействия.