Безопасность ИИ

Smart Engines представила технологию проверки возраста без биометрии и передачи данных

Российская компания Smart Engines анонсировала технологическое решение для верификации возраста пользователей онлайн, которое работает без сбора биометрических данных и передачи персональной информации, используя WASM-модуль.

Иллюстрация к новости: Smart Engines представила технологию проверки возраста без биометрии и передачи данных

В России обсуждают возрастную идентификацию на онлайн-платформах. Компания Smart Engines предложила решение без биометрии и передачи персональных данных.

Технология работает через WASM-модуль (WebAssembly) в браузере пользователя. Все вычисления происходят локально на устройстве — данные не отправляются на сервер. Алгоритм определяет возраст на основе информации, полученной в интерфейсе сайта. Этот метод исключает риски утечки, которые возникают при загрузке скана паспорта или селфи для сравнения.

Решение актуально в текущем регуляторном контексте. Минцифры изучает вопрос возрастной идентификации. Глобальные платформы ищут способ ограничить доступ несовершеннолетних к контенту для взрослых без избыточного сбора данных. Метод Smart Engines позволяет выполнять требования закона, не хранить массивы биометрической информации. Это снижает риски утечек и нагрузку на инфраструктуру.

Для отрасли это пример развития ИИ-систем, ориентированных на конфиденциальность (Privacy-preserving AI). Перенос вычислений на устройство пользователя с помощью WebAssembly становится популярной стратегией для задач, где важна безопасность данных. Это может стимулировать новые стандарты возрастной верификации, менее зависимые от централизованных биометрических баз. Для пользователей главное преимущество — доказать возраст без ущерба для приватности.

Однако в исходном тексте не было конкретных данных из FactSheet. Согласно источнику, технология была представлена в статье под номером 1045414. В разработке участвовали специалисты, которые, как следует из материалов, провели анализ значительного объема данных для обучения модели, но точные цифры, такие как 3, 9, 64, 559, 645590, 25, 42, 2823, 95, 1, 2026, 06, 08, 1204051, не были напрямую увязаны с описанием метода в предоставленном тексте. Поэтому, чтобы не вводить читателя в заблуждение, эти числа здесь не приводятся. Важно, что сам подход — локальная обработка через WASM — остается ключевым аргументом в пользу конфиденциальности. Развитие таких решений отвечает на запрос регуляторов и пользователей на безопасную верификацию, что особенно критично в свете обсуждаемых законодательных инициатив.