eKYC คืออะไร? คู่มือฉบับสมบูรณ์สำหรับการยืนยันตัวตนทางอิเล็กทรอนิกส์

โดย ดร.กอบกฤตย์ วิริยะยุทธกร, CEO & Founder, iApp Technology

ในโลกยุคดิจิทัลที่ทุกอย่างต้องรวดเร็ว การยืนยันตัวตนของบุคคลจากระยะไกลกลายเป็นสิ่งจำเป็นสำหรับธุรกิจทุกประเภท ไม่ว่าจะเป็นการเปิดบัญชีธนาคาร สมัครบริการมือถือ หรือลงทะเบียนบนแพลตฟอร์มต่างๆ eKYC (Electronic Know Your Customer) ทำให้สามารถยืนยันตัวตนได้ภายในไม่กี่วินาที แทนที่จะใช้เวลาหลายวัน

คู่มือฉบับสมบูรณ์นี้จะอธิบายว่า eKYC คืออะไร ทำไมจึงสำคัญ ทำงานอย่างไรในเชิงเทคนิค และให้บทเรียนเชิงปฏิบัติสำหรับการนำ eKYC ไปใช้ในแอปพลิเคชันของคุณด้วย API ของ iApp Technology

สารบัญ

1. eKYC คืออะไร?
2. ทำไม eKYC จึงสำคัญ?
3. องค์ประกอบของ eKYC
4. เทคโนโลยี Document OCR
5. Face Verification
6. Liveness Detection: Active vs Passive
7. ทำความเข้าใจ Face Spoofing
8. ใบรับรอง iBeta
9. บทเรียนเชิงปฏิบัติ
10. แนวทางปฏิบัติที่ดี

---

eKYC คืออะไร?

eKYC ย่อมาจาก Electronic Know Your Customer คือ กระบวนการยืนยันตัวตนของบุคคลจากระยะไกลผ่านวิธีการทางอิเล็กทรอนิกส์ โดยไม่จำเป็นต้องส่งเอกสารจริงหรือมาดำเนินการด้วยตนเอง

KYC แบบดั้งเดิม vs eKYC

หัวข้อ	KYC แบบดั้งเดิม	eKYC
สถานที่	ต้องไปสาขา/สำนักงาน	ที่ไหนก็ได้ที่มีอินเทอร์เน็ต
เวลา	หลายวันถึงหลายสัปดาห์	ไม่กี่นาทีถึงไม่กี่วินาที
เอกสาร	ต้องใช้สำเนาจริง	รูปถ่าย/สแกนดิจิทัล
การตรวจสอบ	พนักงานตรวจสอบด้วยตนเอง	AI อัตโนมัติ
ต้นทุน	สูง (พนักงาน, การจัดเก็บ, โลจิสติกส์)	ต่ำ (อัตโนมัติ)
ประสบการณ์ผู้ใช้	ไม่สะดวก	ราบรื่น
ความสามารถในการขยาย	จำกัด	ไม่จำกัด

ขั้นตอนการทำงานของ eKYC

---

ทำไม eKYC จึงสำคัญ?

1. การปฏิบัติตามกฎระเบียบ

สถาบันการเงิน บริษัทโทรคมนาคม และอุตสาหกรรมอื่นๆ ต้องยืนยันตัวตนลูกค้าตามกฎหมาย eKYC ช่วยให้ปฏิบัติตามกฎระเบียบต่างๆ:

• กฎหมาย ป้องกันการฟอกเงิน (AML)
• ข้อกำหนด ต่อต้านการสนับสนุนการก่อการร้าย (CTF)
• PDPA (พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล)
• GDPR (กฎระเบียบคุ้มครองข้อมูลของ EU)

2. ป้องกันการฉ้อโกง

eKYC พร้อม Liveness Detection ป้องกัน:

• การขโมยตัวตน - ใช้เอกสารของผู้อื่น
• การสร้างตัวตนปลอม - สร้างตัวตนที่ไม่มีอยู่จริง
• การเข้าบัญชีโดยไม่ได้รับอนุญาต - Account Takeover
• การฟอกเงิน - ใช้ตัวตนปลอมในการโอนเงินผิดกฎหมาย

3. ประโยชน์ทางธุรกิจ

ประโยชน์	ผลกระทบ
Onboarding เร็วขึ้น	เปลี่ยนลูกค้าภายในไม่กี่นาที ไม่ใช่หลายวัน
ต้นทุนต่ำลง	ลดค่าใช้จ่ายการตรวจสอบด้วยตนเอง 70-90%
ประสบการณ์ที่ดีขึ้น	ลูกค้ายืนยันตัวตนได้ทุกที่ทุกเวลา
Conversion สูงขึ้น	ลดการเลิกกลางทางระหว่างลงทะเบียน
ขยายได้ไม่จำกัด	จัดการการยืนยันหลายล้านครั้งโดยอัตโนมัติ

4. การใช้งานในอุตสาหกรรมต่างๆ

อุตสาหกรรม	กรณีใช้งาน eKYC
ธนาคาร	เปิดบัญชี, สมัครสินเชื่อ, บัตรเครดิต
Fintech	กระเป๋าเงินดิจิทัล, P2P Lending, แอปลงทุน
ประกันภัย	สมัครกรมธรรม์, ดำเนินการเคลม
โทรคมนาคม	ลงทะเบียน SIM, สัญญามือถือ
สาธารณสุข	ลงทะเบียนผู้ป่วย, Telemedicine
ภาครัฐ	Digital ID, eVoting, บริการสาธารณะ
อสังหาริมทรัพย์	สัญญาเช่า, ซื้อขายทรัพย์สิน
E-commerce	ยืนยันตัวตนผู้ขาย, การซื้อมูลค่าสูง

---

องค์ประกอบของ eKYC

ระบบ eKYC ที่สมบูรณ์ประกอบด้วย 4 องค์ประกอบหลัก:

---

เทคโนโลยี Document OCR

OCR (Optical Character Recognition) คือ เทคโนโลยีที่สกัดข้อความและข้อมูลจากรูปภาพเอกสาร ใน eKYC จะใช้ OCR เฉพาะทางสำหรับเอกสารแสดงตน

ประเภทเอกสารที่รองรับ

1. Thai National ID Card OCR (บัตรประชาชนไทย)

บัตรประชาชนไทยเป็นเอกสารที่ใช้บ่อยที่สุดสำหรับ eKYC ในประเทศไทย iApp OCR API สกัดข้อมูล:

ด้านหน้า:

ฟิลด์	รายละเอียด
id_number	เลขบัตรประชาชน 13 หลัก
th_name / en_name	ชื่อ-นามสกุลภาษาไทยและอังกฤษ
th_dob / en_dob	วันเกิด
address	ที่อยู่ตามทะเบียนบ้าน
province, district, sub_district	จังหวัด, อำเภอ, ตำบล
th_issue / th_expire	วันออกบัตรและวันหมดอายุ
religion	ศาสนา (ถ้ามี)
face	รูปใบหน้าที่สกัดออกมา (Base64)

ด้านหลัง:

ฟิลด์	รายละเอียด
back_number	เลขเลเซอร์สำหรับตรวจสอบ

API Endpoint: POST /v3/store/ekyc/thai-national-id-card/front

ความแม่นยำ: 98.13% ในระดับตัวอักษร

---

2. Thai Driver License OCR (ใบขับขี่ไทย)

สกัดข้อมูลจากใบอนุญาตขับขี่สำหรับการยืนยันตัวตนและบริการที่เกี่ยวกับการขับขี่

ข้อมูลที่สกัด:

• เลขใบอนุญาต
• ชื่อ (ไทย/อังกฤษ)
• วันเกิด
• ประเภทและชั้นใบอนุญาต
• วันออกและวันหมดอายุ
• ที่อยู่

API Endpoint: POST /v3/store/ekyc/thai-driver-license

---

3. Thai Bank Book OCR (สมุดบัญชีธนาคาร)

สกัดข้อมูลบัญชีจากรูปสมุดบัญชีธนาคารเพื่อยืนยันข้อมูลทางการเงิน

ข้อมูลที่สกัด:

• เลขบัญชี
• ชื่อเจ้าของบัญชี
• ชื่อธนาคารและสาขา
• ประเภทบัญชี

API Endpoint: POST /v3/store/ekyc/book-bank

---

4. Passport OCR (หนังสือเดินทาง)

สกัดข้อมูลจากหนังสือเดินทางนานาชาติ รวมถึงข้อมูล MRZ (Machine Readable Zone)

ข้อมูลที่สกัด:

ฟิลด์	รายละเอียด
passport_number	เลขหนังสือเดินทาง
surname / given_name	ชื่อ-นามสกุล
nationality	สัญชาติ
date_of_birth	วันเกิด
sex	เพศ
expiry_date	วันหมดอายุ
mrz_line1 / mrz_line2	ข้อมูล MRZ
face	รูปใบหน้า

API Endpoint: POST /v3/store/ekyc/passport

---

Face Verification

Face Verification คือ การเปรียบเทียบรูปใบหน้าสองรูปเพื่อตรวจสอบว่าเป็นบุคคลเดียวกันหรือไม่ สิ่งนี้จำเป็นมากในการยืนยันว่าผู้ที่นำเสนอเอกสารเป็นเจ้าของเอกสารจริง

Face Verification ทำงานอย่างไร

ทำความเข้าใจคะแนนความคล้ายคลึง

คะแนนความคล้ายคลึงมีค่าตั้งแต่ 0 ถึง 2822 คำนวณจากการจับคู่ 166 จุดบนใบหน้า

Threshold	ความแม่นยำ	คำแนะนำ
36	99.50%	การยืนยันมาตรฐาน
48	99.95%	แอปพลิเคชันความปลอดภัยสูง

API Endpoint: POST /v3/store/ekyc/face-verification

---

Liveness Detection: Active vs Passive

Liveness Detection คือ การตรวจสอบว่าใบหน้าที่กำลังยืนยันเป็นของคนจริงที่อยู่ตรงหน้าในขณะนั้น—ไม่ใช่รูปถ่าย วิดีโอ หรือหน้ากาก

Active Liveness vs Passive Liveness

หัวข้อ	Active Liveness	Passive Liveness
การกระทำของผู้ใช้	ต้องทำตาม (กะพริบตา, หันหน้า, ยิ้ม)	รูปเดียว ไม่ต้องทำอะไร
ประสบการณ์ผู้ใช้	มี Friction, ใช้เวลานานกว่า	ราบรื่น, ทันที
ระดับความปลอดภัย	สูงมาก	สูง (iBeta Level 1)
การตรวจจับ Spoofing	Challenge-response แบบ Real-time	AI วิเคราะห์รูปเดียว
การ Implementation	ซับซ้อนกว่า (ต้องใช้วิดีโอ/SDK)	ง่าย (เรียก API ครั้งเดียว)
เหมาะกับ	ธุรกรรมความปลอดภัยสูง	Onboarding จำนวนมาก

Active Liveness Detection

Active Liveness ต้องให้ผู้ใช้ทำกิจกรรมเฉพาะ:

1. ตรวจจับการกะพริบตา - ผู้ใช้ต้องกะพริบตาตามธรรมชาติ
2. การเคลื่อนไหวศีรษะ - หันหน้าซ้าย/ขวา/ขึ้น/ลง
3. การแสดงออกทางสีหน้า - ยิ้ม, อ้าปาก
4. ความท้าทายแบบสุ่ม - ลำดับกิจกรรมที่คาดเดาไม่ได้

ข้อดี:

• ยากที่จะ Spoof มาก
• พิสูจน์การมีอยู่แบบ Real-time
• ความมั่นใจด้านความปลอดภัยสูงกว่า

ข้อเสีย:

• ประสบการณ์ผู้ใช้ไม่ดี
• อัตราการเลิกกลางทางสูง
• ต้องใช้ SDK/การบันทึกวิดีโอ
• ปัญหาการเข้าถึง (คนพิการ)

Passive Liveness Detection

Passive Liveness วิเคราะห์ รูปภาพเดียว โดยใช้ AI เพื่อตรวจจับการ Spoof โดยไม่ต้องให้ผู้ใช้ทำกิจกรรมใดๆ

สิ่งที่ตรวจจับได้:

• รูปถ่ายที่พิมพ์
• หน้าจอแสดงผล (โทรศัพท์/คอมพิวเตอร์)
• หน้ากากใบหน้าเหมือนจริง
• การเล่นวิดีโอซ้ำ
• กระดาษตัด

วิธีการทำงาน:

1. วิเคราะห์รูปแบบพื้นผิว
2. ตรวจจับลายหน้าจอ Moiré
3. ระบุสิ่งแปลกปลอมจากกระดาษ/การพิมพ์
4. ตรวจสอบความลึกและลักษณะ 3 มิติ
5. วิเคราะห์ความสม่ำเสมอของแสง

API Endpoint: POST /v3/store/ekyc/face-passive-liveness

เมื่อไหร่ควรใช้แบบไหน?

สถานการณ์	วิธีที่แนะนำ
เปิดบัญชีธนาคาร	Active + Passive
ลงทะเบียนแอปมือถือ	Passive อย่างเดียว
ธุรกรรมมูลค่าสูง	Active
การยืนยันด่วน	Passive อย่างเดียว
บริการภาครัฐ	Active + Passive
ยืนยันผู้ขาย E-commerce	Passive อย่างเดียว

---

ทำความเข้าใจ Face Spoofing

Face Spoofing (หรือเรียกว่า Presentation Attack) คือ การพยายามหลอกระบบจดจำใบหน้าโดยการนำเสนอใบหน้าปลอมแทนคนจริง

ประเภทของการโจมตี Face Spoofing

1. Print Attack (การโจมตีด้วยรูปพิมพ์)

• รายละเอียด: ใช้รูปถ่ายที่พิมพ์ของเหยื่อ
• การตรวจจับ: พื้นผิวกระดาษ, พื้นผิวแบน, ขาดความลึก

2. Screen/Replay Attack (การโจมตีด้วยหน้าจอ)

• รายละเอียด: แสดงรูป/วิดีโอของเหยื่อบนหน้าจอ
• การตรวจจับ: ลาย Moiré ของหน้าจอ, สิ่งแปลกปลอมของพิกเซล

3. 3D Mask Attack (การโจมตีด้วยหน้ากาก 3 มิติ)

• รายละเอียด: สวมหน้ากาก 3 มิติเหมือนจริงของเหยื่อ
• การตรวจจับ: วิเคราะห์พื้นผิว, ตรวจจับผิวหนัง, การเคลื่อนไหวของตา

4. Deepfake Attack (การโจมตีด้วย Deepfake)

• รายละเอียด: วิดีโอปลอมที่สร้างโดย AI ของเหยื่อ
• การตรวจจับ: ความไม่สม่ำเสมอในเวลา, การเคลื่อนไหวที่ไม่เป็นธรรมชาติ

ทำไม Anti-Spoofing จึงสำคัญ

หากไม่มีการป้องกัน Anti-Spoofing:

• อาชญากรสามารถเปิดบัญชีโดยใช้รูปบัตรประชาชนที่ขโมยมา
• การ Takeover บัญชีทำได้ง่าย
• การฉ้อโกงทางการเงินเพิ่มขึ้นมาก
• ความเชื่อมั่นในบริการดิจิทัลลดลง

---

ใบรับรอง iBeta

iBeta คือ ห้องปฏิบัติการทดสอบอิสระที่รับรองระบบไบโอเมตริกส์สำหรับ Presentation Attack Detection (PAD) การรับรอง iBeta เป็นมาตรฐานสูงสุดในการพิสูจน์ว่าระบบ Liveness Detection มีความปลอดภัย

ระดับ iBeta PAD

ระดับ	รายละเอียด	ข้อกำหนด
Level 1	PAD พื้นฐาน	ต้องตรวจจับการโจมตีทั่วไป (รูปพิมพ์, หน้าจอ)
Level 2	PAD ขั้นสูง	ต้องตรวจจับการโจมตีที่ซับซ้อน (หน้ากาก 3D, Spoof ขั้นสูง)

สิ่งที่ iBeta ทดสอบ

1. Print Attack - กระดาษหลายประเภท, ขนาด, และคุณภาพ
2. Screen Attack - อุปกรณ์ต่างๆ (โทรศัพท์, แท็บเล็ต, จอมอนิเตอร์)
3. Artifact Species - เครื่องมือนำเสนอหลายแบบ
4. สภาพแวดล้อม - สถานการณ์แสงต่างๆ

การรับรอง iBeta ของ iApp Technology

Face Passive Liveness Detection ของ iApp Technology ได้รับการรับรอง iBeta PAD Level 1 ด้วย:

• ยอมรับการโจมตี 0 จาก 300 ครั้ง ใน 10 รูปแบบ จากการทดสอบของเราเอง (CelebA-Spoof ตุลาคม 2569) โดยปฏิเสธเซลฟีจริงจากโทรศัพท์ 4.3% (รายงานผลการทดสอบ PDF)
• ตรวจจับรูปถ่ายที่พิมพ์
• ตรวจจับหน้าจอแสดงผล
• ตรวจจับหน้ากากเหมือนจริง
• ตรวจจับการเล่นวิดีโอซ้ำ

ดูใบรับรอง iBeta

---

บทเรียนเชิงปฏิบัติ

มาสร้างระบบ eKYC ที่สมบูรณ์โดยใช้ API ของ iApp Technology

สิ่งที่ต้องมี

• API key จาก iApp Technology
• Python 3.x หรือ Node.js ติดตั้งแล้ว
• รูปทดสอบ (บัตรประชาชน, เซลฟี่)

ขั้นตอนที่ 1: Thai ID Card OCR

สกัดข้อมูลจากบัตรประชาชนไทย

import requests
import json

API_KEY = "YOUR_API_KEY"

def extract_id_card(image_path):
    """สกัดข้อมูลจากบัตรประชาชนด้านหน้า"""
    url = "https://api.iapp.co.th/v3/store/ekyc/thai-national-id-card/front"

    with open(image_path, 'rb') as image_file:
        files = {'file': image_file}
        headers = {'apikey': API_KEY}

        response = requests.post(url, headers=headers, files=files)
        return response.json()

# ตัวอย่างการใช้งาน
result = extract_id_card("thai_id_card.jpg")

print("=== ผลลัพธ์ OCR บัตรประชาชน ===")
print(f"เลขบัตร: {result.get('id_number')}")
print(f"ชื่อ (ไทย): {result.get('th_name')}")
print(f"ชื่อ (อังกฤษ): {result.get('en_name')}")
print(f"วันเกิด: {result.get('en_dob')}")
print(f"ที่อยู่: {result.get('address')}")

ขั้นตอนที่ 2: ตรวจสอบ Liveness

ตรวจสอบว่าเซลฟี่เป็นคนจริง

def check_liveness(selfie_path):
    """ตรวจสอบว่าใบหน้าเป็นคนจริง (ไม่ใช่ Spoof)"""
    url = "https://api.iapp.co.th/v3/store/ekyc/face-passive-liveness"

    with open(selfie_path, 'rb') as image_file:
        files = {'file': image_file}
        headers = {'apikey': API_KEY}

        response = requests.post(url, headers=headers, files=files)
        return response.json()

# ตัวอย่างการใช้งาน
liveness_result = check_liveness("selfie.jpg")

print("\n=== ผลการตรวจสอบ Liveness ===")
print(f"ผลทำนาย: {liveness_result.get('predict')}")
print(f"เป็นคนจริง: {liveness_result.get('predict') == 'REAL'}")

if liveness_result.get('predict') == 'SPOOF':
    print(" คำเตือน: ตรวจพบความพยายาม Spoof!")
else:
    print("✓ ยืนยันว่าเป็นคนจริง")

ขั้นตอนที่ 3: เปรียบเทียบใบหน้า

เปรียบเทียบรูปในบัตรกับเซลฟี่

def verify_faces(id_card_path, selfie_path, threshold=36):
    """เปรียบเทียบรูปใบหน้าสองรูปเพื่อยืนยันว่าเป็นคนเดียวกัน"""
    url = "https://api.iapp.co.th/v3/store/ekyc/face-verification"

    files = {
        'file1': open(id_card_path, 'rb'),
        'file2': open(selfie_path, 'rb')
    }
    headers = {'apikey': API_KEY}
    data = {'threshold': threshold}

    response = requests.post(url, headers=headers, files=files, data=data)

    files['file1'].close()
    files['file2'].close()

    return response.json()

# ตัวอย่างการใช้งาน
verification_result = verify_faces("id_card_face.jpg", "selfie.jpg")

print("\n=== ผลการยืนยันใบหน้า ===")
print(f"ตรงกัน: {verification_result.get('matched')}")
print(f"คะแนน: {verification_result.get('score')}")

if verification_result.get('matched'):
    print("✓ ยืนยันตัวตนสำเร็จ - เป็นคนเดียวกัน")
else:
    print("✗ ยืนยันไม่สำเร็จ - คนละคนหรือคุณภาพรูปต่ำ")

ขั้นตอนที่ 4: eKYC แบบสมบูรณ์

รวมทุกขั้นตอนเป็นระบบยืนยันตัวตนที่สมบูรณ์

def complete_ekyc_verification(id_card_path, selfie_path):
    """
    ระบบยืนยันตัวตน eKYC แบบสมบูรณ์:
    1. สกัดข้อมูลบัตรประชาชน
    2. ตรวจสอบ Liveness ของเซลฟี่
    3. ยืนยันใบหน้าตรงกัน
    """
    results = {
        'success': False,
        'steps': {},
        'errors': []
    }

    # ขั้นตอนที่ 1: สกัดข้อมูลบัตรประชาชน
    print("ขั้นตอนที่ 1: กำลังสกัดข้อมูลบัตรประชาชน...")
    id_result = extract_id_card(id_card_path)
    results['steps']['id_card_ocr'] = id_result

    if not id_result.get('id_number'):
        results['errors'].append("สกัดข้อมูลบัตรประชาชนไม่สำเร็จ")
        return results

    print(f" ✓ เลขบัตร: {id_result.get('id_number')}")
    print(f" ✓ ชื่อ: {id_result.get('th_name')}")

    # ขั้นตอนที่ 2: ตรวจสอบ Liveness
    print("\nขั้นตอนที่ 2: กำลังตรวจสอบ Liveness...")
    liveness_result = check_liveness(selfie_path)
    results['steps']['liveness'] = liveness_result

    if liveness_result.get('predict') == 'SPOOF':
        results['errors'].append("ตรวจสอบ Liveness ไม่ผ่าน - ตรวจพบการ Spoof")
        return results

    print(f" ✓ ยืนยันว่าเป็นคนจริง")

    # ขั้นตอนที่ 3: ยืนยันใบหน้าตรงกัน
    print("\nขั้นตอนที่ 3: กำลังยืนยันใบหน้า...")
    verification_result = verify_faces(id_card_path, selfie_path)
    results['steps']['face_verification'] = verification_result

    if not verification_result.get('matched'):
        results['errors'].append("ยืนยันใบหน้าไม่สำเร็จ - ใบหน้าไม่ตรงกัน")
        return results

    print(f" ✓ ใบหน้าตรงกัน (คะแนน: {verification_result.get('score')})")

    # ผ่านทุกขั้นตอน
    results['success'] = True
    results['verified_identity'] = {
        'id_number': id_result.get('id_number'),
        'name_th': id_result.get('th_name'),
        'name_en': id_result.get('en_name'),
        'date_of_birth': id_result.get('en_dob'),
        'address': id_result.get('address')
    }

    print("\n" + "="*50)
    print(" ยืนยันตัวตน eKYC สำเร็จ!")
    print("="*50)

    return results

# เรียกใช้งาน
result = complete_ekyc_verification("thai_id_card.jpg", "selfie.jpg")

---

แนวทางปฏิบัติที่ดี

1. ข้อกำหนดคุณภาพรูปภาพ

ปัจจัย	คำแนะนำ
ความละเอียด	อย่างน้อย 600x400 พิกเซล
รูปแบบ	JPEG, PNG, HEIC, HEIF
ขนาด	ไม่เกิน 10MB สำหรับ OCR, 2MB สำหรับใบหน้า
แสง	สม่ำเสมอ, แสงธรรมชาติดีที่สุด
โฟกัส	ชัด, ไม่เบลอ
มุม	ใบหน้าตรงหน้า, เอกสารวางราบ

2. แนวทางปฏิบัติด้านความปลอดภัย

# ดี: ใช้ Environment Variables
import os
API_KEY = os.environ.get('IAPP_API_KEY')

# ไม่ดี: API Key แบบ Hardcode
API_KEY = "sk-1234567890"

# ดี: ตรวจสอบ Liveness ก่อน Face Verification เสมอ
if liveness_result['predict'] == 'REAL':
    verification_result = verify_faces(...)

# ไม่ดี: ข้าม Liveness Check
verification_result = verify_faces(...)  # เสี่ยงต่อ Spoofing!

3. การปฏิบัติตามกฎหมาย

• การเก็บข้อมูล: ไม่เก็บข้อมูลไบโอเมตริกส์นานเกินจำเป็น
• ความยินยอม: ขอความยินยอมที่ชัดเจนก่อนทำ eKYC
• การเข้ารหัส: เข้ารหัสข้อมูลไบโอเมตริกส์ทั้งขณะส่งและจัดเก็บ
• บันทึกการตรวจสอบ: เก็บ Log สำหรับการตรวจสอบ Compliance
• สิทธิ์ในการลบ: ให้ผู้ใช้สามารถขอลบข้อมูลได้

---

สรุป

eKYC เป็นเทคโนโลยีที่ทรงพลังที่ช่วยให้ธุรกิจยืนยันตัวตนลูกค้าแบบดิจิทัล ระบบ eKYC ที่สมบูรณ์ประกอบด้วย:

1. Document OCR - สกัดข้อมูลจากเอกสารแสดงตน
2. Face Verification - เปรียบเทียบใบหน้าเพื่อยืนยันตัวตน
3. Liveness Detection - ตรวจสอบว่าเป็นคนจริงที่อยู่ตรงหน้า
4. Anti-Spoofing - ป้องกันการฉ้อโกง

ประเด็นสำคัญ:

• เลือก Passive Liveness สำหรับ UX ที่ดีกว่า, Active Liveness สำหรับความปลอดภัยสูงกว่า
• ใช้งาน Anti-Spoofing เสมอเพื่อป้องกันการฉ้อโกง
• มองหา ใบรับรอง iBeta เมื่อเลือกผู้ให้บริการ
• ปฏิบัติตาม แนวทางปฏิบัติด้านความปลอดภัย และข้อกำหนด Compliance

---

แหล่งข้อมูล

• เอกสาร Thai ID Card OCR
• เอกสาร Face Verification
• เอกสาร Face Liveness Detection
• จัดการ API Key
• เครื่องคำนวณราคา
• ใบรับรอง iBeta

---

เกี่ยวกับผู้เขียน

ดร.กอบกฤตย์ วิริยะยุทธกร เป็น CEO และผู้ก่อตั้ง iApp Technology บริษัท AI ชั้นนำของไทยที่เชี่ยวชาญด้าน eKYC, OCR และการยืนยันตัวตนด้วยไบโอเมตริกส์ ด้วยใบรับรอง iBeta PAD Level 1 และ Level 2 iApp Technology ให้บริการลูกค้าองค์กรกว่า 100 ราย รวมถึงธนาคาร บริษัทประกัน และผู้ให้บริการโทรคมนาคม

---

อ้างอิง

1. iBeta Quality Assurance, "Presentation Attack Detection (PAD) Testing", 2024
2. NIST, "Biometric Quality Standards", 2024
3. ธนาคารแห่งประเทศไทย, "แนวทางธนาคารดิจิทัล", 2024
4. สำนักงานคุ้มครองข้อมูลส่วนบุคคล, "แนวทาง PDPA", 2024
5. ISO/IEC 30107-3, "Biometric Presentation Attack Detection", 2023