.svg)
AI 솔루션 문의하기
온라인 금융서비스에서는 비대면 계좌 개설과 대출 신청이 늘면서 신원정보의 진위와 신청자의 신뢰도를 확인하는 절차가 중요해지고 있습니다. 합성신원 사기는 실제 개인의 정보를 통째로 도용하는 대신, 실제 정보와 허위 정보를 조합해 가상의 신원을 만든 뒤 금융거래에 이용하는 유형입니다. 개별 정보가 그럴듯해 보이거나 서류 형식에 문제가 없으면 기존의 단순 신원확인만으로 탐지하기 어려울 수 있습니다. 합성신원 사기 탐지를 위해서는 개별 정보의 진위뿐 아니라 신원정보 간 정합성과 금융활동 전반의 패턴을 분석할 수 있는 AI 데이터 구축이 필요합니다.
합성신원은 이름, 생년월일, 등록정보, 연락처 등 여러 정보가 조합돼 만들어질 수 있습니다. 각각의 정보가 형식상 유효하더라도 서로 연결했을 때 불일치하거나 현실적인 관계를 설명하기 어려운 경우가 발생할 수 있습니다. 데이터 구축 단계에서는 신원정보의 개별 검증 결과와 정보 간 대조 결과를 구분해 기록하고, 확인 가능한 출처와 검증 시점도 함께 관리해야 합니다. 신원정보의 형식적 유효성과 정보 간 논리적 정합성을 별도로 학습·검증할 수 있도록 데이터를 구성하는 것이 중요합니다.
실제 개인의 신원을 도용하는 사기와 달리 합성신원 사기는 특정 피해자가 직접 도용 사실을 신고하지 않는 경우에도 발생할 수 있습니다. 따라서 고객 신고나 사후 적발 사례만으로 탐지 데이터를 구성하면 초기 이상 징후를 충분히 포착하기 어렵습니다. 금융회사는 신청 단계부터 거래 이력과 신용정보의 변화, 계정 활동 등을 분석할 수 있는 데이터를 마련해야 합니다. 신고 여부와 별개로 신청·거래 과정에서 나타나는 이상 신호를 수집하고 분석하는 능동적 탐지 체계가 필요합니다.
합성신원 사기는 계정 개설 직후 곧바로 큰 금액의 거래를 일으키는 형태만 있는 것은 아닙니다. 일정 기간 소액 거래와 정상적인 상환 이력을 쌓은 뒤 이후 금융거래에서 이상 행동을 보이는 사례도 고려해야 합니다. 데이터 구축 시에는 단일 거래의 위험도뿐 아니라 계정 생성 이후의 거래 흐름, 신용 이력의 변화, 활동 수준의 급격한 변동 등을 시계열로 관리해야 합니다. 장기간의 거래 패턴과 변화 추이를 반영해야 초기에는 정상적으로 보이는 계정의 잠재적 위험을 분석할 수 있습니다.
서로 다른 신청 건에서 연락처나 주소, 기기 정보 등 일부 속성이 반복적으로 나타날 경우, 개별 심사만으로는 파악하기 어려운 연관성이 드러날 수 있습니다. 다만 공통 연락처나 주소가 있다는 사실만으로 사기라고 단정해서는 안 됩니다. 가족이나 공동 거주자 등 정상적인 공유 사례도 존재하기 때문입니다. 데이터 구축 단계에서는 공유 속성의 종류와 빈도, 발생 시점, 다른 위험 신호와의 동시 발생 여부를 함께 기록해야 합니다. 신청자 간 연결 관계를 그래프 형태로 분석하되, 정상적인 정보 공유와 의심스러운 연계 패턴을 구분할 수 있는 데이터가 필요합니다.
신용 점수나 거래 이력의 규모만으로는 합성신원 여부를 충분히 판단하기 어렵습니다. 짧은 기간에 금융활동이 집중적으로 발생했는지, 여러 금융서비스에서 이력이 비슷한 시점에 형성됐는지 등 이력의 생성 과정도 살펴볼 필요가 있습니다. 이를 위해 데이터셋에는 신용정보의 시점별 변화와 금융활동의 발생 간격, 거래 빈도 등을 포함할 수 있습니다. 신용 이력의 현재 수준뿐 아니라 형성 속도와 변화 양상을 함께 분석해야 인위적으로 조성된 금융활동 패턴을 탐지하는 데 도움이 됩니다.
신용활동이 거의 없는 신청자는 금융거래 이력이 충분하지 않아 기존 신용정보만으로 위험도를 판단하기 어려울 수 있습니다. 특히 금융 이력이 부족하다는 이유만으로 합성신원 위험을 높게 판단하면 금융서비스를 처음 이용하는 정상 고객에게 불이익이 발생할 수 있습니다. 따라서 데이터 구축 시에는 신용 이력 부족과 신원정보 불일치를 별도 항목으로 구분하고, 추가 확인이 필요한 상황과 정상적으로 확인된 사례를 함께 포함해야 합니다. 신용 이력의 부재 자체를 사기 신호로 단정하지 않고, 다른 검증 정보와 결합해 판단할 수 있도록 데이터 기준을 설계해야 합니다.
합성신원 사기는 여러 금융회사에 걸쳐 금융활동이 나타날 수 있어 단일 기관의 데이터만으로 전체 패턴을 파악하는 데 한계가 있습니다. 기관 간 정보 연계가 가능한 경우에도 법적 근거와 개인정보 보호 기준, 데이터 이용 목적을 명확히 해야 합니다. 또한 기관별 데이터 형식과 용어, 기록 시점이 다르면 동일한 유형의 거래도 서로 다르게 해석될 수 있으므로 공통 기준과 품질 검수가 필요합니다. 정보 공유는 적법한 범위에서 추진하고, 데이터 표준화와 출처·시점 관리를 병행해야 분석 결과의 신뢰도를 높일 수 있습니다.
합성신원 사기는 계정 개설 단계에서만 탐지할 수 있는 위험이 아닙니다. 최초 신원확인 이후에도 거래 패턴과 신용 이력, 계정 활동의 변화를 지속적으로 살펴야 새로운 이상 징후를 확인할 수 있습니다. 탐지 모델은 실제 운영 과정에서 발생한 오탐과 미탐 사례를 검토하고, 새롭게 확인된 사기 유형을 반영해 주기적으로 평가해야 합니다. 온라인 금융서비스의 합성신원 사기 탐지는 최초 인증에 그치지 않고, 거래 이력의 지속적인 분석과 탐지 기준의 갱신으로 이어져야 합니다.
.svg)
.svg)
