Intelligent Signature Verification System Using Hybrid Deep Learning with WOA-GGO Driven Feature Selection

على مر قرون، ظل التوقيع المكتوب بخط اليد بمثابة ختم شخصي للثقة، وعلامة فريدة تربط الشخص بوثيقة أو شيك مصرفي أو اتفاقية قانونية. وفي العالم الحديث، لا يزال هذا الفعل البسيط المتمثل في توقيع الاسم يمثل حجر الزاوية للأمن، حتى مع شيوع المعاملات الرقمية. ومع ذلك، فإن التحقق مما إذا كان التوقيع حقيقياً أم تزويراً بارعاً يعد مهمة صعبة على البشر، الذين يمكن خداعهم من قبل المقلدين المهرة أو إرباكهم بسبب الاختلافات الطبيعية في خط يد الشخص نفسه. ولحل هذه المشكلة، توجه الباحثون إلى الحواسيب، حيث قاموا ببناء أنظمة يمكنها تحليل شكل وتدفق وملمس التوقيع لتقرير ما إذا كان حقيقياً أم لا. تعمل هذه الأنظمة من خلال تفكيك التوقيع إلى أصغر أجزائه المرئية، والبحث عن الأنماط التي تكون متسقة في التوقيع الحقيقي ولكنها تكون مكسورة أو غير متسقة في التوقيع المزيف. ويكمكم التحدي في تعليم الكمبيوتر كيفية رؤية هذه الاختلافات الدقيقة دون الارتباك بسبب الضجيج، مثل البقع على الورقة أو الإضاءة غير المتساوية للصورة الفوتوغرافية.

لقد طور فريق من الباحثين نظاماً جديداً وفعالاً للغاية مصمماً لمواجهة هذا التحدي. يعامل نهجهم عملية التحقق كرحلة مكونة من أربع خطوات، تبدأ بتنظيف صورة التوقيع. فقد وجدوا أن الطرق القياسية لإزالة الضجيج غالباً ما تؤدي إلى طمس الخطوط الدقيقة للكتابة، لذا ابتكروا تقنية تصفية محسنة تعمل على تنعيم الخلفية مع الحفاظ على الحواف الحادة لضربات القلم سليمة. وبمجرد أن تصبح الصورة واضحة، يبدأ النظام في استخراج "بصمة" التوقيع. فبدلاً من الاعتماد على طريقة واحدة فقط للنظر إلى الصورة، يستخدم النظام ثلاثة منظورات مختلفة في آن واحد؛ حيث يلتقط الأنماط العميقة والمعقدة المخفية داخل الحبر باستخدام أداة قوية لتحليل الصور، ويقيس الشكل والحجم الإجمالي للتوقيع بأكمله، كما يحسب أيضاً مسافات محددة بين نقاط رئيسية داخل الضربات. يضمن هذا الجمع بين الكمبيوتر رؤية كل من الصورة الكبيرة والتفاصيل الدقيقة.

تتضمن الخطوة التالية الفرز من خلال هذه المجموعة الهائلة من نقاط البيانات للعثور على النقاط الأكثر أهمية. استخدم الباحثون طريقة بحث ذكية مستوحاة من الطبيعة لغربلة الميزات واختيار الأكثر فائدة منها فقط، واستبعاد البقية لجعل النظام أسرع وأكثر دقة. وتتم عملية الاختيار هذه بتوجيه من استراتيجيتين متميزتين تعملان معاً، تحاكيان سلوكات حيوان الفظ والإوز لاستكشاف احتمالات مختلفة والاستقرار على الحل الأفضل. ومع اختيار الميزات الأكثر أهمية، ينتقل النظام إلى مرحلة اتخاذ القرار النهائية. هنا، يستخدم نوعين مختلفين من الذكاء الاصطناعي يعملان جنباً إلى جنب؛ حيث يتفوق النوع الأول في تذكر ترتيب الأحداث، مثل تسلسل ضربات التوقيع، بينما يبرع النوع الآخر في فهم السياق من البداية والنهاية للكتابة. ومن خلال الجمع بين أحكام هذين الخبيرين، ينتج النظام درجة نهائية تشير إلى ما إذا كان التوقيع حقيقياً أم مزوراً.

اختبر الباحثون هذا الإطار الجديد على مجموعتين كبيرتين من صور التواقيع، إحداهما تحتوي على أكثر من 8,000 عينة والأخرى تضم أكثر من 2,600 عينة. وأظهرت النتائج أن نظامهم كان دقيقاً بشكل ملحوظ، حيث حدد التواقيع الحقيقية وكشف التزوير بنسبة نجاح تتجاوز 97 بالمائة في مجموعة البيانات الأولى وحوالي 97 بالمائة في الثانية. وعند مقارنته بالأساليب المتقدمة الأخرى المستخدمة حالياً، تفوق نظامهم باستمرار عليها، حيث ارتكب أخطاء أقل في كل من رفض التواقيع الحقيقية وقبول التواقيع المزيفة. كما أثبت النظام أنه قوي، حيث حافظ على دقته العالية حتى عندما كانت الصور مشوشة أو ذات جودة منخفضة. ومن خلال دمج هذه المراحل المختلفة من التنظيف والتحليل والاختيار واتخاذ القرار، نجح الباحثون في إنشاء أداة تحقق ليست أكثر دقة فحسب، بل هي أيضاً أكثر موثوقية من المحاولات السابقة، مما يوفر درعاً أقوى ضد الاحتيال في عالم لا يزال يعتمد بشدة على العلامة المكتوبة بخط اليد.