.svg)
AI 솔루션 문의하기
금융거래에서 안면인증은 신원을 확인하는 도구 이상의 역할을 수행합니다. 거래 과정에서 수집된 얼굴 정보와 행동 데이터를 종합 분석하면 그 거래가 실제 본인에 의한 것인지 아니면 도용된 계좌의 거래인지를 판단할 수 있습니다.
외국인이 은행 앱에서 대규모 송금을 하려고 할 때 시스템은 실시간 안면인증을 수행합니다. 이때 수집되는 정보는 단순한 신원 확인 정보만이 아닙니다. 얼굴의 각도, 조명 환경, 눈의 움직임, 피부 반사, 표정의 미묘한 변화, 머리 움직임의 자연스러움 같은 세밀한 정보가 모두 포함됩니다.
이러한 정보들을 분석하면 사용자가 자발적으로 거래를 진행하고 있는지 또는 계좌 도용자가 강제로 인증을 받도록 하는 상황인지를 구분할 수 있습니다. 도용된 계좌의 경우 도용자의 얼굴 특징이 등록된 본인의 얼굴과 다르거나 행동 패턴이 평상시와 차이를 보일 수 있습니다.
거래 중 안면인증을 수행할 때 AI는 단순히 얼굴을 인식하는 것이 아니라 전체 과정의 행동 특성을 종합적으로 분석합니다.
안면인증 수행의 자연스러움이 중요합니다. 실제 본인이 인증하는 경우 카메라 앞에서 자연스럽게 여러 각도로 얼굴을 움직입니다. 반면 도용자는 움직임이 어색하거나 지시받은 대로 하는 것처럼 보일 수 있습니다. AI는 이러한 자연스러움과 부자연스러움의 미묘한 차이를 감지합니다.
얼굴의 일관성도 추적됩니다. 같은 외국인이 주기적으로 안면인증을 하면 AI는 눈의 크기, 콧대의 형태, 입술의 형태 같은 개인의 고유한 특징을 지속적으로 학습합니다. 갑자기 다른 특징의 얼굴이 나타나면 계좌 도용의 가능성을 시사할 수 있습니다.
눈과 입의 반응도 중요합니다. 시스템이 사용자에게 "눈을 깜빡여 주세요" 또는 "입을 벌려 주세요"라고 요청할 때 실제 본인은 자연스럽게 반응합니다. 그러나 도용자가 다른 사람의 영상을 보면서 따라 할 때는 반응이 정확하지 않거나 지연될 수 있습니다.
피부 혈류의 신호도 분석됩니다. 심장 박동에 따라 얼굴의 피부색이 미묘하게 변합니다. AI는 이 혈류 신호를 추적하여 실제 생명체 여부를 확인합니다. 딥페이크나 고품질 마스크도 이 혈류 신호를 완벽히 복제하기는 어렵습니다.
동일한 얼굴이라도 거래의 맥락에 따라 요구되는 검증 수준이 달라집니다.
외국인 고객이 평상시처럼 월급일에 통상적인 금액을 송금할 때는 기본적인 신원만 확인되면 충분합니다. 그러나 갑자기 100만 달러를 해외로 송금하려고 할 때는 안면인증의 신뢰도 기준이 상당히 상향됩니다. 이 경우 얼굴의 미세한 특징까지 정확히 일치해야 합니다.
거래 시간대도 고려됩니다. 평상시에는 오전 9시부터 오후 6시 사이에만 거래하던 외국인이 갑자기 밤 2시에 대액 거래를 시도하면 신뢰도 기준을 상향 조정합니다. 기기 정보도 분석 대상입니다. 평상시에 자신의 스마트폰으로만 거래하던 외국인이 갑자기 낯선 IP 주소와 기기에서 거래를 시도하면 신뢰도 기준을 대폭 상향합니다.
금융기관은 각 외국인 고객의 안면인증 데이터를 지속적으로 축적합니다.
고객이 정기적으로 안면인증을 수행하면 시스템은 그 고객의 얼굴 특징을 점진적으로 더 정확히 학습합니다. 눈의 크기와 형태, 콧대의 높이와 형태, 입술의 두께와 색상, 뺨의 형태와 광대뼈의 높이, 이마의 주름과 미간의 간격, 얼굴 전체의 비율과 대칭성 같은 정보가 데이터베이스에 저장됩니다.
새로운 거래가 들어올 때마다 현재 얼굴 정보가 이 저장된 데이터와 비교됩니다. 시스템이 90% 이상의 일치도를 확인하면 거래를 승인하고 70% 미만의 일치도가 나오면 거래를 중단하고 추가 검증을 요청합니다.
얼굴의 나이 관련 특징도 추적됩니다. 사람의 얼굴은 시간이 지나면서 자연스럽게 변합니다. 주름이 생기고 피부가 처지며 얼굴 형태가 점진적으로 변합니다. 시스템은 이러한 자연스러운 변화는 허용하지만 급격한 변화는 의심합니다. 몇 개월 전의 안면인증 이미지와 현저하게 다르면 계좌 도용의 신호일 수 있습니다.
거래 과정의 표정은 그 거래의 진정성을 반영할 수 있습니다. 실제 본인이 거래하는 경우 특히 중요한 거래일 때 표정에 긴장감이 드러날 수 있습니다. AI는 이러한 자연스러운 감정 표현을 학습합니다. 반면 도용자는 표정이 무표정이거나 부자연스럽게 연기하는 것처럼 보일 수 있습니다.
눈의 초점도 의미가 있습니다. 실제 본인이 거래할 때 카메라를 보면서도 거래 금액이나 수취인을 고려하는 것처럼 눈의 초점이 약간 흐릿할 수 있습니다. 그러나 도용자는 지속적으로 카메라만 봅니다. 눈썹의 움직임도 감정의 신호입니다. 놀람, 의심, 걱정, 집중 같은 감정에 따라 눈썹이 움직입니다. AI는 이러한 미묘한 움직임을 감지하고 거래와 일치하는 감정이 표현되고 있는지 확인합니다.
외국인의 다양한 피부색과 얼굴 구조를 AI가 공정하게 인식하는 것이 중요합니다. AI가 특정 인종의 얼굴 특징만 학습하면 다른 인종의 얼굴을 부정확하게 인식할 수 있습니다. 따라서 금융기관은 다양한 인종의 얼굴 데이터로 AI를 훈련합니다.
인종별로 다른 변화 패턴도 고려됩니다. 예를 들어 어두운 피부의 주름은 밝은 피부보다 덜 눈에 띄므로 나이 예측 기준이 달라집니다. AI는 인종별로 다른 표준을 적용하여 공정하게 모든 외국인을 검증합니다. 문화별 행동 차이도 인식해야 합니다. 어떤 문화에서는 카메라 앞에서 눈 맞춤을 피하는 것이 존중의 표현입니다. AI가 이러한 문화적 차이를 인식할 때 차별 없이 모든 외국인을 평가할 수 있습니다.
딥페이크, 마스크, 사진, 비디오 같은 위조된 안면인증을 탐지하는 것도 중요합니다. AI는 여러 신호를 종합하여 위조를 감지합니다. 혈류 신호의 부재는 Deepfake나 마스크에서 자연스러운 심장 박동 신호가 나타나지 않는 특성입니다. 눈동자의 초점 부자연스러움이나 실제 얼굴에 나타나는 미세한 떨림의 부재도 신호가 될 수 있습니다. 눈동자의 조명 반사가 주변 환경과 일치하는지 확인하고 입 모양과 음성의 동기화도 검증합니다.
이러한 신호들을 종합적으로 분석하면 AI는 매우 높은 정확도로 위조를 탐지할 수 있습니다. 현재 최신 AI는 95% 이상의 위조 탐지율을 달성하고 있습니다.
금융기관의 시스템이 안면인증 과정에서 이상을 감지하면 거래를 즉시 중단할 수 있습니다. 예를 들어 외국인이 1,000만 원을 해외로 송금하려는데 안면인증 신뢰도가 70% 이하로 나타나면 시스템은 자동으로 거래를 중단합니다. 고객에게 "이 거래가 맞습니까?"라는 확인 메시지를 발송하고 일회용 인증 코드를 이메일과 문자로 전송하며 추가 인증이 필요함을 안내합니다.
고객이 확인하지 않으면 거래는 진행되지 않습니다. 고객이 "이것은 제 거래가 아닙니다"라고 응답하면 시스템은 즉시 계좌를 잠금하고 보안 팀에 알립니다. 거래 수취인도 분석됩니다. 거래 수취인이 알려진 사기 조직의 계좌라면 안면인증 결과와 무관하게 거래를 거부할 수 있습니다.
금융기관은 과거의 모든 사기 사건을 분석하여 안면인증 데이터와의 연관 패턴을 파악합니다. 성공한 사기 사건을 분석하면 특정 얼굴 특징이 특정 거래 유형과 함께 나타날 때 사기였다는 패턴을 발견할 수 있습니다. AI는 이러한 패턴을 학습하여 비슷한 패턴이 나타나면 미리 경고할 수 있게 됩니다.
성공적으로 차단된 사기 시도도 학습 데이터가 됩니다. 시스템이 "이 안면인증 특징은 의심스럽습니다"라고 판정했는데 실제로 그것이 사기였다면 이는 정확한 판정으로 강화 학습이 진행됩니다.
.svg)
.svg)
