.svg)
AI 솔루션 문의하기
딥페이크 사진 구분 신분증 얼굴 사진 검증에서 위조는 템플릿 위조, 얼굴 교체, 사본 제출의 세 가지 유형으로 나눠 봅니다. 유형마다 남는 흔적이 달라서 어느 유형을 판별하는지에 따라 필요한 확인 방법이 달라집니다.
템플릿 위조는 신분증 양식 이미지에 이름, 생년월일, 사진을 새로 넣어 가짜 신분증을 만드는 방식입니다. 처음부터 합성해서 만들기 때문에 실물 신분증의 원본 이미지가 존재하지 않습니다. 폰트와 글자 간격, 항목 배치, 홀로그램 같은 보안 요소의 표현, 인적사항의 형식이 실제 양식과 다른 부분이 단서가 됩니다. 딥페이크 기술로 만든 존재하지 않는 얼굴 사진을 이 양식에 넣는 경우도 있습니다.
얼굴 교체는 진짜 신분증 이미지에서 사진 부분만 다른 얼굴로 바꾸는 방식입니다. 이름과 생년월일은 실제 신분증 그대로여서 문자 정보만 보면 정상으로 보입니다. 사진 영역의 경계, 해상도와 노이즈가 주변과 다른 부분, 얼굴 합성 흔적이 단서가 됩니다. 교체한 사진에 딥페이크로 만든 얼굴을 쓰면 단서가 눈에 잘 띄지 않습니다.
사본 제출은 진짜 신분증을 컬러로 출력하거나 다른 화면에 띄워 다시 촬영해서 제출하는 방식입니다. 인적사항과 사진이 모두 실제 신분증과 같지만 실물을 소지하지 않은 상태입니다. 출력물에서는 인쇄 질감과 점 패턴이, 화면 재촬영에서는 물결무늬와 화면 반사, 가장자리 베젤이 단서가 됩니다. 홀로그램이 각도에 따라 변하는 특성이 사진에는 나타나지 않습니다.
딥페이크로 만든 얼굴을 신분증 사진 칸에 넣고, 제출자가 같은 얼굴을 합성한 영상으로 얼굴 인증을 시도하면 신분증 사진과 얼굴이 일치해 매칭을 통과할 수 있습니다. 이 경우 얼굴 매칭만으로는 위조를 걸러내지 못합니다. 신분증 진위 판별과 얼굴 위변조 탐지, 얼굴 매칭을 함께 적용해야 하는 이유입니다.
세 유형은 남는 흔적의 위치가 다릅니다. 템플릿 위조는 신분증 전체의 양식, 글꼴, 배치에서 흔적이 나오고, 얼굴 교체는 사진 영역과 주변의 경계에서, 사본은 이미지 전체의 질감과 반사에서 나옵니다. AI 판별은 위조 신분증과 사본 이미지를 학습해 이런 흔적을 수치로 비교하므로, 한 가지 유형만 학습한 판별로는 다른 유형을 놓칠 수 있습니다. 도입할 때는 세 유형을 모두 판별 대상으로 하는지 확인합니다.
육안 확인으로 구별할 수 있는 위조와 사본의 단서는 있지만, 정교한 위조는 놓칠 수 있습니다. 담당자나 일반 사용자가 참고할 수 있는 단서를 짧게 정리합니다.
딥페이크로 만든 얼굴과 정교한 합성은 위 단서가 거의 남지 않을 수 있습니다. 비대면으로 이미지를 제출받으면 압축 과정에서 경계와 노이즈 같은 미세한 단서가 사라지고, 담당자마다 판단이 달라집니다. 확인 건수가 많아지면 모든 건을 같은 기준으로 확인하기도 어렵습니다. 그래서 기업 업무에서는 육안 확인을 보조 수단으로 두고 시스템 판별을 기준으로 삼습니다.
앞에서 다룬 육안 확인의 한계는 알체라 eKYC의 신분증 사본 판별로 처리할 수 있습니다. 종이 출력물과 스마트폰·PC 화면 촬영 같은 사본을 판별하며, 사본 판별 정확도는 **99%**입니다. 위조 신분증 100만 장 이상을 학습 데이터로 사용하고, 조명·각도·화질 등 200여 가지 촬영 조건에서도 판별합니다. 담당자의 육안 확인을 같은 기준의 시스템 판별로 바꾸면 담당자별 판단 차이가 줄어듭니다.
신분증 진위확인과 얼굴 매칭은 신분증 촬영, 진위와 사본 판별, 얼굴 위변조 탐지, 신분증 사진과 얼굴 매칭의 순서로 연결합니다. 앞 단계를 통과한 건만 다음 단계로 넘기고, 각 단계에서 걸러내는 위협이 서로 다릅니다.
한 가지 확인만으로는 걸러내지 못하는 경우가 있습니다.
고객이 신분증을 직접 촬영해 제출하면 OCR로 성명과 생년월일 같은 문자 정보를 읽고 신청서 정보와 대조합니다. 신분증 전체가 보이고 빛 반사가 없도록 촬영 안내를 하고, 흐리거나 가려진 이미지는 이 단계에서 재촬영을 요청합니다. 이미지는 가능한 원본 해상도로 전송하고, 과도한 압축으로 위조 단서가 사라지지 않도록 합니다.
읽은 신분증이 실제 양식에 맞는지 진위를 판별하고, 출력물이나 화면 재촬영 같은 사본인지 판별합니다. 템플릿 위조와 사본 제출은 이 단계에서 걸러냅니다. 판별에 실패한 건은 재촬영을 요청하거나 담당자 확인으로 넘깁니다. 진위 판별은 신분증 종류별 양식 정보를 기준으로 하므로, 신분증 양식이 바뀌면 판별 기준도 갱신되는지 확인합니다.
제출자의 얼굴을 촬영해 실제 사람의 얼굴인지, 사진이나 영상, 합성 영상이 아닌지 판별합니다. 신분증이 진짜여도 타인의 사진이나 딥페이크 영상으로 인증을 시도하는 경우를 이 단계에서 걸러냅니다.
3단계를 통과한 얼굴을 신분증 속 사진과 대조해 같은 사람인지 확인합니다. 진짜 신분증을 도용한 경우는 이 단계에서 걸러집니다. 매칭 결과는 통과, 보류, 추가 확인으로 나누어 기록합니다.
같은 신분증도 조명, 촬영 각도, 화질에 따라 판별 결과가 달라질 수 있습니다. 촬영 화면에 신분증을 맞출 프레임과 안내 문구를 넣고, 빛 반사와 가림이 있으면 어떤 문제인지 알려 재촬영을 유도합니다. 정상 고객이 촬영 환경 때문에 반복해서 거부되면 오탐이 늘어나므로, 재촬영 사유와 횟수를 기록해 안내 문구를 개선합니다.
신분증 종류마다 양식과 보안 요소가 다릅니다. 도입할 서비스가 받는 주민등록증, 운전면허증, 여권 같은 신분증이 판별 대상에 포함되는지 확인합니다. 받지 않는 종류의 신분증이 제출되었을 때 거부하거나 담당자에게 넘기는 기준도 함께 정합니다.
단계별 결과는 같은 형식으로 저장합니다. 보류된 건은 재촬영을 허용하는 횟수를 정해 두고, 반복해서 실패하면 대면 확인이나 담당자 심사로 전환합니다. 통과시킨 건 중 사후에 위조로 확인된 사례가 있으면 그 이미지를 검토해 판별 기준을 조정합니다. 신분증 이미지와 얼굴 이미지에는 개인정보가 들어 있으므로 개인정보 보호법에 따라 보관 기간과 파기 방식, 열람 권한을 정합니다.
딥페이크 사진 구분 신분증 얼굴 사진 검증 도입 전에는 다음 다섯 가지를 확인합니다.
도입을 검토하는 기업은 이 다섯 가지를 먼저 정리한 뒤 신분증 확인 방식을 선택합니다.
.png)
.svg)
.svg)
