PWPW: phygital, AI i nowa era zabezpieczeń dokumentów
Polska Wytwórnia Papierów Wartościowych wychodzi poza rolę tradycyjnego wytwórcy banknotów i dokumentów. W Dziale Badań i Rozwoju powstają rozwiązania phygital oparte o architekturę AI, łączące klasyczne zabezpieczenia fizyczne z weryfikacją opartą na sztucznej inteligencji i uczeniu maszynowym.
Artur Sowa
dyrektor Działu Badań i Rozwoju Technologii w PWPW
Kamil Gumkowski
starszy specjalista ds. rozwoju technologii w PWPW
Wytwórnia współpracuje też ze służbami mundurowymi nad wdrażaniem AI w ochronie granic i bezpieczeństwie publicznym. To nowy rozdział w ponad stuletniej historii firmy.
Phygital – gdzie fizyczne spotyka cyfrowe
Hologramy, znaki wodne, mikrodruki to klasyczne zabezpieczenia, które wciąż działają, jednak fałszerze dysponują również coraz bardziej zaawansowanymi skanerami, drukarkami 3D i oprogramowaniem do manipulacji graficznej. Dlatego też tradycyjne metody wymagają uzupełnienia o nową warstwę ochrony. Odpowiedzią PWPW jest koncepcja phygital: dokument pozostaje fizyczny, namacalny, wyposażony w klasyczne elementy ochronne, ale zyskuje warstwę cyfrową weryfikowalną przez algorytmy uczenia maszynowego. AI stanowi niewidzialną, lecz kluczową linię obrony. Potrafi wykryć modyfikacje niewidoczne dla ludzkiego oka.
Cztery rozwiązania phygital
ScanSafe chroni kody QR dwuwarstwowo: algorytmicznie generowane tło czyni kod niewidocznym dla zwykłych skanerów, a dane są dodatkowo zaszyfrowane kryptograficznie. Dopiero dedykowana aplikacja typu klient-serwer usuwa maskowanie, odszyfrowuje zawartość i weryfikuje autentyczność dokumentu.
VersoScan dzieli kod QR na dwie części umieszczane na awersie i rewersie dokumentu. Każda połowa osobno jest bezużyteczna. Algorytmy computer vision składają i skalują połówki w czasie rzeczywistym, kompensując niedokładności druku. Zwykły wydruk dwustronny na biurowej drukarce wystarczy do stworzenia zabezpieczonego dokumentu. Rozwiązanie działa nawet na kartach plastikowych.
AVIA przekształca zdjęcie w dokumencie w cyfrowy odcisk palca. System dzieli obraz na segmenty, oblicza charakterystyki tonalne każdego z nich i porównuje z zaszyfrowanymi danymi w centralnej bazie. Modele ML wykrywają podmiany zdjęć czy reprodukcje każdy proces powielania nieuchronnie zmienia charakterystykę tonalną obrazu.
uLumina odwraca logikę zabezpieczeń UV: luminescencja powstaje dzięki specjalnie preparowanej powierzchni podłoża, a nie specjalnemu atramentowi. Personalizacja staje się dostępna na gotowych blankietach zwykłą drukarką ink-jet, a fałszerstwo na zwykłym papierze jest niemożliwe. Modele uczenia maszynowego weryfikują wzorce fluorescencji, intensywność, rozkład przestrzenny, charakterystykę spektralną – wykrywając anomalie typowe dla prób podrobienia efektu.
Wszystkie rozwiązania są objęte wnioskami patentowymi i gotowe do wdrożeń pilotażowych.
AI w produkcji – cyfrowy bliźniak
Transformacja obejmuje również procesy wewnętrzne. Obecnie wdrażany jest cyfrowy bliźniak parku maszynowego. Jest to wirtualne odwzorowanie kluczowych urządzeń, które stopniowo zasilamy danymi z setek czujników IoT. Informacje o wibracjach łożysk, temperaturach silników, ciśnieniach w pompach czy obciążeniach napędów trafiają do rozwijanych modeli sieci neuronowych. Algorytmy uczenia maszynowego, które są na etapie kalibracji, analizują zachowanie podzespołów i uczą się identyfikować sygnały zapowiadające potencjalne awarie mechaniczne. W miarę dojrzewania modeli system będzie umożliwiał planowanie konserwacji z wyprzedzeniem i ograniczanie kosztownych przestojów. Przy maszynach papierniczych, gdzie każda godzina nieplanowanego postoju oznacza straty liczone w dziesiątkach tysięcy złotych, rozwijana zdolność predykcji ma realny i wymierny wpływ biznesowy.
Steganografia w computer vision
PWPW projektuje zabezpieczenia steganograficzne – struktury ukrywające informację wewnątrz szaty graficznej dokumentu w sposób niewidoczny dla ludzkiego oka. To jak wodny znak, który istnieje tylko dla maszyn. Dane weryfikacyjne są osadzane bezpośrednio w grafice, a ich ekstrakcja i walidacja odbywa się za pomocą dedykowanych modeli uczenia maszynowego. Algorytmy potrafią odczytać ukrytą warstwę nawet z niedoskonałego skanu czy zdjęcia smartfonowego, jednocześnie wykrywając próby modyfikacji czy reprodukcji.
Systemy weryfikacji oparte na konwolucyjnych sieciach neuronowych (CNN) analizują wzorce druku, spójność zabezpieczeń i charakterystyki materiałowe. Modele są trenowane na tysiącach przykładów dokumentów oryginalnych i sfałszowanych, ucząc się rozpoznawać subtelne różnice w strukturze mikrodruków, gradientach kolorystycznych czy właściwościach refleksyjnych hologramów; różnice, których człowiek nie dostrzeże nawet z lupą.
Współpraca ze służbami mundurowymi
PWPW współpracuje ze Strażą Graniczną i Policją nad wdrażaniem rozwiązań wykorzystujących sztuczną inteligencję. To naturalne partnerstwo, ponieważ Wytwórnia produkuje dokumenty, służby je weryfikują. Teraz obie strony uczą się mówić wspólnym językiem algorytmów.
Można to porównać do sytuacji, w której doświadczony funkcjonariusz zyskuje asystenta o fotograficznej pamięci, takiego, który nigdy nie jest zmęczony, pamięta każdy dokument, jaki kiedykolwiek „widział”, i potrafi w ciągu chwili porównać bieżący obraz z tysiącami wcześniejszych przypadków. Nie rozprasza go hałas na lotnisku ani presja kolejki, konsekwentnie szuka tych samych wzorców, tych samych anomalii. Człowiek podejmuje decyzje, AI podsuwa obserwacje – widzi rzeczy zbyt subtelne dla zmęczonego oka, porównuje z tysiącami wzorców w ułamku sekundy. Jedno oko biologiczne, jedno cyfrowe. Wspólnie widzą więcej.
Phygital jako przyszłość zabezpieczeń
Wspólnym mianownikiem wszystkich rozwiązań jest wykorzystanie sztucznej inteligencji nie jako dodatku marketingowego, lecz jako jednego z fundamentów architektury bezpieczeństwa. W ScanSafe algorytmy generują wzory ochronne. W VersoScan modele computer vision składają fragmenty kodów. W AVIA sieci neuronowe analizują cechy obrazu. W uLumina algorytmy weryfikują fluorescencję. W cyfrowym bliźniaku modele predykcyjne przewidują awarie. AI nie zastępuje tradycyjnych zabezpieczeń, wzmacnia je.
Portfolio patentów i zgłoszeń patentowych na rozwiązania wykorzystujące uczenie maszynowe buduje pozycję PWPW jako firmy zaawansowanych technologii, wykraczającej poza stereotypowy wizerunek producenta fizycznych dokumentów i banknotów. W świecie, gdzie autentyczność dokumentów jest coraz trudniejsza do zweryfikowania tradycyjnymi metodami, phygitalowe podejście oparte na AI może stać się standardem przyszłości. PWPW łącząc ponad stuletnie doświadczenie w zabezpieczeniach fizycznych z kompetencjami w uczeniu maszynowym, będzie jego współtwórcą.
materiał partnera
