.svg)
AI 솔루션 문의하기
증명서는 재직이나 졸업, 소득이나 거주 사실을 확인해 주는 문서로, 정부 기관이나 학교, 회사처럼 발급 주체가 저마다 다르고 그 수가 많다는 특징을 가지고 있습니다. 발급 주체마다 서식의 배치와 문구, 도장 위치가 조금씩 달라 하나의 고정된 틀로는 모든 증명서를 아우르기 어렵습니다. 발급 주체가 많고 서식이 계속 늘어난다는 점을 고려하면 이미 알려진 서식은 빠르게 처리하고 낯선 서식은 별도의 방식으로 보완하는 이원화된 접근이 증명서 인식에 적합한 구조가 됩니다.
이미 여러 차례 접해 본 서식은 항목의 위치와 문구가 정해진 틀에서 크게 벗어나지 않는 경우가 많습니다. 자주 접하는 서식을 미리 등록해 두고 새로 들어온 증명서가 등록된 서식과 일치하는지를 먼저 대조하는 방식을 적용한다면 익숙한 서식에 대해서는 항목 위치를 다시 분석하는 과정 없이 빠르게 정보를 뽑아낼 수 있습니다. 등록된 서식이 많아질수록 이 대조 과정에서 처리할 수 있는 증명서의 비중도 함께 늘어납니다.
새로 생겨난 발급기관이나 서식이 개편된 증명서는 등록된 목록에 없어 대조만으로는 처리할 수 없습니다. 등록된 서식과 일치하지 않는 증명서가 들어오면 딥러닝 기반의 인식 방식으로 전환해 항목의 위치와 내용을 새로 분석하고, 처리가 끝난 서식은 등록 목록에 새로 추가하는 절차를 거친다면 낯선 서식도 놓치지 않고 처리하면서 다음번에는 빠른 방식으로 처리될 수 있는 기반을 함께 마련할 수 있습니다.
증명서는 개인의 자격이나 사실을 증명하는 문서인 만큼 내용이 위조되거나 변조된 상태로 제출되는 사례가 발생할 수 있습니다. 등록된 서식에 저장된 도장의 형태와 위치, 워터마크 같은 보안 요소를 제출된 증명서와 비교해 일치 여부를 확인하는 절차를 함께 진행한다면 내용은 그럴듯하게 채워져 있어도 도장이나 보안 요소가 어긋나는 위변조 사례를 짚어낼 수 있는 근거가 마련됩니다.
일부 증명서는 발급일로부터 일정 기간이 지나면 효력을 인정받지 못하며, 발급기관이 서식을 개편한 이후에는 예전 서식으로 제출된 증명서를 다시 확인해야 하는 경우도 있습니다. 발급일자를 인식한 이후 유효기간 기준과 대조하고, 제출된 서식이 현재 통용되는 최신 서식인지 예전 서식인지를 함께 표시한다면 담당자가 유효성을 별도로 계산하지 않아도 되는 참고 정보를 제공할 수 있습니다.
최근 발급되는 증명서 가운데는 QR코드나 바코드에 발급 정보가 함께 담겨 있는 경우가 있으며, 이 코드에 담긴 정보와 인쇄된 문자 내용이 어긋난다면 위조 가능성을 의심할 만한 신호가 됩니다. QR코드나 바코드에 담긴 정보를 읽어 인쇄된 문자 인식 결과와 대조하는 절차를 함께 진행한다면 인쇄된 내용만으로는 확인하기 어려운 불일치를 코드 정보를 통해 보완적으로 확인할 수 있습니다.
발급기관은 시간이 지나면서 서식을 개편하거나 새로운 종류의 증명서를 도입하기도 하므로, 한번 구축한 등록 서식 목록을 그대로 유지하면 시간이 지날수록 낯선 서식으로 처리되는 비율이 늘어날 수 있습니다. 딥러닝 방식으로 새로 처리된 서식이 일정 횟수 이상 반복해서 들어오는지를 확인해 반복되는 서식을 등록 목록에 추가하는 절차를 정기적으로 운영한다면 시간이 지나도 빠른 처리가 가능한 서식의 비중을 계속 유지할 수 있습니다.
등록된 서식으로 처리하는 방식은 빠르지만 예외적인 변형을 놓칠 수 있고, 딥러닝 방식으로 처리하는 방식은 유연하지만 처리 시간이 더 걸립니다. 신뢰도가 낮게 나온 대조 결과는 등록 서식으로 처리했더라도 딥러닝 방식으로 다시 한번 검증하는 절차를 함께 두어 두 가지 방식을 서로 보완하도록 운영한다면 속도와 정확도를 모두 놓치지 않는 처리가 가능해집니다.
증명서에 기재된 정보가 인식 과정에서 잘못 추출되면 이후 업무 처리에 그대로 영향을 미치게 되므로, 인식 결과를 그대로 신뢰하기보다 검증하는 절차가 함께 필요합니다. 신뢰도가 낮게 나온 항목이나 위변조 의심 신호가 함께 발견된 증명서는 자동 처리 대상에서 제외해 담당자가 직접 확인하도록 분리한다면 오류가 있는 정보가 그대로 다음 단계로 넘어가는 상황을 줄일 수 있습니다.
.svg)
.svg)
