거래 전 본인확인부터, 보이스피싱 의심 계좌 등록 eKYC 재확인

의심계좌로 분류된 이후 다시 확인해야 하는 정보

‍

금융거래 과정에서 보이스피싱과 관련된 의심 정황이 확인된 계좌는 일반적인 거래 계좌와 다른 방식으로 관리될 수 있습니다. 특히 의심계좌로 등록된 이후에도 해당 계좌의 실제 명의자와 거래를 시도하는 이용자가 일치하는지 다시 확인하는 절차가 필요할 수 있습니다. 단순 계좌번호를 위험 목록에 등록하는 것만으로는 이후 발생하는 모든 거래 상황을 판단하기 어렵기 때문입니다. 이 과정에서 전자적 방식으로 고객의 신원정보를 확인하는 eKYC를 연계하면 계좌 개설 당시 확인했던 정보와 현재 이용자의 정보를 비교하는 구조를 마련할 수 있습니다. 중요한 것은 의심계좌 등록과 본인확인을 하나의 독립적인 절차가 아니라 연속적인 위험관리 과정으로 연결하는 것입니다.

‍

계좌번호만으로는 확인하기 어려운 거래 상황

보이스피싱 의심 여부를 판단할 때는 계좌번호 자체뿐 아니라 누가 어떤 환경에서 해당 계좌를 이용하고 있는지에 대한 정보도 함께 살펴볼 필요가 있습니다. 동일한 계좌라도 정상적인 명의자가 직접 이용하는 경우와 제3자가 접근하는 경우의 위험 수준은 달라질 수 있습니다. 따라서 의심계좌로 등록된 이후 거래가 발생하면 고객정보, 인증정보, 접속환경, 거래정보 등을 함께 확인하는 방식이 활용될 수 있습니다. 특히 명의자 정보와 현재 제출된 신원정보 사이에 차이가 있는지 확인하고, 필요한 경우 추가적인 본인확인 절차를 요구할 수 있습니다. 계좌 자체의 위험 정보와 현재 거래자의 신원정보를 연결하는 과정이 중요한 이유입니다.

‍

eKYC 재확인에서는 신원정보의 일치 여부를 확인

‍

eKYC 재확인은 기존에 등록된 고객정보와 현재 이용자가 제출하는 정보를 비교하는 과정으로 구성할 수 있습니다. 금융서비스 환경에 따라 신분증 정보 확인, 얼굴 이미지 기반 본인 확인, 생체정보 비교, 추가 인증수단 확인등이 활용될 수 있습니다. 다만 각각의 기술은 확인할 수 있는 정보와 한계가 다르므로 하나의 결과만으로 모든 위험을 판단해서는 안 됩니다. 예를 들어 신분증 OCR은 문서에 적힌 정보를 추출하는 기능이고, 얼굴 비교는 제출된 얼굴 이미지와 등록된 정보를 비교하는 과정입니다. 따라서 문서 진위 확인과 실제 명의자 확인, 인증 결과를 구분해 데이터로 관리하는 것이 필요합니다.

‍

‍

보이스피싱 의심계좌 eKYC 데이터의 주요 구성

의심계좌 등록 이후 재확인 절차를 체계적으로 운영하려면 본인확인 과정에서 발생하는 데이터를 일정한 기준에 따라 구조화할 필요가 있습니다.

‍

주요 데이터 구성 요소

• 고객 기본정보 : 계좌 명의자 정보와 기존 등록 고객정보
• 신분증 데이터 : 신분증 이미지, 문서 정보 추출 결과, 진위 확인 결과
• 얼굴 인증 데이터 : 얼굴 이미지 비교 결과 및 생체 인증 처리 결과
• 접속·인증 정보 : 인증 시점, 기기 환경, 인증수단과 처리 결과
• 거래 관련 정보 : 의심계좌 등록 시점과 이후 거래 요청 및 처리 결과
• 검토 결과 : 정상 확인, 추가 확인 필요, 거래 제한 등 내부 처리 결과

본인확인 단계와 계좌 상태, 거래 결과를 연결해 기록하면 재확인 과정에서 발생하는 사례를 분석하고 인증 절차를 개선하는 데 활용할 수 있습니다.

‍

정상 명의자와 제3자 이용 사례를 함께 축적

‍

‍

eKYC 데이터를 구축할 때는 의심 사례만 모으는 것보다 정상적인 명의자 인증 사례와 인증 과정에서 문제가 발생한 사례를 함께 축적하는 것이 중요합니다. 의심계좌로 등록됐더라도 실제 명의자가 본인확인을 거쳐 정상적으로 확인되는 경우가 있을 수 있기 때문입니다. 반대로 제출된 정보가 기존 고객정보와 일치하지 않거나 인증 과정에서 반복적인 불일치가 나타나는 사례도 별도로 관리할 필요가 있습니다. 특히 인증 실패를 곧바로 보이스피싱 피해나 사기 행위의 증거로 간주해서는 안 됩니다. 인증 실패 원인과 실제 거래 결과를 구분해 기록해야 이후 위험 분석에서도 불필요한 오판을 줄일 수 있습니다.

‍

계좌 상태 변화와 재확인 결과를 함께 관리

의심계좌는 등록된 이후에도 상황이 달라질 수 있으므로 계좌 상태가 언제 변경됐고 그 과정에서 어떤 본인확인이 이뤄졌는지를 연결해 관리하는 구조가 필요합니다. 예를 들어 의심계좌 등록 이후 거래가 시도되고 추가 eKYC가 진행됐다면 인증 요청 시점, 인증 결과, 거래 처리 결과를 시간 순서에 따라 기록할 수 있습니다. 이러한 데이터가 축적되면 특정 유형의 거래나 접속 환경에서 재확인이 반복되는 패턴을 분석할 수 있습니다. 또한 내부 담당자가 사례를 검토할 때도 단일 인증 결과만 보는 것이 아니라 계좌 등록부터 재확인, 거래 처리까지의 과정을 하나의 이력으로 확인할 수 있는 구조가 유용합니다.

‍

개인정보와 금융정보를 함께 다루는 데이터 관리

eKYC 재확인 과정에서는 신분증 이미지와 얼굴 정보처럼 민감하게 관리해야 하는 정보가 포함될 수 있어 데이터 구축 단계부터 개인정보 보호와 접근권한 관리가 함께 고려돼야 합니다. 실제 서비스에서는 필요한 정보만 수집하고, 이용 목적과 보관 기준에 맞춰 데이터를 관리하는 절차가 중요합니다. AI 기반 위험 분석에 활용하는 경우에도 원본 개인정보와 분석용 데이터를 동일한 방식으로 취급하기보다 목적에 맞게 접근권한과 보관 범위를 구분할 필요가 있습니다. 특히 학습이나 분석을 위해 데이터를 가공하는 과정에서는 불필요한 개인정보가 포함되지 않았는지 확인해야 합니다. 보안 목적의 데이터가 또 다른 개인정보 위험을 만들지 않도록 관리체계를 함께 설계하는 것이 핵심입니다.

‍

‍