دراسة حالة: قراءة لقطات شاشة مدفوعات UPI بخصوصية عبر تعرف ضوئي مستضاف ذاتياً

• يكتب الموظفون المبالغ وأرقام المعاملات من اللقطات يدوياً، فتتسرب الأخطاء.
• تُقدَّم اللقطة نفسها أحياناً مرتين لدفعتين مختلفتين.
• يصعب اكتشاف اللقطات المعدّلة أو المزيفة بالعين المجردة.
• تحتوي اللقطات على أسماء ومعرّفات UPI ومبالغ: بيانات شخصية لا ينبغي أن تنتقل إلى خدمات خارجية.

• تقرأ النص في لقطة UPI باستخدام التعرف الضوئي على الحروف.
• تستخرج المبلغ ومعرّفات UPI ورقم المعاملة والتاريخ والأسماء، مع معالجة اللغة الطبيعية لتحسين استخراج الأسماء.
• تقبل ملفاً مرفوعاً أو صورة بصيغة base64، وتجيب فوراً أو عبر قائمة مهام غير متزامنة.
• تكتشف اللقطات المكررة باستخدام تجزئة إدراكية، حتى لو أُعيد تحجيم الصورة أو ضغطها.
• تُجري عمليات تحقق وفحوصات لمكافحة الاحتيال وتضع علامة على اللقطات المشبوهة لمراجعتها بشرياً.
• تحدّ من عدد الطلبات لكل عنوان IP أو مفتاح API.

لأن نماذج التعرف الضوئي واللغة تعمل داخل الخدمة، تبقى اللقطات ضمن بنيتك التحتية. تُنزَّل النماذج مرة واحدة، بنحو 100 ميغابايت عند التشغيل الأول، ثم يُعالَج كل طلب بعد ذلك محلياً. وبالنسبة لبيانات الدفع المشمولة بلائحة DPDP في الهند، يكون إبقاء المعالجة داخل الشركة أبسط من تقييم أين يخزّن مزوّد خارجي للتعرف الضوئي صورك وكيف يستخدمها.

كُتبت الخدمة بلغة Python وتُشغَّل عبر Uvicorn. يقرأ PaddleOCR النص، ويحسّن spaCy استخراج الأسماء، ويدعم Redis قائمة المهام والتخزين المؤقت، وتعمل الخدمة كلها عبر Docker Compose إلى جانب أنظمتك الحالية، من خلال واجهة REST صغيرة.

• مطابقة مدفوعات العملاء المرسلة كلقطات شاشة عبر واتساب.
• التحقق من أقساط القروض أو مدفوعات التحصيل في شركات الإقراض والتمويل.
• التحقق من الطلبات المدفوعة مسبقاً قبل الشحن.
• أي سير عمل ينسخ فيه الموظفون بيانات من لقطات الدفع إلى نظام.

• كيف تحافظ على خصوصية بيانات شركتك
• الدعم الفني للشركات المالية غير المصرفية والتقنية المالية ووكلاء القروض (بالإنجليزية)
• الذكاء الاصطناعي وأتمتة سير العمل (بالإنجليزية)