Siamese Neural Network: การตรวจจับการปลอมแปลงลายเซ็นด้วยปัญญาประดิษฐ์


Share this article

ลายเซ็นคือการเขียนชื่อหรือสัญลักษณ์แทนตัวตนด้วยลายมือเพื่อใช้ในการแสดงอัตลักษณ์ของบุคคล ลายเซ็นถูกใช้ในการแสดงตัวตน การอนุมัติ และเป็นหลักฐานในการยืนยันการทำธุรกรรม การปลอมแปลงลายเซ็นนั้นเป็นอาชญากรรมที่มีมานับร้อยปีควบคู่ไปกับการใช้ลายเซ็น ซึ่งอาชญากรจะพยายามลอกเลียนแบบรูปร่างของลายเซ็น และการเขียนของผู้อื่น เพื่อทำเอกสารปลอม ที่จะไปใช้ในอาชญากรรม

ปัจจุบันการตรวจจับการปลอมแปลงลายเซ็นนั้นสามารถทำได้โดยใช้หลักการเรียนรู้ของเครื่อง (Machine Learning) โดยอัลกอริทึมที่เราใช้ในการตรวจจับการโกงการลงชื่อลงลายเซ็นจะต้องคำถึงถึงความหลากหลายของรูปแบบในการจับปากกาตลอดจนถึงน้ำหนักของลายเซ็นหรือการตวัดตัวอักษร  อย่างไรก็ตามความพยายามปลอมแปลงลายเซ็นนั้นก็มีการพัฒนาขึ้นโดยใช้หลักการคล้ายๆ กัน ทำให้ปัจจุบันมีวิธีการที่สามารถหลอกให้อัลกอริทึมในการตรวจจับนั้นไม่สามารถตรวจจับการปลอมแปลงได้ เพื่อแก้ปัญหานี้นักวิจัยด้านปัญญาประดิษฐ์ได้ประยุกต์การเรียนรู้ด้วยวิธีการเรียนรู้เชิงลึก (Deep Learning) กับ โครงสร้างประสาทเทียม (Artificial Neural Network) มาเพื่อใช้งานในการตรวจจับความแตกต่างของสิ่งสองสิ่งว่าเหมือนหรือต่างกันอย่างไร ซึ่งอัลกอริทึมดังกล่าวนี้มีชื่อว่า สยาม  (Siamese Neural Network)

สยาม เป็นคำที่ใช้เรียกสถาปัตยกรรมของโมเดล Deep Learning ที่มี sub-network  สองตัวที่เป็นคู่แฝดกันคล้ายกับแฝด อิน-จัน แฝดสยามที่คุ้นชื่อกันดีของชาวโลก sub-network ในที่นี้ เป็นการรวมกันของ Convolution layer และ Pooling layer ก่อนที่จะให้ผลลัพธ์จากทั้ง 2 sub-network นำค่าที่ได้จากการคำนวณไปผ่านชั้น fully-connected ที่มีทั้งหมด 128 โครงข่าย  โดยเจ้าตัว sub-network  ทั้งสองจะมีค่าของ weight และ bias เป็นค่าเดียวกัน แล้วจะถูกอัพเดทค่าของแต่ละ sub-network เหมือนกันทุกครั้งในการฝึกสอนโมเดล

Yann LeCun ได้นำเอา Siamese Neural Network มาใช้ในการพิสูจน์ลายเซ็นทั้งสองอันมาจากคนคนเดียวเซ็นกันหรือไม่ ซึ่งหากใครสนใจในรายละเอียดสามารถอ่านได้จาก Paper: Signature Verification using a “Siamese” Time Delay Neural Network

นอกจากนี้ในงานของปัจจุบันยังมีการนำ  Siamese Neural Network  มาใช้ในการดูว่าคนในรูปถ่ายทั้ง 2 ใบเป็นคนคนเดียวกันหรือไม่ สามารถอ่านได้ที่ Paper: Discriminative Deep Metric Learning for Face Verification in the Wild 

ดังนั้นแล้วหลักการธรรมชาติอย่างเช่นฝาแฝด ยังสามารถพัฒนาให้อัลกอริธึมทำงานได้ดีมากขึ้น เราคงจะได้เห็นการนำเอาหลักการทางชีววิทยา และสิ่งรอบตัวเราไปพัฒนาวงการปัญญาประดิษฐ์ต่อไป

Reference

(Medium) Siamese Neural Network for Signature Verification

(Quora) What are Siamese Neural Networks, what applications are they good for, and why?

READ  สร้าง Topic Modeling ง่ายๆ ด้วย LSA

ลงทะเบียนรับข่าวสาร

ไม่พลาดทุกการอัพเดทจาก Big Data Experience Center

Big Data Experience Center (BX)

ชั้น 14 อาคาร Knowledge Exchange Center (KX)
110/1 ถนนกรุงธนบุรี, แขวงบางลำภูล่าง เขตคลองสาน กรุงเทพฯ 10600
อีเมล์: [email protected]

ABOUT

SERVICES