.svg)
AI 솔루션 문의하기
해외송금 서비스는 외국인 근로자를 비롯해 국내에 거주하는 외국 국적 이용자가 상당한 비중을 차지하는 특징을 가지고 있으며, 이들이 제출하는 신원 확인 서류는 내국인이 흔히 제출하는 서류와는 종류와 형태가 다릅니다. 외국인등록증이나 취업비자 서류처럼 해외송금 서비스에서 실제로 자주 마주하는 서류 형태를 학습데이터 구성 단계에서부터 충분히 반영해야 이후 모델이 실제 이용자 구성에 맞는 정확도를 유지할 수 있는 기반이 마련됩니다.
외국인등록증은 체류 자격에 따라 표기되는 항목과 형식이 조금씩 다르며, 발급 시점에 따라 서식이 개정되어 이전 서식과 최신 서식이 함께 유통되는 경우도 있습니다. 체류 자격별로 다르게 나타나는 서류 형식과 개정 이전과 이후의 서식을 함께 확보해 학습데이터에 반영한다면 다양한 체류 자격을 가진 이용자가 제출하는 서류를 폭넓게 아우를 수 있습니다.
이름을 로마자로 표기하는 방식은 국가나 개인의 선택에 따라 달라질 수 있어, 같은 사람이라도 서로 다른 표기로 등록된 자료가 시스템 안에 흩어져 존재하는 경우가 있습니다. 같은 인물의 얼굴이 서로 다른 이름 표기와 함께 기재된 자료를 짝지어 학습데이터로 구성한다면 표기 방식의 차이로 인해 동일 인물을 다른 사람으로 잘못 판단하는 상황을 줄이는 데 참고가 됩니다.
해외송금은 한 번의 목돈보다 정기적으로 반복되는 소액 송금 형태로 이루어지는 경우가 많으며, 짧은 간격으로 여러 차례 이루어지는 본인 확인에서는 매번 비슷한 조건에서 촬영이 반복됩니다. 짧은 간격으로 반복되는 촬영 자료를 함께 확보해 매번 조금씩 달라지는 표정이나 각도 안에서도 안정적으로 동일 인물을 확인할 수 있도록 학습데이터를 구성한다면 반복 이용자의 인증 정확도를 꾸준히 유지하는 데 도움이 됩니다.
일정 금액을 넘는 송금에는 추가적인 확인 절차가 뒤따르는 경우가 있어, 이를 피하기 위해 한 사람이 여러 명의로 나누어 소액씩 반복해서 송금을 시도하는 사례가 발생할 수 있습니다. 서로 다른 명의로 접수된 송금 신청 가운데 실제로는 동일한 얼굴을 가진 인물의 것인지를 비교할 수 있는 자료를 함께 구성한다면 확인 절차를 피하려는 목적의 분산 송금 시도를 짚어내는 데 참고할 수 있는 학습 근거가 마련됩니다.
해외송금은 국경을 넘는 거래인 만큼 제재대상자 명단에 오른 인물과의 대조가 함께 요구되는 경우가 있으며, 이를 위한 얼굴 대조 모델은 명단에 오른 인물의 공개된 자료와 신청자의 얼굴을 비교하는 방식으로 학습될 필요가 있습니다. 공개된 명단 자료의 화질과 촬영 시점이 제각각인 점을 고려해 다양한 화질과 오래된 시점의 자료를 포함한 대조용 학습데이터를 구성한다면 명단 대조의 정확도를 실제 운영 환경에 가깝게 유지할 수 있습니다.
해외송금 이용자 가운데는 통신 환경이 원활하지 않은 지역에서 접속하거나 성능이 낮은 기기로 촬영하는 경우가 상대적으로 자주 나타날 수 있습니다. 압축률이 높거나 화질이 낮은 상태로 전송된 자료를 함께 확보해 학습데이터에 포함한다면 통신 환경이 열악한 상황에서도 인증 정확도가 크게 떨어지지 않도록 대비할 수 있습니다.
일부 지역에서는 개인이 직접 송금하기보다 브로커 역할을 하는 인물이 여러 사람의 송금을 대신 처리해 주는 관행이 나타나기도 하며, 이 경우 서로 다른 명의의 송금 신청에 같은 얼굴이 반복해서 등장할 수 있습니다. 정상적인 대리 처리와 명의를 도용한 부정 시도를 구분하기 위해 두 상황에서 나타나는 특징을 함께 담은 자료를 확보한다면 이 둘을 구분하는 기준을 학습에 반영할 수 있습니다.
.svg)
.svg)
