書類確認の詳細解説

書類の撮影品質は、多くのチームが認識している以上に重要です。画像品質の低さは、確認失敗や手動審査へのエスカレーションの主な原因となっています。

よくある撮影上の問題：

• カメラの手ブレやピンぼけによるブレ
• 反射する身分証の表面からの光の反射
• 文字や写真を覆う影
• セキュリティ機能が欠けた切れたコーナー
• 文字が判読不能なほどの低解像度

ガイド付き撮影のベストプラクティス：

• 画像品質に関するリアルタイムフィードバック
• 品質しきい値を満たしたときの自動撮影
• 視覚的ガイドを伴う明確な操作指示
• 複数の撮影モード（カメラ、アップロード）
• 審査付き手動撮影へのフォールバック

撮影品質への投資は、確認パイプライン全体を通じて大きな恩恵をもたらします。鮮明な画像があれば、その後のすべてのステップの精度が向上します。

データを抽出する前に、システムはどのような種類の書類を対象としているかを特定する必要があります。

分類上の課題：

• 195か国以上にわたる多様な身分証の書式
• 国ごとに複数の書類種別が存在
• 地域ごとの違いと経年による変更
• 表面・裏面の判別
• 両面と片面の書類の違い

分類アプローチ：

• テンプレートマッチング：既知の書類テンプレートと照合する
• ML分類：書類の特徴に基づいてモデルをトレーニングする
• ハイブリッド：一般的な書類にはテンプレートを使用し、エッジケースにはMLを活用する

分類の出力結果：

• 書類の種類（パスポート、国民IDカード、運転免許証）
• 発行国
• 書類のバージョン・テンプレート
• 抽出・検証すべき項目

OCR（光学文字認識）は、書類の画像からテキストを抽出します。本人確認書類には固有の課題が伴います。

標準的なフィールド抽出：

• 氏名（姓・名・ミドルネーム）
• 生年月日
• 書類番号
• 有効期限
• 住所（記載がある場合）

MRZ（機械読み取り領域）： パスポートおよび一部のIDにはMRZ（チェックデジット付きの標準化されたテキストブロック）が含まれています。MRZ解析により以下が提供されます：

• 構造化されたデータ抽出
• チェックデジットによる組み込みエラー検出
• 低品質の画像でも高い精度を維持

課題と解決策：

• フォント：ID固有のフォントは標準的なOCRトレーニングデータと異なる
• 言語：非ラテン文字、発音記号、音訳
• レイアウト：フィールドの位置は書類の種類によって異なる
• 損傷：摩耗、傷、または色あせした文字

本人確認書類専用のOCRは、汎用OCRに比べて本人確認書類の処理精度が大幅に優れています。

書類が正規のものであること、すなわち偽造・改ざん・不正取得されたものではないことを確認します。

物理的セキュリティ機能（目視で検出）：

• ホログラムおよび光学可変デバイス
• マイクロ印刷（拡大すると確認できる極小文字）
• セキュリティパターンとギロシェ模様
• UV反応素材
• 浮き彫り文字・エンボス加工

デジタル解析：

• 圧縮アーティファクト解析
• フォント整合性チェック
• 写真改ざん検出
• テンプレート構造の検証
• カラープロファイル解析

よくある不正パターン：

• デジタル改ざん：Photoshopによるテキスト加工、写真の差し替え
• 物理的偽造：普通紙に印刷した偽造書類
• 白紙書類の盗難：不正に入手した正規の白紙書類
• 不正使用された書類：不正なデータが記入された正規書類

現代のシステムは複数の検出手法を組み合わせています。単一のチェックだけですべての不正を検出することはできません。多層的な防御が不可欠です。

書類の真正性を確認するだけでなく、書類とデータが正当なものであることを検証します。

有効期限の確認：

• 書類が有効期限内であること
• 発行日が妥当であること
• 書類の経過年数が所持者の生年月日と整合していること

データベース照合：

• 政府データベースへの照会（利用可能な場合）
• 紛失・盗難書類の登録簿
• 制裁リスト・ウォッチリストによるスクリーニング

データ整合性：

• 抽出データとユーザー入力データが一致していること
• 書類内部の整合性（例：MRZと目視ゾーンが一致）
• 既存ユーザーの書類間での整合性確認

サードパーティデータ：

• 住所確認サービス
• 電話番号の検証
• メールアドレスのレピュテーション確認

目標は、単一の検証に依存せず、複数の独立したシグナル全体にわたって確信度を構築することです。