KR102290481B1 - 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치 - Google Patents

블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치 Download PDF

Info

Publication number
KR102290481B1
KR102290481B1 KR1020200022840A KR20200022840A KR102290481B1 KR 102290481 B1 KR102290481 B1 KR 102290481B1 KR 1020200022840 A KR1020200022840 A KR 1020200022840A KR 20200022840 A KR20200022840 A KR 20200022840A KR 102290481 B1 KR102290481 B1 KR 102290481B1
Authority
KR
South Korea
Prior art keywords
information
real estate
loan
server
transaction
Prior art date
Application number
KR1020200022840A
Other languages
English (en)
Inventor
문욱
Original Assignee
(주)오아시스비즈니스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)오아시스비즈니스 filed Critical (주)오아시스비즈니스
Priority to KR1020200022840A priority Critical patent/KR102290481B1/ko
Application granted granted Critical
Publication of KR102290481B1 publication Critical patent/KR102290481B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G06Q40/025—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/1854—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast with non-centralised forwarding system, e.g. chaincast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0815—Network architectures or network communication protocols for network security for authentication of entities providing single-sign-on or federations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2220/00—Business processing using cryptography
    • G06Q2220/10—Usage protection of distributed data files

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Molecular Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 개시는 서버 장치가 부동산 거래 서비스를 제공하는 방법에 관한 것이다. 일 실시 예에 의하면, 서버 장치가 부동산 거래 서비스를 제공하는 방법은 상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하는 단계; 상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하는 단계; 상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하는 단계; 및 상기 획득된 견적 정보를 상기 외부 디바이스로 전송하는 단계; 를 포함할 수 있다.

Description

블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치 {METHOD AND APPARATUS FOR PROVIDING REAL ESTATE TRANSACTION SERVICE INTERACTING WITH FINTECH BASED ON BLOCK CHAIN}
본 개시는 대상 부동산에 대한 거래 서비스를 제공하는 방법 및 장치에 관한 것이다. 보다 상세하게는, 블록 체인을 기반으로 부동산 거래를 제공하는 방법 및 장치에 관한 것이다.
블록 체인은 데이터의 분산 처리에 관한 기술로써, 네트워크상에서 참여하는 모든 사용자의 거래 내역 등의 데이터를 분산하여 저장하는 기술이다. 블록 체인 상의 블록들은 블록 체인 구성원 간의 거래에 관한 트랜젝션들이 기록되는 장부이다. 이러한 블록들은 생성 후 시간의 흐름에 따라 순차적으로 연결된 체인의 구조를 가지게 된다.
종래 중앙 집중식 데이터 관리 체계에서는 자체적으로 보안 기능이 구비되더라도, 악의적인 행위자로부터 충분히 데이터의 보안성이 유지되지 않는 경우가 자주 발생하였으나, 블록 체인 기반의 데이터 관리 체계에서는 모든 블록 체인의 구성원이 동일한 트랜젝션들이 기록된 블록 체인을 포함하고 있기 때문에, 악의적인 공격자는 블록 체인 기반 데이터의 변형이 쉽지 않다.
한편, 핀테크(FinTech)는 금융과 기술의 합성어로, 금융과 IT 융합을 통한 금융 서비스 및 산업의 변화를 통칭한다. 금융 서비스의 변화로써, 모바일, SNS, 빅 데이터 등 새로운 IT 기술등을 활용하여 기존 금융 기법과 차별화된 금융서비스를 제공하는 기술기반 금융 서비스들이 제공되고 있다.
또한, 컴퓨터 보급의 확산과 인터넷 기술의 비약적인 발전으로, 인터넷을 통한 다양한 서비스들이 활발하게 제공되고 있다. 특히, 인터넷의 비약적인 발전과 함께 전자 상거래 시장이 발달하면서, 전자 상거래 시장에서 판매 또는 구매되는 물품들은 잡화, 자동차 등의 동산에서 부동산으로 까지 확대되고 있으며, 부동산 임대차나 매매와 같이 거래 기능을 제공하기 위한 인터넷 서비스들이 제공되고 있다.
그러나, 일반적인 전자 상거래 기술들은 대상 부동산의 시세 등의 정보를 제공하는데 그칠 뿐, 개인의 금융 정보에 기초하여 부동산 거래에 필요한 금융 상품들을 통합하여 제공하지 못하는 한계가 있었다. 따라서, 신뢰성 있는 금융 정보에 기초하여 안정적인 부동산 거래를 위한 기술 개발이 요구되고 있다.
한국공개특허 제 10-2020-0010796호
일 실시 예에 따르면, 부동산 거래 서비스를 제공하는 방법 및 서버 장치가 제공될 수 있다.
또한, 일 실시 예에 의하면, 블록 체인을 이용하는 서버 장치가 인공 신경망 모델을 이용하여 부동산 거래 서비스를 제공하는 방법이 제공될 수 있다.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따라, 블록 체인을 이용하는 서버 장치가 부동산 거래 서비스를 제공하는 방법은 상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하는 단계; 상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하는 단계; 상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하는 단계; 및 상기 획득된 견적 정보를 상기 외부 디바이스로 전송하는 단계; 를 포함할 수 있다.
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 대상 부동산의 권리금 가액을 결정하는 서버 장치에 있어서, 네트워크 인터페이스; 하나 이상의 인스트럭션을 저장하는 데이터 베이스; 및 상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고, 상기 프로세서는 상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하고, 상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하고, 상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하고, 상기 획득된 견적 정보를 상기 외부 디바이스로 전송하는, 서버 장치가 제공될 수 있다.
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 블록 체인을 이용하는 서버 장치가 부동산 거래 서비스를 제공하는 방법에 있어서, 상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하는 단계; 상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하는 단계; 상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하는 단계; 및 상기 획득된 견적 정보를 상기 외부 디바이스로 전송하는 단계; 를 포함하는 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.
본 개시의 일 실시 예에 의하면, 대상 부동산에 대한 견적을 정확하게 제공할 수 있다.
또한, 블록 체인 기반으로 관리된 정보에 기초하여 대상 부동산에 대한 신뢰성 있는 견적 정보를 제공할 수 있다.
도 1은 일 실시 예에 따른 서버 장치가 부동산 거래 서비스를 제공하는 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 서버 장치가 부동산 거래 서비스를 제공하는 방법을 나타내는 흐름도이다.
도 3은 일 실시 예에 따른 서버 장치가 외부 디바이스로부터 획득하는 거래 정보 및 사용자 정보의 구체적인 구성을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 서버 장치가 이용하는 인공 신경망 모델이 매물 정보 별 견적 정보를 출력하도록 하는 과정을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 서버 장치가 이용하는 인공 신경망 모델이 후보 매물 및 후보 대출 상품의 조합 별 견적 정보를 출력하도록 하는 과정을 설명하기 위한 도면이다.
도 6은 일 실시 예에 따른 서버 장치가 대출 상품 중 후보 대출 상품을 식별하는 과정을 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 서버 장치가 연결되는 공공 데이터 서버의 구성을 구체적으로 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 서버 장치가 블록 체인 기반으로 공공 데이터 서버 내 정보들을 관리하는 과정을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 서버 장치의 블록도이다.
도 10은 일 실시 예에 따른 서버 장치와 연결되는 외부 디바이스의 블록도이다.
도 11은 일 실시 예에 따른 서버 장치 및 외부 디바이스가 서로 연동함으로써 부동산 거래 서비스를 제공하는 과정을 설명하기 위한 도면이다.
도 12는 또 다른 실시 예에 따른 서버 장치가 부동산 거래 서비스를 제공하는 과정을 설명하기 위한 도면이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 일 실시 예에 따른 서버 장치가 부동산 거래 서비스를 제공하는 과정을 개략적으로 설명하기 위한 도면이다.
일 실시 예에 의하면, 서버 장치(1000)는 인공 신경망 모델(Artificial Neural Network)를 이용하여 매도인(102)과 매수인(104)사이의 부동산 거래 서비스를 제공할 수 있다. 예를 들어, 서버 장치(1000)는 매수인(104)으로부터 부동산 거래에 관한 계약 및 대출 관련 견적 요청(112)을 획득하고, 상기 요청에 응답하여 대상 부동산 거래에 대한 계약 및 대출관련 견적 정보(114)를 제공할 수 있다.
또한, 일 실시 예에 의하면, 서버 장치(1000)는 대상 부동산을 위한 거래 정보, 외부 디바이스의 사용자 정보, 부동산 데이터 서버(4000)로부터 획득되는 부동산 매물 정보, 블록 체인 기반 공공 데이터 서버(5000)로부터 획득되는 대출 정보에 기초하여, 매수인(104)의 재무 상태에 적합한 부동산 매물 및 대상 부동산 매물에 대한 대출 정보를 종합적으로 제공할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 네트워크(3000)를 통하여 외부 디바이스(2000)와 연결될 수 있다. 또한, 일 실시 예에 의하면, 서버 장치(1000)는 네트워크(3000)와 다른 네트워크를 통하여 부동산 데이터 서버(4000) 또는 블록 체인 기반의 공공 데이터 서버(5000)와 연결될 수 있다. 서버 장치(1000)는 네트워크(3000)를 통하여 도 1에 도시된 외부 디바이스(2000)뿐만 아니라 다른 복수의 외부 디바이스들과 연결될 수 있다. 본 개시에 따른 외부 디바이스(2000)는 적어도 하나의 네트워크 인터페이스를 포함하는 전자 장치일 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 미리 학습된 인공 신경망 모델을 이용하여 서버 장치와 연결되는 외부 디바이스(2000)로부터 부동산 구매를 위한 거래 정보 및 외부 디바이스의 사용자 정보를 획득하고, 획득된 거래 정보 및 사용자 정보에 기초하여, 대상 부동산에 대한 계약 및 대출 견적을 제공할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 대상 부동산에 대한 거래 정보, 외부 디바이스의 사용자 정보에 기초하여 특징 정보를 결정하고, 결정된 특징 정보를 인공 신경망 모델에 입력함으로써, 상기 인공 신경망 모델로부터 대상 부동산에 대한 견적 정보를 획득할 수 있다. 일 실시 예에 의하면, 견적 정보는 부동산 매물에 대한 매물 견적 정보 및 대상 부동산에 적용 가능한 대출 견적 정보를 포함할 수 있다.
서버 장치(1000)가 이용하는 인공 신경망 모델(112)은 빅 데이터를 처리하기 위한 적어도 하나의 인공 지능 모델을 포함할 수 있다. 또 다른 실시 예에 의하면, 서버 장치(1000)는 상기 인공 신경망 모델과 다른 데이터 마이닝 기법에 기초하여 상술한 정보들을 수집하고, 시간의 흐름 별 데이터 변동 패턴, 변동 추이를 예측하는 인공 신경망 모델을 더 포함할 수 있다.
서버 장치(1000)가 이용하는 인공 신경망 모델은 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공 신경망 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망 모델은 심층 신경망(DNN:Deep Neural Network)을 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
일 실시 예에 의하면, 서버 장치(1000)는 대상 부동산에 관한 부동산 거래 서비스를 제공하기 위해, 거래 정보 및 외부 디바이스의 사용자 정보를 외부 디바이스로부터 획득하고, 부동산 데이터 서버(4000) 또는 상기 부동산 데이터 서버와 연결된 중개 사무소 단말들로부터 부동산 매물 정보를 획득하며, 블록 체인 기반의 공공 데이터 서버(5000)로부터 대출 정보 등을 수집하고, 수집된 정보들의 시간의 흐름에 따른 패턴을 결정하며, 결정된 패턴에 기초하여 인공 지능 모델을 학습시킬 수 있다.
서버 장치(1000)가 연결되는 부동산 데이터 서버(4000)는 부동산에 대한 매물 정보를 저장하는 서버로써, 대상 부동산이 위치하는 소정의 지역 범위 내의 중개 사무소 단말들로부터 미리 설정된 주기에 따라 부동산 매물 정보를 획득할 수 있다. 또 다른 실시 예에 의하면, 부동산 데이터 서버(4000)는 부동산에 대한 매물 정보를, 복수의 중개 사무소 단말로부터 실시간으로 획득할 수도 있다.
또한, 서버 장치(1000)가 연결되는 블록 체인 기반의 공공 데이터 서버(5000)는 후술하는 바와 같이, 국토부 데이터 서버, 법원 데이터 서버, 공인 중개사 데이터 서버, 금융 결제원 데이터 서버, 업무 협조기관 데이터 서버 또는 상기 금융 기관 서버와 같은 블록체인 구성원 서버 중 적어도 하나를 포함할 수 있다. 공공 데이터 서버(5000)는 국토부 데이터 서버, 법원 데이터 서버, 공인 중개사 데이터 서버, 금융 결제원 데이터 서버, 업무 협조기관 데이터 서버 또는 상기 금융 기관 서버에 저장된 공공 데이터 정보를 블록 체인(114)형태로 구성하고, 상기 블록 체인 형태의 공공 데이터 정보를 블록 체인 구성원 서버들 각각에 분산 저장하여 관리할 수 있다. 일 실시 예에 의하면, 공공 데이터 서버(5000)는 대출 정보를 포함하는 금융 정보, 대상 부동산과 관련된 각종 공공 데이터 정보를 수집하고 미리 설정된 주기에 따라 수집된 정보들을 서버 장치(1000)로 전송할 수도 있다.
블록 체인(Block chain)은 새로운 블록들을 검증하기 위한 규약을 집단적으로 준수하는 P2P(peer to peer)네트워크에 의해 생성되고 관리되는 위변조가 불가능한 분산 저장 기술이다. 본 개시에 따른 공공 데이터 서버(5000)는 공공 데이터 서버 내 블록 체인 구성원 서버들 사이에서 발생하는 트랜잭션(쌍방간의 쪼갤 수 없는 단위 작업)들이 기록된 데이터 블록(210)들을 체인(chain)형태로 연결함으로써 블록 체인을 생성하고, 생성된 블록들을 블록 체인 구성원 서버들 각각에 분산하여 저장함으로써, 공공 데이터 정보의 신뢰성을 확보할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 네트워크(3000)를 통하여 외부 디바이스(2000)와 연결됨으로써, 외부 디바이스와 데이터를 송수신할 수 있는 기타 컴퓨팅 장치를 포함할 수 있다. 또한, 일 실시 예에 의하면, 서버 장치(1000)는 웨어러블 디바이스를 관리하기 위한 W-BMS(Wearable Business Management Server)일 수 있다. 일 실시 예에 의하면, 네트워크(3000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하고, 도 1에 도시된 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 직접, 네트워크(3000) 또는 상기 네트워크(3000)와 다른 네트워크를 통하여 부동산 데이터 서버, 공공 데이터 서버와 연결될 수 있다. 또한, 서버 장치(1000)는 네트워크(3000) 또는 상기 네트워크(3000)와 다른 네트워크를 통하여 기존의 레거시 시스템과 연결될 수 있다. 서버 장치(1000)는 레거시 시스템과 연동됨으로써 하나 이상의 외부 디바이스에 액세스 할 수도 있으며, 레거시 시스템은 기존의 네트워크(3000)를 통하여 서버 장치와 연결될 수 있는 복수의 서버들을 포함할 수 있다. 일 실시 예에 의하면, 부동산 데이터 서버 또는 공공 데이터 서버 중 적어도 하나는 레거시 시스템에 포함될 수도 있다.
일 실시 예에 의하면, 외부 디바이스(2000)는 서버 장치(1000)와 통신할 수 있는 통신 모듈을 포함하는 다양한 형태의 장치로 구현될 수 있다. 예를 들어, 외부 디바이스 (2000)는 디지털 카메라, 모바일 단말, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어 등이 있을 수 있으나, 이에 한정되는 것은 아니다.
또한, 일 실시 예에 의하면, 외부 디바이스(2000)는 사용자에 의해 착용될 수 있는 장치(wearable device, 2010)일 수 있다. 웨어러블 디바이스는 액세서리 형 장치(예컨대, 시계, 목걸이, 안경), 머리 착용형 장치(Head Mounted Display Device, HMD), 신체 부착형 장치(예컨대, 스킨 패드(skin pad)) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.
도 2는 일 실시 예에 따른 서버 장치가 부동산 거래 서비스를 제공하는 방법을 나타내는 흐름도이다.
S210에서, 서버 장치(1000)는 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 외부 디바이스의 사용자 정보를 획득할 수 있다. 예를 들어, 서버 장치(1000)는 외부 디바이스로부터 상기 대상 부동산 구매를 위한 견적 요청을 획득하고, 획득된 견적 요청에 응답하여 상기 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보의 송신을 요청하며, 상기 거래 정보 및 상기 사용자 정보의 송신 요청에 응답하여 상기 외부 디바이스로부터, 상기 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득할 수 있다.
S220에서, 서버 장치(1000)는 거래 정보 및 사용자 정보에 기초하여 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)는 거래 정보 및 사용자 정보를 가중합함으로써 특징 정보를 생성할 수 있다. 예를 들어, 서버 장치(1000)는 특 징 정보를 생성하는데 필요한 정보의 수에 기초하여 파라미터의 수를 결정할 수 있다. 서버 장치(1000)는 거래 정보 및 사용자 정보 각각에 대하여 서로 다른 가중치 파라미터를 적용하고, 상기 가중치 파라미터가 적용된 거래 정보 및 사용자 정보를 가중합함으로써, 특징 정보를 생성할 수 있다. 또 다른 실시 예에 의하면, 서버 장치(1000)는 거래 정보, 사용자 정보, 부동산 데이터 서버로부터 획득된 매물 정보, 상기 공공 데이터 서버로부터 획득된 공공 데이터 정보 각각에 대하여 서로 다른 가중치 파라미터를 적용하고, 상기 가중치 파라미터가 적용된 거래 정보, 사용자 정보, 매물 정보 또는 공공 데이터 정보를 가중합함으로써 특징 정보를 생성할 수 있다.
일 실시 예에 의하면, 특징 정보 내 각각의 거래 정보, 사용자 정보, 매물 정보, 공공 데이터 정보들은 식별 코드로 식별될 수 있는 정형화된 데이터 및 식별 코드로 식별되지 않고, 단순히 문자로 표기되는 비정형화 데이터로 표현될 수 있다. 본 개시에 따른 서버 장치(1000)는 상기 거래 정보, 사용자 정보, 매물 정보, 공공 데이터 정보들 각각에 포함된 정형화된 데이터 및 비정형화 데이터를 인코딩함으로써 인코딩 시퀀스를 생성하고, 각각의 정보 별로 생성된 인코딩 시퀀스를 연결함으로써 벡터 형태의 특징 정보를 결정할 수 있다. 서버 장치(1000)는 거래 정보, 사용자 정보, 매물 정보 및 공공 데이터 정보들 각각에 대해 서로 다른 가중치를 결정하고, 결정된 서로 다른 가중치를, 거래 정보, 사용자 정보, 매물 정보 및 공공 데이터 정보 각각에 대응되는 인코딩 시퀀스에 적용함으로써, 상기 인코딩 시퀀스를 하나의 벡터 형태의 특징 정보로 생성할 수 있다.
S230에서, 서버 장치(1000)는 부동산 특징 정보가 입력되면, 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델을 이용하여 대상 부동산에 관한 견적 정보를 획득할 수 있다. 예를 들어, 서버 장치(1000)는 거래 정보에 포함된 부동산 식별 정보 및 대출 요청 정보와 대출 요청 정보에 포함된 대출 견적 요청 유무에 대한 정보에 기초하여 결정된 특징 정보를 인공 신경망 모델에 입력시킬 수 있다. 특징 정보는 인공 신경망 모델의 학습을 위한 미지 차원의 벡터 시퀀스일 수 있다. 서버 장치(1000)가 이용하는 인공 신경망 모델은, 부동산 식별 정보, 개인의 대출 요청 유무에 대한 정보가 입력되면, 부동산 식별 정보에 기초하여 식별되는 대상 부동산의 매물 견적과 상기 매물 견적에 대한 대출 견적에 대한 정보를 출력하도록 미리 학습될 수 있다.
S240에서, 서버 장치(1000)는 인공 신경망 모델로부터 획득된 견적 정보를 외부 디바이스로 전송할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)는 획득된 견적 정보를 상기 외부 디바이스로 전송함과 함께, 상기 견적 정보를 상기 서버 장치 내 데이터 베이스에 더 저장할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)의 인공 신경망 모델 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치들은 상기 데이터 베이스에 저장된 견적 정보에 기초하여 수정 및 갱신될 수 있다.
도 3은 일 실시 예에 따른 서버 장치가 외부 디바이스로부터 획득하는 거래 정보 및 사용자 정보의 구체적인 구성을 설명하기 위한 도면이다.
일 실시 예에 의하면, 서버 장치(1000)가 외부 디바이스(2000)로부터 획득하는 거래 정보(310)는 대상 부동산 구매에 필요한 계약 정보(320) 및 대출 견적 요청 유무에 관한 대출 요청 정보(330)를 포함할 수 있다. 일 실시 예에 의하면, 계약 정보(320)는 부동산 식별 정보, 거래타입에 관한 정보 중 적어도 하나를 포함할 수 있다. 부동산 식별 정보는 부동산을 식별하기 위한 정보로써, 대상 부동산의 위치를 나타내는 주소 정보일 수 있다. 거래 타입에 관한 정보는 대상 부동산에 대하여 부동산 계약의 종류 또는 부동산의 거래 타입을 나타낼 수 있다. 예를 들어, 거래 타입에 관한 정보는 대상 부동산에 대한 거래의 종류로써, 매매 타입을 나타내는 정보, 전세 타입을 나타내는 정보, 월세 타입을 나타내는 정보 중 적어도 하나를 포함할 수 있다.
일 실시 예에 의하면, 대출 요청 정보는, 매수인의 금융 지원 상품에 대한 견적도 요청 의사에 대한 정보를 나타낼 수 있다. 본 개시에 따른 서버 장치(1000)는 매수인이 이용하는 외부 디바이스로부터 획득된 거래 정보에 포함된 대출 요청 정보를 식별하고, 대출 요청 정보가 대출 신청을 나타내는 정보를 포함하고 있는지 또는 대출 신청하지 않음을 나타내는 정보를 포함하고 있는지 여부에 기초하여, 대상 부동산에 대한 서로 다른 견적 정보를 제공할 수 있다.
일 실시 예에 의하면, 사용자 정보(340)는 신용도 조회에 대한 사용자 동의 정보 및 개인 대출 이력 정보 조회에 대한 사용자 동의 정보를 포함할 수 있다. 그러나, 이에 한정되는 것은 아니고, 사용자 정보(340)는 대상 부동산에 대한 견적 요청을 의뢰한 사용자를 식별하기 위한 사용자 식별 정보를 더 포함할 수도 있다.
예를 들어, 서버 장치(1000)는 대출 요청 정보가 대출 신청을 나타내는 정보를 포함하고 있는 것으로 식별되는 경우, 대상 부동산에 대한 매물 견적 및 대출 견적 정보를 함께 출력할 수 있다. 그러나, 또 다른 실시 예에 의하면, 서버 장치(1000)는 대출 요청 정보가 대출 신청하지 않음을 나타내는 정보를 포함하고 있는 것으로 식별되는 경우, 대상 부동산에 대한 매물 견적 정보만을 출력할 수 있다. 또한, 일 실시 예에 의하면, 서버 장치(1000)는 대출 요청 정보 내에 대출 신청을 나타내는 정보가 포함된 것으로 식별되는 경우에도, 사용자 정보에 신용도 조회에 대한 사용자 동의 정보 및 개인 대출 이력 정보 조회에 대한 사용자 동의가 포함되어 있는지 여부를 더 식별한 후, 대상 부동산에 대한 대출 견적을 제공할 수도 있다.
도 4는 일 실시 예에 따른 서버 장치가 이용하는 인공 신경망 모델이 매물 정보 별 견적 정보를 출력하도록 하는 과정을 설명하기 위한 도면이다.
S410에서, 서버 장치(1000)는 서버 장치와 연결된 부동산 데이터 서버로부터 대상 부동산에 대한 매물 정보를 실시간으로 획득할 수 있다. 예를 들어, 서버 장치(1000)는 복수의 중개 단말들에 직접 접속하여 실시간으로 대상 부동산에 대한 매물 정보를 획득할 수도 있지만, 부동산 데이터 서버를 통하여, 미리 설정된 주기에 따라 대상 부동산에 대한 복수의 매물 정보들을 획득하고, 획득된 매물 정보들을 서버 장치 내 데이터 베이스에 저장할 수도 있다.
S420에서, 서버 장치(1000)는 매물 정보 내 부동산 매물들 중, 계약 정보 및 사용자 정보에 매칭되는 후보 매물에 관한 후보 매물 정보를 식별할 수 있다. 일 실시 예에 의하면, 계약 정보는 대상 부동산을 식별하기 위한 식별 정보 및 매수인이 대상 부동산과 관련하여 원하는 거래 타입에 대한 정보를 포함하고, 사용자 정보는 사용자 선호 부동산 타입에 대한 정보를 포함할 수 있다.
서버 장치(1000)는 부동산 데이터 서버로부터 획득된 매물 정보 중, 부동산 식별 정보에 기초하여 소정의 지역에 위치하는 제1 후보 매물들을 결정하고, 결정된 제1 후보 매물들 중, 매수인이 원하는 거래 타입(예컨대, 매매)에 대한 정보에 기초하여 전세 또는 월세 거래 타입의 매물들을 제거함으로써, 제2 후보 매물들을 결정할 수 있다. 서버 장치(1000)는 제2 후보 매물들 중, 사용자 선호 부동산 타입에 대한 정보(예컨대, 아파트)에 매칭되지 않는 매물들(예컨대, 다가구, 다세대)을 제거함으로써, 제3 후보 매물들을 결정하고, 결정된 제3 후보 매물들에 기초하여 후보 매물 정보를 식별한다.
S430에서, 서버 장치(1000)는 후보 매물 정보 내 소정의 후보 매물들에 대한 견적 정보를 출력하도록 인공 신경망 모델을 학습(train)시킬 수 있다. 예를 들어, 서버 장치(1000)는 매물 정보들 중, 거래 정보 및 사용자 정보에 포함된 적어도 하나의 정보(예컨대, 부동산 식별 정보)가 입력될 때, 상기 입력된 정보에 매칭되는 소정의 후보 매물들의 출력 값을 상기 입력 정보와 매칭함으로써 저장하고, 상기 매칭된 입력 정보 및 출력 값에 기초하여 인공 신경망 모델이 후보 매물들에 대한 견적 정보들을 출력하도록 학습시킬 수 있다.
보다 상세하게는, 서버 장치(1000)는 부동산 서버 데이터로부터 획득된 매물 정보 중, 부동산 식별 정보에 매칭되는 소정의 지역 내 제1 후보 매물 정보를 결정하고, 상기 부동산 식별 정보 및 상기 제1 후보 매물 정보를 매칭하며, 상기 매칭된 부동산 식별 정보 및 상기 제1 후보 매물 정보에 기초하여 인공 신경망 모델을 학습시킴으로써, 인공 신경망 모델이, 부동산 식별 정보가 입력되면 제1 후보 매물 정보에 대한 견적 정보들을 출력하도록 할 수 있다.
또한, 서버 장치(1000)는 부동산 식별 정보에 매칭되는 소정의 지역 내 제1 후보 매물 정보를 결정하고, 상기 결정된 제1 후보 매물 정보 중, 매수인이 원하는 거래 타입에 대한 정보에 매칭되는 제2 후보 매물을 결정하며, 상기 부동산 식별정보 및 제1 후보 매물 정보와 부동산 거래 타입에 대한 정보 및 제2 후보 매물 정보를 각각 매칭함으로써 제1 매칭 정보 및 제2 매칭 정보들을 생성할 수 있다. 서버 장치(1000)는 상기 부동산 식별정보 및 제1 후보 매물 정보를 매칭함으로써 생성된 제1 매칭 정보 및 상기 부동산 거래 타입에 대한 정보 및 제2 후보 매물 정보에 기초하여 인공 신경망 모델을 학습시킴으로써, 상기 인공 신경망 모델에 부동산 식별 정보 및 부동산 거래 타입에 대한 정보에 기초하여 생성된 특징 정보가 입력되면, 인공 신경망 모델로부터 제2 후보 매물 정보에 따른 견적 정보들이 출력되도록 인공 신경망 모델을 학습시킬 수 있다.
즉, 본 개시에 따른 서버 장치(1000)는 상술한 바와 같이, 계약 정보 및 사용자 정보에 매칭되는 후보 매물 정보를 식별하고, 상기 계약 정보 및 사용자 정보에 매칭되는 후보 매물 정보를 매칭함으로써 매칭 정보를 생성하며, 생성된 매칭 정보에 기초하여 인공 신경망 모델을 학습시킴으로써, 인공 신경망 모델이 소정의 후보 매물들에 대한 견적 정보를 출력하도록 할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 계약 정보 및 사용자 정보 중 적어도 하나의 정보와 상기 후보 매물 정보 중 적어도 하나의 매물들을 매칭함으로써 생성된 매칭 정보들을 이용하여 상기 계약 정보 및 사용자 정보의 매칭 패턴들을 결정할 수 있다. 본 개시에 따른 서버 장치(1000)가 상술한 매칭 정보들에 기초하여 인공 신경망 모델을 학습시키는 과정은, 매칭 정보들에 기초하여 결정된 복수의 매칭 패턴들에 기초하여 인공 신경망 모델을 학습시키는 과정에 대응될 수 있다.
도 5는 일 실시 예에 따른 서버 장치가 이용하는 인공 신경망 모델이 후보 매물 및 후보 대출 상품의 조합 별 견적 정보를 출력하도록 하는 과정을 설명하기 위한 도면이다.
S520에서, 서버 장치(1000)는 대출 요청 정보 내 대출 견적 요청이 존재하는지 여부를 식별할 수 있다. 예를 들어, 서버 장치(1000)는 대출 요청 정보 내 대출 신청을 나타내는 정보가 포함되어 있는 경우, 대출 견적 요청이 존재하는 것으로 식별할 수 있다. 그러나, 서버 장치(1000)는 대출 요청 정보 내 대출 신청 하지 않음을 나타내는 정보가 포함되어 있는 경우, 대출 견적 요청이 존재하지 않는 것으로 식별할 수 있다.
S540에서, 서버 장치(1000)는 대출 요청 정보 내 대출 견적 요청이 존재하는 경우, 서버 장치와 연결된 공공 데이터 서버로부터 대출 정보를 획득할 수 있다. 예를 들어, 서버 장치(1000)는 항상 공공 데이터 서버로부터 대출 정보를 획득하는 것이 아니라, 대출 요청 정보 내 대출 견적 요청이 존재하는 것으로 식별되는 경우에만, 공공 데이터 서버로부터 대출 정보들을 획득함으로써, 부동산 거래 서비스를 효과적으로 제공할 수 있다.
또 다른 실시 예에 의하면, 서버 장치(1000)는 대출 요청 정보 내 대출 견적 요청이 존재하는 것을 식별함과 함께, 외부 디바이스로부터 수신된 사용자 정보 내 신용도 조회에 대한 사용자 동의 정보 및 개인 대출 이력 정보 조회에 대한 사용자 동의 정보가 존재하는 것으로 식별되는 경우에만, 공공 데이터 서버에 접속함으로써, 공공 데이터 서버로부터 대상 부동산에 대한 대출 정보들을 획득할 수도 있다.
S560에서, 서버 장치(1000)는 대출 정보 내 대출 상품들 중, 후보 매물에 적용 가능한 후보 대출상품들을 식별할 수 있다. 예를 들어, 서버 장치(1000)는 부동산 데이터 서버로부터 획득된 매물 정보들로부터, 계약 정보 및 사용자 정보에 매칭되는 후보 매물 정보를 식별하고, 상기 식별된 후보 매물 정보, 계약 정보 및 사용자 정보에 매칭되는 후보 대출 상품들을, 대출 정보들로부터 식별할 수 있다.
S580에서, 서버 장치(1000)는 후보 매물 및 후보 대출 상품의 조합 별 견적 정보를 출력하도록 인공 신경망 모델을 학습시킬 수 있다. 예를 들어, 서버 장치(1000)는 계약 정보, 사용자 정보 및 상기 계약 정보 및 사용자 정보에 대응되는 후보 매물 정보에 매칭되는 후보 대출 상품을 식별하고, 상기 계약 정보, 상기 사용자 정보 및 상기 후보 매물 정보와 상기 식별된 후보 대출 상품을 매칭함으로써 매칭 정보를 생성하며, 상기 매칭 정보에 기초하여 인공 신경망 모델을 학습시킴으로써, 인공 신경망 모델이 소정의 후보 매물 및 후보 대출 상품에 대한 견적 정보를 출력하도록 할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 상기 후보 매물 및 후보 대출 상품의 조합 별 견적 정보들이 출력되도록 인공 신경망 모델을 학습시킬 수도 있다.
보다 상세하게는, 서버 장치(1000)는 계약 정보 및 사용자 정보에 기초하여 매물 정보들로부터 후보 매물을 식별하고, 상기 계약 정보, 사용자 정보 및 후보 매물에 매칭되는 후보 대출 상품을, 대출 정보들에 따른 복수의 대출 상품들로부터 결정하며, 상기 계약 정보, 사용자 정보 및 후보 매물과, 상기 최종 식별된 후보 대출 상품을 매칭함으로써 매칭 정보를 생성할 수 있다. 서버 장치(1000)는 상기 매칭 정보에 기초하여 인공 신경망 모델을 학습시킴으로써, 인공 신경망 모델은, 상기 매칭된 계약 정보, 사용자 정보 및 후보 매물 정보들에 대한 특징 정보가 입력되면, 상기 후보 매물 및 상기 후보 매물들에 적용 가능한 대출 상품의 조합 별 견적들을 출력할 수 있다.
도 6은 일 실시 예에 따른 서버 장치가 대출 상품 중 후보 대출 상품을 식별하는 과정을 설명하기 위한 도면이다.
S620에서, 서버 장치(1000)는 공공 데이터 서버로부터 사용자의 신용도 정보 및 사용자의 개인 대출 이력 정보를 획득할 수 있다. 예를 들어, 서버 장치(1000)는 외부 디바이스로부터 대출 요청 정보를 획득하고, 획득된 대출 요청 정보 내에 대출 신청을 나타내는 정보가 포함된 것으로 식별되는 경우, 사용자 정보를 조회하고, 사용자 정보에 신용도 조회에 대한 사용자 동의 정보 및 개인 대출 이력 정보 조회에 대한 사용자 동의 정보가 포함된 경우에만, 공공 데이터 서버로부터 사용자의 신용도 정보 및 개인 대출 이력 정보를 획득할 수 있다.
S640에서, 서버 장치(1000)는 대출 상품 중, 상기 획득된 신용 정보 및 상기 개인 대출 이력 정보에 매칭되는 후보 대출 상품을 식별할 수 있다. 예를 들어, 서버 장치(1000)는 서버 장치와 연결되는 공공 데이터 서버에 액세스 하고, API 연동 서버의 제어에 의해, 공공 데이터 서버에 저장된 공공 데이터 정보들을 획득할 수 있다. 서버 장치(1000)는 계약 정보에 기초하여 식별되는 대상 부동산에 적용 가능한, 대출 상품들을 공공 데이터 정보들로부터 추출하고, 추출된 대출 상품들 중, 상기 획득된 사용자의 신용도 정보 및 개인 대출 이력 정보에 기초하여 일부의 후보 대출 상품들을 식별할 수 있다.
도 7은 일 실시 예에 따른 서버 장치가 연결되는 공공 데이터 서버의 구성을 구체적으로 설명하기 위한 도면이다.
일 실시 예에 의하면, 서버 장치(1000)가 연결되는 공공 데이터 서버(702)는 국토부 데이터 서버(710), 법원 데이터 서버(720), 공인 중개사 데이터 서버(730), 금융 결제원 데이터 서버(740), 업무 협조기관 데이터 서버(760) 또는 핀 테크 데이터 서버를 포함할 수 있다. 일 실시 예에 의하면, 핀 테크 데이터 서버는 적어도 하나의 금융 기관 서버 중 적어도 하나를 포함할 수 있다. 일 실시 예에 의하면, 공공 데이터 서버는 API 서버가 제공하는 API 연동 서비스에 기초하여, 상기 서버 장치와 연동될 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 공공 데이터 서버(702)내 국토부 데이터 서버(710)에 접속함으로써, 토지 대장(712), 지적도(714) 및 토지 이용 계획 확인서(716)에 대한 정보를 획득할 수 있다. 또한, 서버 장치(1000)는 법원 데이터 서버(720)에 접속함으로써 토지 등기(722), 건축물 등기(724) 및 집합 건물 등기(726)에 대한 정보를 획득할 수 있다.
또한, 일 실시 예에 의하면, 서버 장치(1000)는 공인 중개사 데이터 서버(730)에 접속함으로써, 대상 부동산이 속하는 지역 내 상가 시세(732), 권릭므 이력(734) 또는 상권 분석(736)에 대한 정보를 획득할 수 있다. 또한, 서버 장치(1000)는 금융 결제원 데이터 서버(740)에 접속함으로써 토지 대장(742), 임야 대장(744), 대지권 등록부(746) 또는 공유지 연명부(748)에 대한 정보를 획득할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 핀 테크 데이터 서버(750)에 접속함으로써, 핀 테크 데이터 서버로부터 금융 기관(752), 신용도 조회(754), 대출 금액 조회(756), 신용 대출 진행 현황(758) 및 개인 대출 이력(759)에 대한 정보를 더 획득할 수 있다. 또한, 서버 장치(10000)는 업무 협조 기관 데이터 서버(760)를 통하여 대한 법무사 협회 서버(762), 국토 교통부 서버(764), 국세청 서버(766)에 접속함으로써, 대상 부동산에 대한 등기, 소송, 경매 등에 대한 정보, 대상 부동산에 대하여 부과된 세금 관련 정보들을 더 획득할 수 있다.
본 개시에 따른 서버 장치(1000)는 부동산 데이터 서버뿐만 아니라, 외부 디바이스로부터 수신된 계약 정보, 사용자 정보에 기초하여 공공 데이터 서버로부터 대상 부동산에 대한 견적 요청을 의뢰한 사용자가 이용 가능한, 대출 상품들에 대한 정보를 실시간으로 획득할 수 있다. 서버 장치(1000)는 대상 부동산에 대한 계약 정보 외에도, 대출 상품들에 대한 종합 견적을 제공함으로써, 부동산 매도인 및 매수인 사이의 부동산 거래 서비스가 원활하게 진행되도록 할 수 있다. 일 실시 예에 의하면, 공공 데이터 서버는 구성원 서버들에 저장된 공공 데이터 정보들을 블록 체인을 기반으로 관리할 수 있다. 예를 들어, 공공 데이터 서버가 구성원 서버들 사이에서 발생된 트랜젝션들을 블록 체인을 이용하여 처리하는 방법은 도 8을 참조하여 더 구체적으로 설명하기로 한다.
도 8은 일 실시 예에 따른 서버 장치가 블록 체인 기반으로 공공 데이터 서버 내 정보들을 관리하는 과정을 설명하기 위한 도면이다.
본 개시에 따른 공공 데이터 서버(5000)는 공공 데이터 서버 내 블록 체인 구성원 서버들 사이에서 발생하는 트랜잭션(쌍방간의 쪼갤 수 없는 단위 작업)들이 기록된 데이터 블록(210)들을 체인(chain)형태로 연결함으로써 블록 체인을 생성하고, 생성된 블록들을 블록 체인 구성원 서버들 각각에 분산하여 저장함으로써, 공공 데이터 정보의 신뢰성을 확보할 수 있다.
일 실시 예에 의하면, 도 7에 도시된 국토부 데이터 서버, 법원 데이터 서버, 공인 중개사 데이터 서버, 금융 결제원 데이터 서버, 업무 협조기관 데이터 서버 또는 상기 금융 기관 서버들은, 블록 체인을 구성하는 노드들(802, 804, 806, 808, 810, 812)에 각각 대응하고, 블록체인 내의 각 노드들은, 상기 노드들 중 적어도 하나로부터 발생된 상기 대출 정보와 관련되는 트랜젝션들(transactions) 및 상기 트랜젝션들이 기록된 적어도 하나의 블록이 체인 형태로 연결된 블록 체인(820, 822, 824, 826, 828)을 공유할 수 있다.
예를 들어, 국토부 데이터 서버(710)내 대상 부동산이 속한 지역 내 토지의 필지가 변경됨으로써, 발생하는 토지 대장에 대한 변동사항은, 공공 데이터 서버 내 구성원들 사이의 트랜젝션(transaction)으로 처리될 수 있다. 일 실시 예에 의하면, 트랜젝션은 공공 데이터 서버 내 두 구성원 사이의 데이터의 교환, 데이터 값의 함수의 교환을 포함할 수 있고, 기타 서버 구성원들 사이의 규약에 따라 미리 정의된 이벤트의 발생을 의미할 수 있다. 블록 체인 내 트랜젝션들의 기록은 모든 후속 블록 및 네트워크의 결합을 변경하지 않고는, 블록 체인 내 기록들은 소급적으로 변경될 수 없다.
예를 들어, 국토부 데이터 서버(710)에 대응되는 블록 체인 구성원 노드를 노드(802)라고 가정하고, 노드(802)에서 트랜젝션이 발생한 경우를 가정하기로 한다. 국토부 데이터 서버(710)에 대응되는 노드(802)는 트랜젝션이 발생하면, 상기 트랜젝션이 발생된 노드에 인접한 적어도 하나의 피어(peer) 노드에 상기 트랜젝션을 무작위로 브로드캐스팅할 수 있다.
노드(802)에서 발생한 트랜젝션들이 상기 공공 데이터 서버 내 모든 노드들에 브로드캐스팅 되면, 상기 트랜젝션들을 기록하기 위한 미리 설정된 블록 생성 권한 규칙에 기초하여 상기 공공 데이터 서버 내 각 노드들 중 하나의 노드를 리더로 선출할 수 있다. 일 실시 예에 의하면, 공공 데이터 서버가 블록 체인을 이용하여 공공 데이터 정보를 관리함에 있어 이용하는 블록 생성 권한 규칙은 작업 증명(POW) 내지 지분 증명(POS)을 포함할 수 있으나, 이에 한정되는 것은 아니고, 블록 체인 내 블록을 생성하는 기능을 수행하기 위한 기타 리더 선출 방식 알고리즘을 포함할 수 있다.
예를 들어, 블록 생성 권한 규칙에 따라 노드(802)가 리더로 선출되는 경우, 노드(802)는 트랜젝션을 기록한 블록을 생성하고, 상기 블록들을 노드(802)에 인접한 무작위로 선택된 피어(peer)노드들(예컨대, 노드 804, 806, 808, 812 중 적어도 하나의 노드)에 상기 생성된 블록을 무작위로 브로드캐스팅하며, 상기 브로드캐스팅 된 블록들은 미리 설정된 블록 검증 규칙에 따라, 상기 데이터 서버 내 각 노드들에 의해 검증될 수 있다.
블록 체인을 구성하는 공공 데이터 서버 내 각 구성원 서버들은 블록 검증 규칙에 따라 수신된 블록들을 검증할 수 있으며, 동일한 트랜젝션을 포함하는 블록에 대하여는 동일한 검증 결과를 도출할 수 있다. 따라서, 공공 데이터 서버 내 각 구성원 서버들은 각각의 노드들이 리더로 선출된 노드로부터 수신한 새로 생성된 블록들에 대한 검증을 성공적으로 완료함으로써, 공공 데이터 서버 내 구성원 서버들 사이의 '합의(consensus)'를 도출할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 외부 디바이스로부터 수신된 거래 정보 및 사용자 정보에 기초하여, 공공 데이터 서버 내 시작 노드(initiaiting node, 예컨대 제네시스 노드)를 설정할 수 있다. 예를 들어, 서버 장치(1000)는 외부 디바이스로부터 수신된 사용자 정보 내 사용자 식별 정보에 기초하여 해당 사용자의 신용 정보를 획득하고, 획득된 사용자의 신용도가 미리 설정된 임계치 이하인 경우, 핀 테크 데이터 서버에 대응되는 노드를 블록 체인 시스템의 제네시스 노드로 설정할 수 있다.
그러나, 또 다른 실시 예에 의하면, 서버 장치(1000)는 외부 디바이스로부터 수신된 사용자 정보에 기초하여 조회된 해당 사용자의 신용 정보가 미리 설정된 임계치 이상인 경우, 핀 테크 데이터 서버를 제외한, 공공 데이터 서버 내 다른 구성원 서버들을 제네시스 노드로 지정할 수 있다. 즉, 본 개시에 따른 서버 장치(1000)는 외부 디바이스로부터 수신된 사용자 정보 및 계약 정보에 기초하여 공공 데이터 서버 내 구성원들로 구성된 블록 체인 시스템 내 제네시스 노드를 다르게 설정함으로써 공공 데이터 서버 내 공공 데이터들을 더 안전하게 관리할 수 있다. 일 실시 예에 의하면, 제네 시스 노드로 지정된 공공 데이터 서버 내 구성원 서버는 블록 체인의 원장에 자신을 등록한 다음, 수정된 원장을 자신의 이웃하는 공공 데이터 서버 내 구성원들에 무작위로 전달할 수 있다.
도 9는 일 실시 예에 따른 서버 장치의 블록도이다.
일 실시 예에 의하면, 서버 장치(1000)는 네트워크 인터페이스(2100), 데이터 베이스(2200) 및 프로세서(2300)를 포함할 수 있다. 그러나 도시된 구성요소 모두가 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 서버 장치(1000)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 서버 장치(1000)가 구현될 수 있다.
네트워크 인터페이스(2100)는 서버 장치(1000)가 다른 서버, 또는 외부 디바이스와 통신하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 예를 들어, 네트워크 인터페이스(2100)는 무선 통신 인터페이스(미도시), 유선 통신 인터페이스(미도시), 이동 통신부(미도시)를 포함할 수 있다. 무선 통신 인터페이스(미도시)는 근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
유선 통신 인터페이스(미도시)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS 232(recommended standard 232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 또한, 이동 통신부(미도시)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다. 네트워크 인터페이스(2100)는 외부 디바이스로부터 권리금 조회 요청, 대상 부동산과 관련된 부동산 정보, 외부 디바이스의 사용자 정보를 수신하며, 결정된 권리금 가액에 대한 정보들을 외부 디바이스로 전송할 수 있다.
데이터 베이스(2200)는 프로세서(2300)의 처리 및 제어를 위한 명령들(Instructions)을 저장할 수 있고, 서버 장치(1000)로 입력되거나 서버 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 일 실시 예에 의하면 데이터 베이스(2200)는 서버 장치의 다양한 모듈, 가상화 서비스, 애플리케이션, 프로그램, 패키지 서비스, 인공 신경망 모델, 가상 장치 모델 등에 필요한 명령어 집합들을 포함할 수 있다.
또한, 데이터 베이스(2200) 에 저장된 응용 프로그램을 위한 명령어는, 모바일 응용 프로그램, 하나 이상의 클라이언트 측 장치를 통해 실행 가능한 응용 프로그램을 위한 명령어들을 포함할 수 있다. 또한, 데이터 베이스(2200)는 부동산 데이터 서버로부터 수신된 매물 정보, 공공 데이터 서버로부터 수신된 공공 데이터 정보들을 저장하고, 상기 매물 정보 및 공공 데이터 정보에 기초하여 결정된 데이터 변동 추이에 관한 패턴 정보들을 더 저장할 수도 있다.
데이터 베이스(2200)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
프로세서(2300)는 프로세서(2300)는 통상적으로 서버 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 데이터 베이스(2200)에 저장된 프로그램들을 실행함으로써, 네트워크 인터페이스(2100)등을 전반적으로 제어할 수 있다. 또한, 프로세서(2300)는 데이터 베이스(2200)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 8에 기재된 서버 장치(1000)의 기능을 수행할 수 있다.
일 실시 예에 의하면, 프로세서(2300)는 데이터 베이스(2200) 내 하나 이상의 인스트럭션을 실행함으로써, 상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하고, 상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하고, 상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하고, 상기 획득된 견적 정보를 상기 외부 디바이스로 전송할 수 있다.
또한, 일 실시 예에 의하면, 프로세서(2300)는 상기 외부 디바이스로부터 상기 대상 부동산 구매를 위한 견적 요청을 획득하고, 상기 획득된 견적 요청에 응답하여 상기 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보의 송신을 요청하고, 상기 거래 정보 및 상기 사용자 정보의 송신 요청에 응답하여 상기 외부 디바이스로부터, 상기 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득할 수 있다.
또한, 프로세서(2300)는 획득된 견적 정보를 상기 외부 디바이스로 전송함과 함께, 상기 견적 정보를 상기 서버 장치 내 데이터 베이스에 저장하고, 상기 인공 신경망 모델 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치들은 상기 데이터 베이스에 저장된 견적 정보에 기초하여 갱신할 수 있다.
또한, 프로세서(2300)는 서버 장치와 연결된 부동산 데이터 서버로부터 상기 대상 부동산에 대한 매물 정보를 실시간으로 획득하고, 상기 매물 정보 내 부동산 매물들 중, 상기 계약 정보 및 사용자 정보에 매칭되는 후보 매물에 관한 후보 매물 정보를 식별하며, 인공 신경망 모델이 상기 후보 매물 정보 내 소정의 후보 매물들에 대한 견적 정보를 출력하도록 학습시킬 수 있다.
또한, 프로세서(2300)는 상기 대출 요청 정보 내 상기 대출 견적 요청이 존재하는지 여부를 식별하고, 상기 대출 요청 정보 내 상기 대출 견적 요청이 존재하는 경우, 상기 서버 장치와 연결된 공공 데이터 서버로부터 대출 정보를 획득하며, 상기 대출 정보 내 대출 상품들 중, 상기 후보 매물에 적용 가능한 후보 대출 상품을 식별하고, 인공 신경망 모델이 후보 매물 및 상기 후보 대출 상품의 조합 별 상기 견적 정보를 출력할 수 있도록 인공 신경망 모델을 학습시킬 수 있다.
또한, 프로세서(2300)는 상기 공공 데이터 서버로부터 상기 사용자의 신용도 정보 및 상기 사용자의 개인 대출 이력 정보를 획득하고, 대출 상품 중, 상기 획득된 신용도 정보 및 상기 개인 대출 이력 정보에 매칭되는 상기 후보 대출 상품을 식별할 수 있다.
도 10은 일 실시 예에 따른 서버 장치와 연결되는 외부 디바이스의 블록도이다.
일 실시 예에 따른 외부 디바이스(2000)는 사용자 입력 인터페이스(1100), 출력부(1200), 센싱부(1400), 네트워크 인터페이스(1500), 프로세서(1300), 메모리(1700) 및 전원부(미도시)를 더 포함할 수도 있다.
사용자 입력 인터페이스 (1100)는, 사용자가 외부 디바이스(2000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력 인터페이스 (1100)에는 키 패드(key pad), 터치 패드 등이 있을 수 있으나 이에 한정되는 것은 아니다. 사용자 입력 인터페이스는 서버 장치(1000)의 사용자 입력부에 대응될 수 있다. 일 실시 예에 의하면, 사용자 입력 인터페이스(1100)는 전자 장치를 조작하기 위한 다양한 사용자 입력을 수신할 수 있다.
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다. 디스플레이부(1210)는 도 8의 서버 장치(1000)의 디스플레이(840)에 대응될 수 있다.
디스플레이부(1210)는 외부 디바이스(2000)에서 처리된 권리금 후보 가액들을 표시할 수 있다. 디스플레이부(1210)는 서버 장치(1000)의 디스플레이와 연동됨으로써, 동일한 내용의 컨텐츠를 표시할 수 있다. 즉, 디스플레이부(1210)는 서버 장치(1000)의 디스플레이에 표시된 화면과 동일한 화면을 출력할 수도 있다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 전자 장치(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.
프로세서(1300)는 프로세서(1300)는, 통상적으로 전자 장치(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 디스플레이(1210), 네트워크 인터페이스(1500)등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 9에 기재된 서버 장치(1000)의 일부 기능을 수행할 수 있다.
예를 들어, 프로세서(1300)는 전자 장치(2000)의 센싱부를 제어함으로써, 환경 정보 또는 센싱 정보를 획득할 수 있다. 프로세서(1300)는 획득한 센싱 정보 또는 환경 정보를 서버 장치(1000)로 전송하도록 네트워크 인터페이스(1500)를 제어할 수 있다.
또한, 프로세서(1300)는 서버 장치(1000)로부터 획득된 센싱 정보 또는 환 경 정보에 기초하여, 전자 장치의 메모리에 저장된 센싱 정보 또는 환경 정보를 갱신할 수 있다. 또한, 프로세서(1300)는 전자 장치의 식별 정보 또는 전자 장치로 입출력된 데이터 이력에 대한 정보가 서버 장치(1000)로 전송되도록 네트워크 인터페이스(1500)를 제어할 수 있다.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 모션 센서(미도시), 접촉 강도 센서(미도시), 촉감(tactile) 출력 생성기 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
네트워크 인터페이스(1500)는 전자 장치(2000)가 다른 전자 장치(미도시), 외부 디바이스 및 서버 장치(1000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 전자 장치(미도시)는 전자 장치(2000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 네트워크 인터페이스(1500)는, 무선 통신 인터페이스(1510), 유선 통신 인터페이스(1520), 이동 통신부(1530)를 포함할 수 있다.
무선 통신 인터페이스(1510)는 근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
유선 통신 인터페이스(1520)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS 232(recommended standard 232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1530)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다. 네트워크 인터페이스(1500)는 서버 장치(1000)의 네트워크 인터페이스(860)에 대응될 수 있다.
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 명령들(Instructions)을 저장할 수 있고, 외부 디바이스 (1000)로 입력되거나 외부 디바이스(1000)로부터 출력되는 데이터를 저장할 수도 있다. 일 실시 예에 의하면 메모리(1700)는 외부 디바이스의 다양한 모듈, 애플리케이션, 프로그램, 패키지 서비스, 대상 부동산에 대한 권리금 가액들을 결정하는데 필요한 명령어 집합들을 포함할 수 있다. 또한, 메모리(1700)에 저장된 응용 프로그램을 위한 명령어는, 모바일 응용 프로그램, 하나 이상의 클라이언트 측 장치를 통해 실행 가능한 응용 프로그램을 위한 명령어들을 포함할 수 있다.
또한, 메모리(1700)는 외부 디바이스(2000)의 식별 정보, 환경 정보 또는 센싱 정보를 저장하고, 서버 장치(1000)로부터 획득된 환경 정보 또는 센싱 정보를 더 저장할 수도 있다. 메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다. 하지만, 이에 한정되는 것은 아니고, 더 많은 모듈을 포함할 수 도 있다. 예를 들어, 일 실시 예에 따른 메모리(1700)는 UI 모듈(1710), 터치 스크린 모듈(1720) 및 알림 모듈(1730)외에, 외부 디바이스 운영 체제 시스템 모듈, 애플리케이션 모듈, 설정 모듈을 더 포함할 수도 있다.
도 11은 일 실시 예에 따른 서버 장치 및 외부 디바이스가 서로 연동함으로써 부동산 거래 서비스를 제공하는 과정을 설명하기 위한 도면이다.
S1102에서, 외부 디바이스(2000)는 서버 장치(1000)로 대상 부동산 구매를 위한 견적 요청을 전송할 수 있다. S1104에서, 서버 장치(1000)는 대상 부동산 구매를 위한 거래 정보 및 외부 디바이스의 사용자 정보 송신을 요청할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)는 외부 디바이스(2000)로부터 수신된 견적 요청에 응답하여, 거래 정보 및 사용자 정보의 송신을 요청할 수 있다.
S1106에서, 외부 디바이스(2000)로부터 거래 정보 및 외부 디바이스의 사용자 정보를 전송할 수 있다. S1108에서, 서버 장치(1000)는 거래 정보 및 사용자 정보에 기초하여 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 특징 정보를 결정할 수 있다. S1110에서, 서버 장치(1000)는 특징 정보가 입력되면, 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델을 이용하여 견적 정보를 획득할 수 있다.
S1112에서, 서버 장치(1000)는 인공 신경망 모델로부터 출력된 견적 정보를 외부 디바이스(2000)로 전송할 수 있다. S1124에서, 외부 디바이스(2000)는 서버 장치(1000)로부터 수신된 견적 정보를 출력할 수 있다.
도 12는 또 다른 실시 예에 따른 서버 장치가 부동산 거래 서비스를 제공하는 과정을 설명하기 위한 도면이다.
일 실시 예에 의하면, 서버 장치(1000)는 매수인(902)으로부터 대상 부동산에 대한 견적 요청을 포함하는 계약 및 대출 데이터 요청(906)을 획득할 수 있다. 또한, 서버 장치(1000)는 복수의 공인 중개사 (904)들이 관리하는 단말로부터, 매도인들의 매물에 대한 정보를 획득할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)는 부동산 데이터 서버를 통하여 복수의 중개사 단말들에 액세스할 수 도 있다. 일 실시 예에 의하면, 서버 장치(1000)는 중개 사무소 단말을 통해, 대상 부동산에 대한 거래 금액, 계약 타입, 시설 정보등을 포함하는 점포 데이터를 수집할 수 있다.
또한, 일 실시 예에 의하면, 서버 장치(1000)는 대상 부동산에 대한 통합 금융 정보, 등기 정보, 법원 정보, 금융 결제원 정보, 핀 테크 데이터 정보 등을 블록 체인 기반으로 종합 관리하는 블록 체인 서버(914)와 연동됨으로써, 대상 부동산에 필요한 대출 정보를 획득할 수 있다. 일 실시 예에 의하면,
또한, 서버 장치(1000)는 블록 체인 서버(914)와 연동됨으로써, 국토부 데이터(916)에 액세스할 수 있고, 부동산 종합 공부 시스템(932)으로부터 대상 부동산에 대한 토지 대장, 지적도 및 토지 이용 계획 확인서에 대한 정보를 획득할 수도 있다. 또한, 서버 장치(1000)는 블록 체인 서버(914)와 연동됨으로써, 법원 데이터(918)에 액세스할 수 있고, 대법원 인터넷 등기소(934)로부터 대상 부동산에 대한 토지 등기, 건축 물 등기 및 집합 건물 등기에 대한 정보를 획득할 수도 있다.
또한, 서버 장치(1000)는 공인 중개사 데이터(920)에 액세스 함으로서, 한국 공인 중개사 협회(936)서버로부터, 대상 부동산에 대한 상가 시세, 권리금 이력, 상권 분석 정보를 획득할 수도 있다. 또한, 서버 장치(1000)는 블록 체인 서버(914) 내 금융 결제원 데이터(922)에 액세스함으로써, 금융 결제원(938)으로부터, 토지 대장, 임야 대장, 대지권 등록부, 공유지 연명부에 대한 정보를 더 획득할 수도 있다. 또한, 서버 장치(1000)는 참여/업무 협조 기관 데이터(924)에 액세스함으로써, 대한법무사 협회, 국토 교통부, 국세청이 관리하는 정보를 획득할 수도 있다.
일 실시 예에 의하면, 금융 결제원에서 관리하는 금융 결제원 데이터(922)는 핀 테크 데이터(926)와 연동되어 관리될 수 있다. 예를 들어, 금융 결제원 데이터들은, 복수의 금융 기관 서버로부터 조회 가능한 신용도 조회, 대출 금액 조회, 신용 대출 진행 이력에 대한 정보를 포함하는 핀 테크 데이터에 기초하여, 검수될 수 있다. 도 12에 도시된 블록 체인 서버(914) 내 포함된 국토부 데이터(914), 법원 데이터(918), 공인 중개사 데이터(920), 금융 결제원 데이터 (922), 업무 협조기관 데이터(924) 또는 핀 테크 데이터(926)는 블록 체인을 구성하는 각 구성원 서버들 각각에 블록들이 연결된 블록 체인 형식으로 공유될 수 있다.
예를 들어, 부동산 종합 공부 시스템(932)에서 토지 대장에 대한 변동 사항이 발생할 경우, 변동된 토지 대장 내역이 기록된 트랜젝션(Transaction)이 발생하고, 발생된 트랜젝션들은, 블록 체인 서버(914)내 각각의 구성원 서버들인 부동산 종합 공부 시스템 서버(932), 대법원 인터넷 등기소 서버(934), 한국 공인 중개사 협회 서버(936), 금융 결제원 서버, 핀 테크 데이터 서버등에 무작위로 브로드캐스팅될 수 있다. 모든 블록 체인 서버의 구성원들에 트랜젝션들이 브로드캐스팅되면, 작업 증명 또는 지분 증명에 기초하여 선출된 하나의 블록 체인 서버 구성원이 수신된 트랜젝션을 기록한 블록을 생성하고, 생성된 블록을 다시 모든 블록 체인 서버내 구성원들에 브로드캐스팅한다. 브로드캐스팅된 블록들은 블록 체인 서버(914)내 모든 구성원들이 미리 포함하고 있는 블록 체인에 새로 연결될 수 있다.
각각의 블록은 블록 헤더, 타임 스탬프, 이전 블록 해시값, 트랜젝션 트리 루트, 블록 난스, 블록의 버전 정보를 포함할 수 있다. 예를 들어 블록의 버전 정보는 블록이 생성될 당시 시스템에 대한 정보를 포함하고, 이전 블록의 해시 값은 이전 블록을 특정하는 고유의 해시 값을 포함할 수 있다. 또한, 트랜젝션 트리 루트는 각 트랜젝션들의 해시 값이 기록된 해시 트리에서 해시 값의 경로에 대한 정보를 포함하고, 블록 난스는 해시 퍼즐의 정답으로써 작업 증명에서 리더 선출의 기준이 될 수 있다.
트랜젝션 트리 루트에 기초하여, 블록 체인 내의 트랜젝션들의 해시 값은 트리 구조로써 하나의 해시 값으로 압축될 수 있다. 예를 들어, 본 개시의 일 실시 예에 따른 블록 체인 서버(914)는 블록 체인 서버 내 구성원 사이에 발생한 트랜젝션들에 대한 하나의 해시 값을 획득할 수 있으며, 이러한 과정에서 획득된 해시 값들의 경로를 트랜젝션 트리 루트로써 메모리에 포함할 수 있다. 또한, 블록 체인 서버(914) 내 모든 트랜젝션들의 해시 값은 해시 트리(예컨대 머클 트리) 형식으로 블록 헤더에 기록될 수 있고, 해당 해시 값이 기록된 블록을 수신한 노드들은 해시 트리 형식의 해시 값을 자신이 수신한 트랜젝션들에 기초하여 생성된 해시 값과 비교함으로써 트랜젝션의 변화여부를 검출할 수 있다. 즉, 상술한 바에 따라 블록 체인 서버(914)는 트랜젝션의 변화를 쉽게 검출할 수 있고, 변화된 트랜젝션들을 쉽게 검출함으로써, 금융 정보를 포함하는 공공 데이터의 안정성을 확보할 수 있다.
본 개시에 따른 서버 장치(1000)는 블록 체인 기반으로 데이터를 관리하는 블록 체인 서버(914)로부터, 수집된 점포 데이터에 대응되는 대출 정보들을 실시간으로 수집함으로써 점포 데이터(912)를 데이터 베이스 내 미리 저장할 수 있다. 서버 장치(1000)는 수집된 점포 데이터들 중, 적어도 하나의 데이터들을 매칭함으로써 매칭 정보들(예컨대 부동산 식별 정보 및 제1 후보 매물 정보, 또는 부동산 거래 타입에 대한 정보 및 제2 후보 매물 정보)을 생성하고, 생성된 매치 정보들을 조합함으로써 매칭 패턴을 결정할 수 있다.
일 실시 예에 의하면, 서버 장치(1000)는 거래 정보, 사용자 정보, 매물 정보 또는 대출 정보 중 적어도 하나에 기초하여 매출정보에 따른 복수의 부동산 매물들 중 적어도 하나의 후보 매물들을 결정하고, 상기 거래 정보, 사용자 정보, 매물 정보, 또는 대출 정보 중 적어도 하나의 정보와 상기 결정된 후보 매물들을 매칭함으로써 매칭 정보를 생성할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)는 매칭 알고리즘(910)을 수행하는 적어도 하나의 인공 신경망 모델을 이용하여, 매칭 정보를 생성하고, 상기 생성된 배칭 정보들로부터 매칭 패턴을 결정할 수도 있다.
서버 장치(1000)는 상기 매칭 정보 또는 매칭 패턴들에 서로 다른 가중치를 적용하고, 상기 서로 다른 가중치가 적용된 매칭 정보들을 가중합함으로써 특징 정보를 생성한다. 서버 장치(1000)는 상기 생성된 특징 정보를 미리 학습된 인공 신경망 모델에 입력함으로써 상기 대상 부동산에 대한 견적 정보를 획득할 수 있다. 일 실시 예에 의하면, 서버 장치(1000)가 인공 신경망 모델을 이용하여 획득하는 견적 정보는, 계약 정보 및 사용자 정보에 매칭되는 후보 매물들에 대한 매물 견적 정보 및 상기 후보 매물들에 대해 적용 가능한 대출 상품들에 관한 대출 견적 정보를 포함할 수 있다. 서버 장치(1000)는 인공 신경망 모델로부터 획득된 대상 부동산에 대한 매물 견적 및 대출 견적을 포함하는 견적 정보를 매수인(902)이 사용하는 외부 디바이스에 전송할 수 있다.
일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
또한, 상기 일 실시 예에 다른 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 장치가 제공될 수 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상에서 본 개시의 실시예에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다.

Claims (15)

  1. 블록 체인을 이용하는 서버 장치가 부동산 거래 서비스를 제공하는 방법에 있어서,
    상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하는 단계;
    상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하는 단계;
    상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하는 단계; 및
    상기 획득된 견적 정보를 상기 외부 디바이스로 전송하는 단계; 를 포함하고,
    상기 방법은 상기 서버 장치와 연결된 부동산 데이터 서버로부터 상기 대상 부동산에 대한 매물 정보를 실시간으로 획득하는 단계; 및
    상기 매물 정보 내 부동산 매물들 중, 계약 정보 및 사용자 정보에 매칭되는 후보 매물에 관한 후보 매물 정보를 식별하는 단계; 를 더 포함하며
    상기 인공 신경망 모델은 상기 후보 매물 정보 내 소정의 후보 매물들에 대한 견적 정보를 출력하도록 미리 학습되고,
    상기 거래 정보는 상기 대상 부동산 구매에 필요한 계약 정보 및 대출 견적 요청 유무에 관한 대출 요청 정보를 포함하며, 상기 사용자 정보는 상기 사용자의 신용도 조회 및 상기 사용자의 개인 대출 이력 정보 조회에 관한 사용자 동의를 나타내는 정보를 포함하고,
    상기 방법은
    상기 대출 요청 정보 내 상기 대출 견적 요청이 존재하는지 여부를 식별하는 단계;
    상기 대출 요청 정보 내 상기 대출 견적 요청이 존재하는 경우, 상기 서버 장치와 연결된 공공 데이터 서버로부터 대출 정보를 획득하는 단계; 및
    상기 대출 정보 내 대출 상품들 중, 상기 후보 매물에 적용 가능한 후보 대출 상품을 식별하는 단계; 를 더 포함하고,
    상기 인공 신경망 모델은, 상기 후보 매물 및 상기 후보 대출 상품의 조합 별 상기 견적 정보를 출력하도록 미리 학습되는 것을 특징으로 하는, 방법.
  2. 제1항에 있어서, 상기 방법은
    상기 외부 디바이스로부터 상기 대상 부동산 구매를 위한 견적 요청을 획득하는 단계;
    상기 획득된 견적 요청에 응답하여 상기 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보의 송신을 요청하는 단계; 및
    상기 거래 정보 및 상기 사용자 정보의 송신 요청에 응답하여 상기 외부 디바이스로부터, 상기 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하는 단계; 를 포함하는, 방법.
  3. 제1항에 있어서, 상기 방법은
    상기 획득된 견적 정보를 상기 외부 디바이스로 전송함과 함께, 상기 견적 정보를 상기 서버 장치 내 데이터 베이스에 저장하는 단계; 를 더 포함하고,
    상기 인공 신경망 모델 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치들은 상기 데이터 베이스에 저장된 견적 정보에 기초하여 갱신되는 것을 특징으로 하는, 방법.
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 부동산 데이터 서버는 상기 대상 부동산이 속한 소정의 지역 범위 내 하나 이상의 중개 사무소 단말들과 연결되고, 상기 서버 장치는 상기 부동산 데이터 서버를 통하여 상기 중개 사무소 단말들에 액세스 하는 것을 특징으로 하는, 방법.
  7. 삭제
  8. 제1항에 있어서, 상기 후보 대출 상품을 식별하는 단계는
    상기 공공 데이터 서버로부터 상기 사용자의 신용도 정보 및 상기 사용자의 개인 대출 이력 정보를 획득하는 단계; 및
    상기 대출 상품 중, 상기 획득된 신용도 정보 및 상기 개인 대출 이력 정보에 매칭되는 상기 후보 대출 상품을 식별하는 단계; 를 포함하는, 방법.
  9. 제8항에 있어서, 상기 공공 데이터 서버는
    국토부 데이터 서버, 법원 데이터 서버, 공인 중개사 데이터 서버, 금융 결제원 데이터 서버, 업무 협조기관 데이터 서버 또는 금융 기관 서버 중 적어도 하나를 포함하고,
    상기 공공 데이터 서버는 API 서버가 제공하는 API 연동 서비스에 기초하여, 상기 서버 장치와 연동되는 것을 특징으로 하는, 방법.
  10. 제9항에 있어서, 상기 공공 데이터 서버 내
    상기 국토부 데이터 서버, 상기 법원 데이터 서버, 상기 공인 중개사 데이터 서버, 상기 금융 결제원 데이터 서버, 상기 업무 협조기관 데이터 서버 또는 상기금융 기관 서버들은, 블록 체인을 구성하는 노드들에 각각 대응하고,
    상기 노드들은, 상기 노드들 중 적어도 하나로부터 발생된 상기 대출 정보와 관련되는 트랜젝션들(transactions) 및 상기 트랜젝션들이 기록된 적어도 하나의 블록이 체인 형태로 연결된 블록 체인을 공유하는 것을 특징으로 하는, 방법.
  11. 제10항에 있어서,
    상기 공공 데이터 서버 내 각 노드들은 상기 대출 정보와 관련된 트랜젝션이 발생하면, 상기 트랜젝션이 발생된 노드에 인접한 적어도 하나의 피어(peer) 노드에 상기 트랜젝션을 무작위로 브로드캐스팅하고,
    상기 트랜젝션들이 상기 공공 데이터 서버 내 모든 노드들에 브로드캐스팅 되면, 상기 트랜젝션들을 기록하기 위한 미리 설정된 블록 생성 권한 규칙에 기초하여 상기 공공 데이터 서버 내 각 노드들 중 하나의 노드를 선출하는 것을 특징으로 하는, 방법.
  12. 제11항에 있어서,
    상기 선출된 하나의 노드는 상기 트랜젝션을 기록한 블록을 생성하고, 상기 블록을 생성한 노드가 무작위로 선택된 피어(peer)노드들에 상기 생성된 블록을 브로드캐스팅하면, 상기 브로드캐스팅 된 블록들은 상기 데이터 서버 내 각 노드들에 의해 검증되는 것을 특징으로 하는, 방법.
  13. 블록체인을 이용하여 부동산 거래 서비스를 제공하는 서버 장치에 있어서,
    네트워크 인터페이스;
    하나 이상의 인스트럭션을 저장하는 데이터 베이스; 및
    상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,
    상기 프로세서는 상기 서버 장치와 연결되는 외부 디바이스로부터 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하고,
    상기 획득된 거래 정보 및 상기 사용자 정보에 기초하여 상기 대상 부동산 구매에 필요한 견적 정보를 식별하기 위한 부동산 특징 정보를 결정하고,
    상기 부동산 특징 정보가 입력되면, 상기 대상 부동산 구매에 필요한 견적 정보를 출력하는 인공 신경망 모델(Artificial Neural Network)을 이용하여 상기 대상 부동산에 관한 견적 정보를 획득하고,
    상기 획득된 견적 정보를 상기 외부 디바이스로 전송하고,
    상기 프로세서는 상기 서버 장치와 연결된 부동산 데이터 서버로부터 상기 대상 부동산에 대한 매물 정보를 실시간으로 획득하고,
    상기 매물 정보 내 부동산 매물들 중, 계약 정보 및 사용자 정보에 매칭되는 후보 매물에 관한 후보 매물 정보를 식별하며,
    상기 인공 신경망 모델은 상기 후보 매물 정보 내 소정의 후보 매물들에 대한 견적 정보를 출력하도록 미리 학습되고,
    상기 거래 정보는 상기 대상 부동산 구매에 필요한 계약 정보 및 대출 견적 요청 유무에 관한 대출 요청 정보를 포함하며, 상기 사용자 정보는 상기 사용자의 신용도 조회 및 상기 사용자의 개인 대출 이력 정보 조회에 관한 사용자 동의를 나타내는 정보를 포함하고,
    상기 프로세서는
    상기 대출 요청 정보 내 상기 대출 견적 요청이 존재하는지 여부를 식별하고,
    상기 대출 요청 정보 내 상기 대출 견적 요청이 존재하는 경우, 상기 서버 장치와 연결된 공공 데이터 서버로부터 대출 정보를 획득하며,
    상기 대출 정보 내 대출 상품들 중, 상기 후보 매물에 적용 가능한 후보 대출 상품을 식별하고,
    상기 인공 신경망 모델은, 상기 후보 매물 및 상기 후보 대출 상품의 조합 별 상기 견적 정보를 출력하도록 미리 학습되는 것을 특징으로 하는, 서버 장치.
  14. 제13항에 있어서, 상기 프로세서는
    상기 외부 디바이스로부터 상기 대상 부동산 구매를 위한 견적 요청을 획득하고,
    상기 획득된 견적 요청에 응답하여 상기 대상 부동산 구매를 위한 거래 정보 및 상기 외부 디바이스의 사용자 정보의 송신을 요청하고,
    상기 거래 정보 및 상기 사용자 정보의 송신 요청에 응답하여 상기 외부 디바이스로부터, 상기 거래 정보 및 상기 외부 디바이스의 사용자 정보를 획득하는, 서버 장치.
  15. 제13항에 있어서, 상기 프로세서는
    상기 획득된 견적 정보를 상기 외부 디바이스로 전송함과 함께, 상기 견적 정보를 상기 서버 장치 내 데이터 베이스에 저장하고,
    상기 인공 신경망 모델 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치들은 상기 데이터 베이스에 저장된 견적 정보에 기초하여 갱신되는 것을 특징으로 하는, 서버 장치.
KR1020200022840A 2020-02-25 2020-02-25 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치 KR102290481B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200022840A KR102290481B1 (ko) 2020-02-25 2020-02-25 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200022840A KR102290481B1 (ko) 2020-02-25 2020-02-25 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102290481B1 true KR102290481B1 (ko) 2021-08-17

Family

ID=77466403

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200022840A KR102290481B1 (ko) 2020-02-25 2020-02-25 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102290481B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230048868A (ko) 2021-10-05 2023-04-12 브이스트로 주식회사 자산의 분할 및 배당금 지급을 통한 자산 관리 방법
KR102526451B1 (ko) * 2022-10-11 2023-04-26 이슬비 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램
WO2023076117A1 (en) * 2021-10-27 2023-05-04 Qwiti Holdings II, LLC Systems and methods for consensus in a blockchain network

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101942540B1 (ko) * 2018-05-21 2019-01-28 김동민 빅데이터 기반 등급분류 및 시세예측을 이용한 부동산의 안심거래 서비스 제공 시스템
KR20190119906A (ko) * 2018-04-13 2019-10-23 테크나인 주식회사 블록체인 기반 중개 시스템
KR20200010796A (ko) 2018-07-23 2020-01-31 정유리 부동산 중개 서비스 제공 시스템 및 이를 이용한 부동산 중개 서비스 제공 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190119906A (ko) * 2018-04-13 2019-10-23 테크나인 주식회사 블록체인 기반 중개 시스템
KR101942540B1 (ko) * 2018-05-21 2019-01-28 김동민 빅데이터 기반 등급분류 및 시세예측을 이용한 부동산의 안심거래 서비스 제공 시스템
KR20200010796A (ko) 2018-07-23 2020-01-31 정유리 부동산 중개 서비스 제공 시스템 및 이를 이용한 부동산 중개 서비스 제공 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230048868A (ko) 2021-10-05 2023-04-12 브이스트로 주식회사 자산의 분할 및 배당금 지급을 통한 자산 관리 방법
WO2023076117A1 (en) * 2021-10-27 2023-05-04 Qwiti Holdings II, LLC Systems and methods for consensus in a blockchain network
KR102526451B1 (ko) * 2022-10-11 2023-04-26 이슬비 사용자 정보 및 부동산 매물 정보를 고려한 최적의 대출상품 안내 서비스 제공방법, 서버 및 컴퓨터프로그램

Similar Documents

Publication Publication Date Title
US11842298B2 (en) Integrated database for expediting transaction processing
US8028896B2 (en) Authentication methods for use in financial transactions and information banking
KR102290481B1 (ko) 블록 체인 기반 부동산 거래 서비스를 제공하는 방법 및 장치
CN111902814A (zh) 以基于区块链的文档传递、协作和传播为动力的去中心化的市场和生态系统
Turban et al. Mobile commerce and the internet of things
JP2018538639A5 (ko)
JP2018538639A (ja) 統一されたコード発行に基づく情報処理ネットワーク及び方法並びにセンシングアクセス装置
CN105378774A (zh) 安全交易系统和方法
US11960622B2 (en) Platform for management of user data
EP3861517A1 (en) Method and system for data valuation and secure commercial monetization platform
US11315150B2 (en) Portfolio driven targeted advertising network, system, and method
KR102290474B1 (ko) 데이터 사이언스 기반 히스토리 관리 및 이를 이용한 권리금 산정 방법 및 장치
US20220405757A1 (en) Mobile Money Management System
KR101940392B1 (ko) 오프라인 연동 기반 p2p 대출 금융 서비스 방법 및 그 장치
KR20190090700A (ko) 퍼블릭과 프라이빗을 지원하는 하이브리드 블록체인 플랫폼 제공 방법 및 장치
US20240273564A1 (en) Method and apparatus of providing rewards to token owner
US20210182915A1 (en) Platform for management of user data
Golemi Application of the Blockchain technology in the automotive industry
WO2023197041A1 (en) Computer-implemented system and method for providing a digital asset marketplace
KR20240127255A (ko) 토큰의 보유자에게 보상을 제공하는 방법 및 장치
KR20240043721A (ko) 블록체인을 이용한 숙소 공유 장치 및 이의 동작 방법
KR20220110347A (ko) 허위매물 방지하는 온라인상의 부동산 정보 제공 시스템
JP2020107151A (ja) 情報処理方法、プログラム、及び情報処理装置
Chew Descriptive Review on Business Models for IT Industry Dating Year 2022
KR20140093782A (ko) 공간 웹 기반의 시장 시스템

Legal Events

Date Code Title Description
GRNT Written decision to grant