التحقق من تزوير الامضاء

وصف نموذج التحقق من تزوير التوقيع يُعد هذا النموذج نظامًا متقدمًا للتحقق من صحة التوقيعات والكشف عن التزوير باستخدام تقنيات الذكاء الاصطناعي. يعتمد النموذج على Siamese Network، وهي شبكة عصبية ثنائية تُستخدم لتحديد مدى التشابه بين التواقيع. آلية العمل يعتمد النموذج بالكامل على التعلم العميق (End-to-End Deep Learning) دون الحاجة لاستخراج ميزات مسبقة. يقبل النموذج صور التواقيع الممسوحة ضوئيًا فقط، سواء في شكلها الأصلي أو بعد معالجتها مسبقًا. يتم تحسين جودة الصورة قبل إدخالها للنموذج عبر إزالة الضوضاء، زيادة التباين، وتصغير الحجم لتحسين دقة التحقق. يُقارن التوقيع الجديد بتوقيع مرجعي باستخدام الشبكة العصبية الثنائية، حيث يتم استخراج الميزات وتحديد مدى التشابه بينهما. مقاييس الأداء تم تقييم أداء النموذج باستخدام عدة مقاييس، وهي: الدقة (Accuracy) التذكير (Recall) الدقة التنبؤية (Precision) مقياس F1-score نشر النموذج والربط بالتطبيق يتم تشغيل النموذج عبر Firebase ML أو API سحابية لتسهيل عملية التحقق على الأجهزة المحمولة. يستغرق التحقق بين 1 - 3 ثوانٍ، مما يجعله سريع الاستجابة ومناسبًا للاستخدام الفعلي. لا يقوم النموذج بتحليل توقيعات المستخدم السابقة، بل يتحقق من كل توقيع بشكل مستقل. البيانات المستخدمة تم تدريب النموذج باستخدام مزيج من مجموعة بيانات عامة متاحة عبر الإنترنت وبيانات تم جمعها خصيصًا لتعزيز دقته. التطبيقات المحتملة التحقق من الهوية في المؤسسات المالية والبنوك. أنظمة التوثيق الإلكتروني والتوقيع الرقمي. تطبيقات الأمان ومكافحة الاحتيال في العقود الرقمية. هذا النموذج يمثل حلًا فعالًا ودقيقًا لمكافحة تزوير التوقيعات، مما يعزز الأمان في العمليات التي تعتمد على التوقيع اليدوي.