.svg)
AI 솔루션 문의하기
온라인 결제 환경에서는 로그인이나 최초 본인확인을 정상적으로 마쳤더라도 거래 시점에 추가 인증이 필요할 수 있습니다. 평소와 다른 결제 금액, 낯선 기기에서의 접속, 비정상적인 거래 빈도 등 위험 신호가 감지되면 결제를 일시 보류하고 이용자의 신원을 다시 확인하는 방식입니다. 이때 eKYC(electronic Know Your Customer)는 비대면 본인확인 수단으로 활용될 수 있습니다. 고위험 거래를 식별하는 시스템과 재인증 절차가 연계되려면 거래 상황, 인증 요청, 이용자 응답을 함께 반영한 AI 학습데이터가 필요합니다.
고위험 거래는 단일 조건만으로 결정되지 않을 수 있습니다. 결제 금액이 평소보다 크거나, 짧은 시간 안에 여러 차례 결제가 시도되거나, 기존 이용 이력과 다른 기기·지역에서 거래가 발생하는 등 다양한 신호가 복합적으로 작용합니다. 데이터 구축 단계에서는 이러한 위험 신호를 구분하고, 어떤 조건에서 추가 인증이 요청됐는지 기록해야 합니다. 정상 거래와 고위험 거래의 경계가 모호한 사례도 포함해야 모델이 특정 조건 하나에 과도하게 의존하는 문제를 줄일 수 있습니다.
재인증 AI 모델을 학습시키려면 결제 정보와 인증 요청 정보를 개별적으로 수집하는 데 그치지 않고, 동일한 거래 흐름 안에서 연결해야 합니다. 거래 발생 시점, 결제 수단, 기기 정보, 위험 탐지 사유, 인증 방식, 인증 결과 등이 핵심 데이터가 될 수 있습니다.
이러한 항목을 일관된 기준으로 정리하면 재인증이 필요한 상황과 실제 인증 결과 사이의 관계를 분석할 수 있습니다.
재인증 과정에서 신분증 OCR, 얼굴 비교, 얼굴 위·변조 탐지 등 다양한 eKYC 기술이 적용될 수 있습니다. 각 기술은 서로 다른 데이터를 필요로 하므로, 인증 수단별 학습데이터를 구분해 구축해야 합니다. 신분증 OCR 데이터는 문자 영역과 인식 결과를 중심으로 구성하고, 얼굴 비교 데이터는 비교 대상 간 일치 여부와 촬영 조건을 함께 다뤄야 합니다. 얼굴 위·변조 탐지 데이터는 사진이나 영상 재생, 합성 이미지 등 공격 유형을 구분할 수 있어야 합니다. 인증 수단별 결과를 단순히 하나의 성공·실패 값으로 합치면 오류 원인을 파악하기 어려워집니다.
재인증 과정에서 발생하는 실패는 원인이 다양합니다. 신분증 이미지가 흐리거나 얼굴이 가려져 인증이 진행되지 않은 경우와, 본인 여부가 확인되지 않은 경우는 구분해야 합니다. 이용자가 인증을 중단했거나 제한 시간 안에 응답하지 않은 사례도 인증 실패와 동일하게 취급하기 어렵습니다. 데이터 라벨링 단계에서는 인증 결과뿐 아니라 실패 원인과 처리 상태를 세분화해야 합니다. 특히 기술적 오류와 실제 위험 징후를 혼동하지 않도록 기준을 마련하는 것이 중요합니다.
eKYC 재인증 결과는 결제 승인·보류·거절 등 후속 처리와 연결될 수 있습니다. 다만 인증 성공이 곧 거래의 안전성을 보장하는 것은 아닙니다. 본인확인에 성공했더라도 거래 자체에 추가 위험이 남아 있을 수 있으며, 반대로 인증 실패가 반드시 부정 거래를 의미하지도 않습니다. 따라서 학습데이터에는 인증 결과와 결제 처리 결과를 별도 항목으로 기록하고, 두 결과가 어떤 조건에서 연결됐는지 추적할 수 있도록 구성해야 합니다. 이를 통해 인증 모델과 거래 위험 탐지 모델의 역할을 구분해 평가할 수 있습니다.
고위험 거래 데이터에는 결제 내역과 신원확인 정보가 함께 포함될 수 있어 데이터 관리 기준이 중요합니다. 거래 기록과 인증 데이터를 연결하는 과정에서 불필요한 개인정보가 포함되지 않도록 하고, 접근 권한과 보관 기간을 명확히 설정해야 합니다.
검수 과정에서는 데이터의 정확성뿐 아니라 실제 서비스에서 허용되는 개인정보 처리 범위도 함께 확인해야 합니다.
온라인 결제 고위험 거래 재인증 eKYC를 위한 AI 데이터는 인증 화면이나 신분증 이미지에만 초점을 맞춰서는 충분하지 않습니다. 거래 위험 신호가 발생한 시점부터 재인증 요청, 이용자 응답, 인증 결과, 최종 결제 처리까지 이어지는 흐름을 반영해야 합니다. 정상적인 이용 패턴뿐 아니라 인증 지연, 중단, 기술적 오류, 복합 위험 신호가 발생한 사례도 포함해야 실제 환경에서의 대응력을 높일 수 있습니다. 거래 위험도와 eKYC 인증 결과를 구분하면서도 하나의 거래 맥락 안에서 연결하는 것이 데이터 구축의 핵심입니다.
.svg)
.svg)
