.svg)
AI 솔루션 문의하기
가상자산 거래소는 다른 어떤 금융 서비스보다도 국경을 넘나드는 이용자층이 두드러지게 나타나는 영역입니다. 은행이나 카드사가 주로 국내 신분증 하나만 정확히 인식하면 충분한 것과 달리, 가상자산 거래소의 eKYC 본인확인 데이터는 수십 개국의 여권과 신분증 양식을 함께 다루어야 합니다.
또한 각 문서마다 글자체와 배치, 위변조 방지 장치가 저마다 다르기 때문에 학습데이터를 구축하는 작업 자체가 훨씬 방대한 범위를 요구합니다. 국내 서비스만을 염두에 두고 만들어진 인식 모델은 이러한 다양성 앞에서 정확도가 크게 떨어질 수밖에 없습니다.
이 문제는 문서 종류가 많다는 데서 끝나지 않습니다. 같은 국가의 신분증이라도 발급 시기에 따라 양식이 바뀌는 경우가 흔해, 데이터 구축 작업은 국가별 다양성과 시기별 다양성을 동시에 감당해야 합니다.
이 네 가지 특성이 데이터에 고르게 반영되지 않으면, 특정 국가나 특정 시기에 발급된 문서를 지닌 이용자만 유독 인증에 실패하는 편중된 결과로 이어질 수 있습니다.
가상자산은 한 번 이전되면 되돌리기 어렵다는 특성 때문에 신원을 위조해 거래소에 접근하려는 시도의 유인이 다른 금융 서비스보다 크게 나타나며, 이 때문에 사진을 화면에 띄워 촬영하거나 인공지능으로 합성한 얼굴 이미지를 제시하는 정교한 시도까지 학습데이터에 폭넓게 포함되어야 합니다. 정지된 사진을 이용한 우회 시도만 학습한 시스템은, 실시간으로 표정을 바꾸며 반응하는 합성 영상 앞에서는 무력해질 수 있습니다.
부정 사례 데이터는 실제 위조 시도를 그대로 재현하기 어렵다는 근본적인 제약을 안고 있어, 이를 보완하는 여러 접근이 함께 활용되고 있습니다.
이 네 가지 접근이 함께 활용되어야, 실제 위조 시도를 완벽하게 재현하지는 못하더라도 그에 근접한 수준의 대응력을 갖춘 데이터를 확보할 수 있습니다.
일정 금액 이상의 가상자산을 다른 거래소나 지갑으로 이전할 때는 송수신자의 신원정보를 서로 확인하는 절차가 요구되며, 이는 계좌 개설 시점의 일회성 확인과는 별개로 거래가 발생할 때마다 반복적으로 이루어져야 하는 확인입니다. 이 때문에 eKYC 데이터 구축은 최초 가입 시점의 얼굴 정보는 물론, 시간이 흐르며 조금씩 변화하는 이용자의 외모를 지속적으로 반영해 재확인 시점에도 정확하게 대조할 수 있는 데이터 구조를 함께 갖추어야 합니다.
가입 시점과 재확인 시점 사이에 시간이 흐르면서 이용자의 외모는 자연스럽게 변화합니다. 안경을 새로 쓰거나 수염을 기르는 정도의 변화부터, 몇 년에 걸친 노화로 인한 변화까지 폭이 넓습니다. 이러한 변화 폭을 데이터에 충분히 반영하지 않으면, 실제로는 동일 인물임에도 재확인 단계에서 다른 사람으로 오인되는 오류가 반복적으로 발생할 수 있습니다. 오래 활동한 이용자일수록 이 문제에 노출될 가능성이 커지는 만큼, 장기 이용자의 얼굴 변화를 추적할 수 있는 데이터가 함께 마련되어야 합니다.
한 이용자가 여러 거래소에 동시에 가입해 있는 경우가 흔한 만큼, 개별 거래소의 데이터만으로는 파악하기 어려운 패턴도 존재합니다. 같은 얼굴로 여러 거래소에 서로 다른 신원정보를 등록하려는 시도는, 하나의 거래소가 확보한 데이터만으로는 좀처럼 드러나지 않습니다. 이 때문에 개별 거래소 차원의 데이터 구축과 별개로, 여러 거래소가 협력해 이상 패턴을 함께 확인할 수 있는 데이터 공유 체계에 대한 논의도 함께 이루어지고 있습니다.
가상자산 거래소의 eKYC 본인확인 데이터 구축은 결국 국경이 사실상 사라진 이용자층을 마주해야 하는 작업입니다. 수십 개국의 문서 양식과 정교해지는 위조 시도, 시간에 따른 이용자의 외모 변화까지 함께 담아내야 이 데이터는 실제 현장에서 제 역할을 할 수 있으며, 그 범위와 정교함이 곧 거래소가 이용자에게 제공할 수 있는 신뢰의 수준을 결정합니다.
.svg)
.svg)
