KR102662347B1 - 고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법 - Google Patents

고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법 Download PDF

Info

Publication number
KR102662347B1
KR102662347B1 KR1020230181116A KR20230181116A KR102662347B1 KR 102662347 B1 KR102662347 B1 KR 102662347B1 KR 1020230181116 A KR1020230181116 A KR 1020230181116A KR 20230181116 A KR20230181116 A KR 20230181116A KR 102662347 B1 KR102662347 B1 KR 102662347B1
Authority
KR
South Korea
Prior art keywords
data
seller
unit
detection
action
Prior art date
Application number
KR1020230181116A
Other languages
English (en)
Inventor
이해우
이민우
Original Assignee
주식회사 데일리펀딩
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 주식회사 데일리펀딩 filed Critical 주식회사 데일리펀딩
Priority to KR1020230181116A priority Critical patent/KR102662347B1/ko
Application granted granted Critical
Publication of KR102662347B1 publication Critical patent/KR102662347B1/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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0837—Return transactions
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/12—Payment architectures specially adapted for electronic shopping systems
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/22—Payment schemes or models
    • G06Q20/28—Pre-payment schemes, e.g. "pay before"
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Technology Law (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

탐지 시스템이 제공된다. 상기 탐지 시스템은 선정산이 실행된 셀러를 대상으로 수집된 셀러 데이터를 이용하여, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지하는 탐지부;를 포함할 수 있다.

Description

고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법{Advanced Fraud detection system and method specialized for pre-settlement}
본 발명은 인공 지능 및 선정산과 관련된 이상 금융 거래 탐지 시스템에 관한 것이다.
온라인 판매자(셀러)의 대금을 미리 지급해주는 투자연계 선정산 서비스는 이용 금리가 고정으로 되어 있고 투자금의 모집 기간을 예측할 수가 없다.
선정산 서비스의 가장 큰 목적은 셀러의 자금을 미리 정산해 줌으로써 셀러의 자금의 유동성을 증가시키는 데 있다.
선정산 서비스의 본질은 셀러에게 돈을 대출하는 서비스에 해당할 수 있다.
이때, 정상적으로 선정산 서비스가 지속되기 위해서는 선정산된 비용의 회수에 방해가 되는 각종 이상 요소가 지속적으로 모니터링되는 것이 좋다. 이때, 각종 이상 요소를 모니터링하기 위해 이상 금융 거래 탐지 시스템(FDS, Fraud Detection System)이 이용될 수 있다.
한국공개특허공보 제2021-0107455호에는 다른 사용자에 의해 금융 어플리케이션이 실행되면, 생성된 FDS 데이터에 기초하여 해당 금융 어플리케이션을 통해 이상 금융 거래가 발생한 여부를 판단하는 기술이 개시되고 있다.
해당 기술은 서울특별시 산업진흥원 2023년도 '제6회 서울혁신챌린지 3,4차(결선)(IC230011) 이커머스 셀러의 서비스 운영 데이터를 활용한 적정 한도 산출 딥러닝 모델 개발'을 통해 개발된 기술이다.
한국공개특허공보 제2021-0107455호
본 발명은 인공 지능 분석 기법이 적용되고 선정산에 특화되며 고도화된 이상 금융 거래 탐지 시스템 및 방법을 제공하기 위한 것이다.
본 발명의 탐지 시스템은 선정산이 실행된 셀러를 대상으로 수집된 셀러 데이터를 이용하여, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지하는 탐지부;를 포함할 수 있다.
본 발명의 탐지 방법은 설정산이 실행된 셀러를 대상으로 셀러 데이터와 상기 셀러를 대상으로 하는 구매자 데이터를 수집하는 수집 단계; 수집 데이터를 항목별로 분류하는 분류 단계; 각 항목마다 기설정된 가중치를 부여하는 가중치 단계; 상기 가중치가 부여된 수집 데이터를 대상으로 분석하고, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지하는 탐지 단계; 상기 이레귤러 데이터의 패턴을 분석하는 분석 단계; 상기 패턴에 따라 상기 이레귤러 데이터의 타입을 판별하는 판별 단계; 타입에 따라 구별되는 후속 조치를 취하는 조치 단계;를 포함할 수 있다.
본 발명의 탐지 시스템에 따르면, 선정산이 실행된 셀러에 대한 지속적으로 정확한 모니터링이 가능하다. 이 과정에서, 선정산 실행 금액의 회수를 방해하는 요소를 나타내는 이레귤러(irregular) 데이터가 자동 탐지될 수 있다.
이레귤러 데이터가 탐지되면, 탐지 시스템은 해당 사실을 관리자에게 알릴 수 있다. 이에 따라, 관리자는 적절한 후속 조치를 취할 수 있다. 예를 들어, 관리자는 이레귤러 데이터가 나타내는 이상 거래 상태를 강제로 중단시키거나, 이상 거래 상태를 중단하도록 셀러에게 요청할 수 있다. 또는, 관리자는 셀러 또는 이커머스 채널(서버)에 대하여 적어도 일부 선정산 금액의 상환을 요청할 수 있다.
탐지 시스템은 이상 거래 상태의 탐지 사실을 셀러에게 통보할 수 있다. 이를 통해, 탐지 시스템은 이상 거래 상태의 시도를 셀러에게 자동 경고할 수 있다. 또한, 이를 통해 셀러는 특정 행위가 이상 거래 상태에 해당되는 사실을 인지할 수 있다.
또한, 본 발명에 따르면, 선정산 실행 금액의 담보 성격을 갖는 셀러의 상품, 판매 금액에 대한 리스크가 감소될 수 있다.
도 1은 본 발명의 탐지 시스템을 나타낸 개략도이다.
도 2는 설정부의 동작을 나타낸 개략도이다.
도 3은 분석부의 동작을 나타낸 개략도이다.
도 4는 셀러의 정산 주기별, 일자별 데이터 밀도를 분석한 그래프이다.
도 5는 판별부의 동작을 나타낸 개략도이다.
도 6은 본 발명의 탐지 방법을 나타낸 흐름도이다.
도 7는 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.
도 1은 본 발명의 탐지 시스템을 나타낸 개략도이다.
도 1에 도시된 탐지 시스템은 수집부(110), 설정부(130), 탐지부(150), 분석부(170), 판별부(180), 조치부(190)를 포함할 수 있다.
수집부(110)는 선정산이 실행된 이커머스 셀러(셀러의 단말기 포함)를 대상으로, 셀러 데이터를 수집할 수 있다.
선정산이 실행되었다는 의미는 셀러에 대해 선정산 금액이 지급된 상태를 나타낼 수 있다. 고객이 이커머스 서버 또는 채널에 입점한 스토어에서 제품을 구입하면, 해당 구입 비용은 해당 제품의 셀러에게 곧바로 지급되지 않고 일정 기간 이커머스 서버 또는 채널에서 관리하게 된다. 다시 말해, 고객이 지불한 제품 대금은 이커머스 서버에 계류하게 된다.
제품을 팔았음에도 불구하고, 제품 대금을 일정 기간 지급받지 못하게 된 셀러는 추후 스토어 운영 등을 위한 자금이 당장 필요하면 선정산 제공 업체에서 제공하는 선정산을 이용할 수 있다.
선정산은 이커머스 서버에 계류 중인 제품 대금을 담보로 하는 일종의 대출의 성격을 가질 수 있다.
특정 셀러에 대하여 선정산 금액을 지급한 선정산 제공 업체는 담보에 해당하는 제품 대금이 훼손되는 여부를 지속적으로 모니터링하는 것이 좋다. 예를 들어, 셀러의 제품을 구매한 고객이 해당 제품을 반품하게 되면, 이커머스에 계류 중인 셀러의 판매 대금이 감소할 수 있다. 반품 등과 같이, 이커머스 서버 등에 계류 중인 제품 판매 대금이 훼손되는 상황이 탐지부(150)에 의해 모니터링, 탐지될 수 있다.
탐지부(150)는 선정산이 실행된 셀러를 대상으로 수집된 셀러 데이터를 이용하여, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지할 수 있다.
예를 들어, 탐지부(150)는 셀러 데이터를 통해 셀러의 이상 거래 상태를 나타내는 데이터에 해당하는 이레귤러 데이터를 탐지할 수 있다. 이상 거래 상태는 이커머스에 계류 중인 셀러의 판매 대금이 변동된 상태, 판매 대금의 변동을 유발하는 상황이 발생된 상태를 의미할 수 있다.
셀러 데이터는 셀러의 식별 정보, 거래 정보, 매출 금액 정보, 반품률 정보, 정산 계좌 변동 정보, 타 선정산 제공 업체 이용 정보, 리뷰의 평점 정보 중 적어도 하나를 포함할 수 있다. 이 중에서 반품률 정보, 정산 계좌 변동 정보, 타 선정산 제공 업체 이용 정보, 리뷰의 평점 정보(평점/리뷰 데이터)는 일반 대출 또는 타 금융사 FDS에서는 이용하지 않는 정보에 해당된다.
설정부(130)는 셀러의 거래 정보를 기초로 상기 정상 거래의 범위를 설정할 수 있다. 이때, 탐지부(150)는 정상 거래의 범위를 벗어나는 데이터를 이레귤러 데이터로 탐지할 수 있다. 이레귤러 데이터가 탐지되면 조치부(190)는 제1 후속 조치를 취할 수 있다. 일 예로, 조치부(190)는 이레귤러 데이터의 탐지 사실을 관리자에게 전송할 수 있다.
설정부(130)는 셀러의 거래 정보에 존재하는 구매자 데이터 및 셀러 데이터를 함께 이용하여 정상 거래 범위를 설정할 수 있다.
도 2는 설정부(130)의 동작을 나타낸 개략도이다.
설정부(130)는 셀러의 거래 정보와 관련된 데이터의 정규분포표를 생성할 수 있다. 예를 들어, 설정부(130)는 특정 셀러에 대한 반품률을 시간의 흐름에 따라 분석하고, 반품률의 평균값 m을 기준으로, 정규분포표를 생성할 수 있다. 도 2에서 세로축은 특정 반품률이 확인된 빈도수를 나타낼 수 있다. 도 2에서 가로축은 반품률을 나타낼 수 있다. 반품률은 그 평균값을 기준으로 분포될 수 있다.
설정부(130)는 정규분포표 상으로 가장자리 부분을 정상 거래의 범위를 벗어난 영역에 해당하는 아웃바운더리 범위 b로 설정할 수 있다. 만약, 아웃바운더리 범위 b를 만족하는 셀러 데이터가 존재하는 경우, 탐지부(150)는 해당 셀러 데이터를 이레귤러 데이터로 탐지할 수 있다.
아웃바운더리 범위 b의 경계 c1, c2는 선정산 제공 업체 또는 탐지 시스템 제공 업체의 관리자에 의해 설정될 수 있다.
탐지부(150)는 정규분포표에서 기설정된 아웃바운더리 범위를 만족하는 데이터를 이레귤러 데이터로 탐지할 수 있다.
분석부(170)는 탐지부(150)에서 탐지된 이레귤러 데이터의 패턴을 분석할 수 있다.
판별부(180)는 분석부(170)에서 분석된 패턴에 따라 이레귤러 데이터의 타입을 판별할 수 있다.
이때, 조치부(190)는 판별부(180)에서 판별된 타입에 따라 제2 후속 조치를 취할 수 있다. 조치부(190)에 의해 수행되는 제1 후속 조치는 관리자에게 이레귤러 데이터의 발생 사실을 알리는 수준에 그칠 수 있다. 이에 따르면, 이레귤러 데이터를 해소하기 위한 실질적인 조치는 조치부(190)가 아니라 관리자에 의해 수행되는 셈이 될 수 있다. 반면, 제2 후속 조치는 조치부(190)가 직접 자동으로 셀러에게 소명 자료의 제출을 요청하거나, 셀러에게 경고하거나, 선정산 금액의 적어도 일부에 대한 상환 요청을 수행할 수 있다.
조치부(190)에 의해 자동으로 수행되는 제2 후속 조치가 잘못 이루어진다면, 정당한 셀러에게 상당한 불편함을 끼칠 수 있다. 따라서, 제2 후속 조치는 확실한 확인 절차 후에 수행되는 것이 좋다.
이를 위해, 조치부(190)는 동일한 셀러에 대하여 이레귤러 데이터의 타입이 1개로 판별되면, 이레귤러 데이터의 발생 사실을 관리자에게 전송할 수 있다.
조치부(190)는 동일한 셀러에 대하여 이레귤러 데이터의 타입이 복수개 존재하는 판별되면, 이레귤러 데이터의 발생 사실을 관리자에게 전송하는 동시에 셀러를 대상으로 하는 제2 후속 조치를 자동으로 수행할 수 있다.
본 실시예에 따르면, 이레귤러 데이터의 발생 사실, 이레귤러 데이터의 타입 중 적어도 하나의 정보가 관리자에게 전송되는 상태를 기본으로, 판별된 타입이 2개 이상이면 조치부(190)가 자체적으로 제2 후속 조치를 자동 수행할 수 있다. 본 실시예에 따르면, 판별된 타입이 2개 이상 판별 경우에 한하여 셀러에게 직접 영향을 미치는 제2 후속 조치가 자동 수행될 수 있다. 이레귤러 데이터의 타입이 복수로 판별되는 상황은 셀러에 대한 이상 거래 상태가 존재하는 상황인 것으로 강력하게 추정될 수 있다. 따라서, 해당 조치부(190)의 조치에 따르면, 자동적으로 수행되는 제2 후속 조치로 인하여, 이상 거래 상태를 유발한 셀러에 대하여 신속한 후속 조치가 가능한 동시에, 정당한 셀러에 대한 불이익이 최소화될 수 있다.
조치부(190)에 의해 자동 수행되는 제2 후속 조치는 다음과 같을 수 있다.
일 예로, 조치부(190)는 셀러의 판매 물품을 구매한 구매자의 사기 이력이 존재하거나 동일한 구매자가 판매 물품을 설정 개수 이상 구매한 것으로 판별되면, 셀러에게 판별 사실을 셀러에게 자동 통보할 수 있다.
그리고, 조치부(190)는 구매자의 구매 금액 분을 이커머스 채널 또는 셀러에게 상환하도록 자동 요청할 수 있다. 이상의 상황은 나쁜 의도를 가진 구매자가 셀러와 이커머스 채널을 속이고 거래를 수행한 상황일 수 있다. 또는, 해당 구매자가 사전에 셀러와 모의하고 거래를 수행한 상황에 해당될 수 있다. 이 경우, 일단, 조치부(190)는 셀러에게 해당 사실을 통보함으로써, 선의의 셀러가 해당 구매자에 대비하도록 할 수 있다. 또한, 해당 구매자로 인하여 손해를 보게 될 선정산 제공 업체의 보호를 위해, 조치부(190)는 관련 금액의 상환을 요청할 수 있다. 이때, 조치부(190)는 사기 이력을 구매자의 구매를 허용한 셀러 또는 이커머스 채널(서버) 중 적어도 하나에 상환을 요구할 수 있다.
다른 예로, 조치부(190)는 단위 기간 동안 셀러의 평점의 증감률이 설정값을 만족하거나 매출액이 설정 비율 이상 급격하게 증가하는 것으로 판별되면, 셀러에게 소명을 요청할 수 있다.
조치부(190)는 이커머스 채널에 리뷰 봇의 사용 여부 또는 리뷰 아이피(IP, Internet protocol)의 중복 여부를 확인하도록 요청할 수 있다.
조치부(190)는 선정산 금액의 설정 비율을 상환하도록 이커머스 채널 또는 셀러에게 상환하도록 자동 요청할 수 있다.
본 실시예의 경우, 셀러가 소위, 명품이라고 지칭되는 물품의 가품을 판매하는 상황에 대비하기 위한 것일 수 있다. 가품 판매의 경우, 타 판매점과 대비하여 가격이 지나치게 낮으며, 리뷰 평점이 급감하는 경향이 강하다. 조치부(190)는 해당 상황을 파악하기 위한 조치를 취할 수 있다. 조치부(190)는, 평점 정보의 경우, 악의의 이커머스 채널 사용자가 불법 프로그램(리뷰 봇) 등을 사용하여, 평점을 조작한 상황을 대비한 추가 조치를 취할 수 있다.
도 3은 분석부(170)의 동작을 나타낸 개략도이다. 도 4는 셀러의 정산 주기별, 일자별 데이터 밀도를 분석한 그래프이다. 도 5는 판별부(180)의 동작을 나타낸 개략도이다.
분석부(170)는 이레귤러 데이터의 패턴을 분석할 수 있다. 일 예로, 분석부(170)는 탐지부(150)에서 탐지된 이레귤러 데이터의 패턴을 도 4와 같이, 선형 이미지로 표현할 수 있다. 일 예로, 분석부(170)는 각 정산 주기별 또는 일자별 데이터의 밀도를 분석할 수 있다. 분석부(170)는 각 정산 주기 내에서 발생하는 이레귤러 데이터의 패턴 p1, p2를 분석할 수 있다.
이때, 판별부(180)는 선형 이미지의 모양에 따라 이레귤러 데이터의 타입을 판별할 수 있다. 예를 들어, 판별부(180)는 도 5와 같이 분석부(170)에 의해 분석된 제1 패턴 p1을 타입 A(Type-A)로 판별할 수 있다. 판별부(180)는 도 5와 같이 분석부(170)에 의해 분석된 제2 패턴 p2를 타입 B(Type-B)로 판별할 수 있다.
정리하면, 탐지 시스템은 이레귤러 데이터를 선형화하고, 이미지로 추출한 후에 타입을 분류할 수 있다.
해당 과정은 라벨링을 통해 진행될 수 있으며, 해당 타입과 실제 이상 거래 여부의 매칭 라벨링(실제 이상거래 결과 값과 패턴 타입 이미지를 매칭 하는 작업)을 통해 진행될 수 있다.
판별부(180)에는 기계 학습을 통해 생성된 판별 모델이 탑재될 수 있다.
판별 모델은 이레귤러 데이터의 패턴을 문제로 하고 이레귤러 데이터의 타입을 정답으로 하는 데이터셋을 이용하여 기계 학습된 것일 수 있다.
판별부(180)는 분석부(170)에 의해 분석된 패턴이 입수되면, 판별 모델을 이용하여 이레귤러 데이터의 타입을 출력할 수 있다. 이레귤러 데이터의 타입은 판별 결과에 해당될 수 있다. 일 예로, 이레귤러 데이터의 타입은 가품 판매 타입, 구매자의 부정 구매 타입, 나쁜 의도의 반품 요청 타입 등을 포함할 수 있다.
분석부(170)에 의해 분석된 패턴을 입수하는 학습부가 추가로 마련될 수 있다.
판별 모델과 구분되는 별도의 외부 수단이 마련될 때, 학습부는 분석부(170)로부터 입수된 패턴에 대한 타입 판별 결과를 외부 수단으로부터 입수할 수 있다. 일 예로, 외부 수단은 패턴에 대한 타입을 판별하는 기설정 사용자 또는 해당 사용자가 이용하는 단말기를 포함할 수 있다.
학습부는 외부 수단으로부터 타입 판별 결과가 입수되면, 분석부(170)에 의해 분석된 패턴을 문제로 하고 타입 판별 결과를 정답으로 하는 교정 데이터셋을 이용하여 판별 모델을 추가로 기계 학습시킬 수 있다. 학습부에 따르면, 판별부(180)에 탑재된 판별 모델이 지속적으로 기계 학습될 수 있다. 또는, 학습부에 의해 설정 시점까지 학습된 판별 모델이 판별부(180)에 새롭게 탑재될 수 있다.
셀러 데이터에는 복수의 항목이 포함될 수 있다. 일 예로, 셀러 데이터에는 평점 항목, 반품률, 정산 계좌 변동과 같이 복수의 항목이 포함될 수 있다. 이와 같은 경우, 탐지부(150)는 각 항목별로 기설정된 가중치를 부여할 수 있다. 해당 가중치는 항목마다 다르게 설정될 수 있다. 탐지부(150)는 도 3과 같이, 가중치가 적용된 데이터를 시계열적으로 배열할 수 있다.
탐지부(150)는 가중치가 부여된 항목이 포함된 셀러 데이터를 대상으로 이레귤러 데이터 i를 탐지할 수 있다.
셀러 데이터에 포함된 복수의 항목 중에서 선정산 제공 업체의 담보를 상대적으로 많이 감소시키는 항목에 높은 가중치가 부여될 수 있다.
수집부(110)는 셀러와 관련된 제1 데이터, 예를 들어 셀러 데이터를 수집할 수 있다. 이와 동시에, 수집부(110)는 셀러로부터 물품을 구매한 구매자와 관련된 제2 데이터를 수집할 수 있다. 제2 데이터의 적어도 일부는 셀러 데이터에 포함될 수 있다. 물론, 제2 데이터는 셀러 데이터와 완전 별개로 형성될 수도 있다.
제1 데이터는 셀러 데이터와 유사할 수 있다. 일 예로, 제1 데이터는 셀러의 매출 정보, 반품률 정보, 평점 정보, 타 선정산 신청 정보, 정산 계좌의 변경 정보 중 적어도 하나를 포함할 수 있다.
제2 데이터는 구매자의 신용카드 개수 정보, 구매 수량 정보, 배송지 정보, 송장 정보, 사기 이력 중 적어도 하나를 포함할 수 있다.
탐지부(150)는 제1 데이터와 제2 데이터를 함께 이용하여 이레귤러 데이터를 탐지할 수 있다.
일 예로, 탐지부(150)는 셀러의 판매 물품의 동일 물품을 설정 개수 이상의 이커머스 채널에서 검색할 수 있다.
탐지부(150)는 다른 업체에 의해 판매되는 동일 물품의 판매 가격과 셀러의 판매 가격을 비교할 수 있다.
탐지부(150)는 동일 물품의 판매 가격과 셀러의 판매 가격이 설정 비율 이상 차이가 나면, 셀러의 판매 물품을 이레귤러 데이터로 탐지할 수 있다. 이와 같은 경우, 판별부(180)는 이레귤러 데이터의 타입을 가품 판매로 결정할 수 있다. 가품 판매의 경우, 추후 다량의 환불 사태가 발생될 수 있다. 이로 인해, 선정산 금액의 담보에 대한 가치가 크기 하락할 수 있다. 이와 같은 상황이 발생되면, 해당 셀러 데이터가 이레귤러 데이터로 정의되는 동시에 조치부(190)에 의해 적절한 후속 조치가 취해질 수 있다.
도 6은 본 발명의 탐지 방법을 나타낸 흐름도이다.
도 6의 탐지 방법은 도 1에 도시된 탐지 장치에 의해 수행될 수 있다.
탐지 방법은 수집 단계(S 510), 분류 단계(S 520), 가중치 단계(S 530), 탐지 단계(S 540), 분석 단계(S 550), 판별 단계(S 560), 조치 단계(S 570)를 포함할 수 있다.
수집 단계(S 510)는 설정산이 실행된 셀러를 대상으로 셀러 데이터와 셀러를 대상으로 하는 구매자 데이터를 수집할 수 있다. 수집 단계(S 510)는 수집부(110)에 의해 수행될 수 있다.
분류 단계(S 520)는 수집 데이터를 항목별로 분류할 수 있다. 분류 단계(S 520)는 탐지부(150)에 의해 수행될 수 있다. 분류 단계(S 520)는 셀러 데이터를 분류하고, 각종 저장소에 1차 적재될 수 있다.
가중치 단계(S 530)는 각 항목마다 기설정된 가중치를 부여할 수 있다. 가중치 단계(S 530)는 탐지부(150)에 의해 수행될 수 있다.
탐지 단계(S 540)는 가중치가 부여된 수집 데이터를 대상으로 분석하고, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지할 수 있다. 탐지 단계(S 540)는 탐지부(150)에 의해 수행될 수 있다. 일 예로, 탐지 단계(S 540)는 정규분포표 방식을 적용하고 아웃바운더리를 설정할 수 있다. 이때, 정규분포 산식은 수학식1 등을 사용할 수 있다.
[수학식1]
여기서, x는 반품률이고, m은 반품률의 평균값이다.
이레귤러 데이터의 탐지 사실을 이용하여 이상 거래 상태의 발생 여부를 파악하는 단계가 마련될 수 있다(S 541).
이레귤러 데이터가 탐지되면, 인공 지능 학습용 데이터를 생성하는 단계가 마련될 수 있다(S 542). 해당 데이터는 판별부(180) 등에 탑재되는 판별 모델 등의 학습 등에 사용될 수 있다.
분석 단계(S 550)는 이레귤러 데이터의 패턴을 분석할 수 있다. 분석 단계(S 550)는 분석부(170)에 의해 수행될 수 있다.
판별 단계(S 560)는 패턴에 따라 이레귤러 데이터의 타입을 판별할 수 있다. 판별 단계(S 550)는 판별부(180)에 의해 수행될 수 있다.
조치 단계(S 570)는 탐지 단계에서 수행된 이레귤러 데이터의 탐지 결과 또는 판별 단계에 수행된 타입 판별 결과에 따라 후속 조치를 취할 수 있다. 조치 단계(S 570)는 조치부(190)에 의해 수행될 수 있다.
조치 단계(S 570)는 탐지 단계의 탐지 결과에 따라 제1 후속 조치를 수행하거나, 판별 단계의 판별 결과에 따라 제2 후속 조치를 수행할 수 있다.
도 7는 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다. 도 7의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치(예, 탐지 시스템 등) 일 수 있다.
도 7의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
110...수집부 130...설정부
150...탐지부 170...분석부
180...판별부 190...조치부

Claims (15)

  1. 선정산이 실행된 셀러를 대상으로 수집된 셀러 데이터를 이용하여, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지하는 탐지부;를 포함하고,
    상기 탐지부에서 탐지된 상기 이레귤러 데이터의 패턴을 분석하는 분석부가 마련되며,
    상기 패턴에 따라 상기 이레귤러 데이터의 타입을 판별하는 판별부가 마련되고,
    상기 타입에 따라 제2 후속 조치를 취하는 조치부가 마련되며,
    상기 조치부는 동일한 셀러에 대하여 상기 이레귤러 데이터의 타입이 1개로 판별되면, 상기 이레귤러 데이터의 발생 사실을 관리자에게 전송하고,
    상기 조치부는 동일한 셀러에 대하여 상기 이레귤러 데이터의 타입이 복수개 존재하는 판별되면, 상기 이레귤러 데이터의 발생 사실을 관리자에게 전송하는 동시에 상기 셀러를 대상으로 하는 후속 조치를 자동으로 수행하는 탐지 시스템.
  2. 제1항에 있어서,
    상기 셀러의 거래 정보를 기초로 상기 정상 거래의 범위를 설정하는 설정부가 마련되고,
    상기 탐지부는 상기 정상 거래의 범위를 벗어나는 데이터를 상기 이레귤러 데이터로 탐지하며,
    상기 이레귤러 데이터가 탐지되면 상기 조치부는 제1 후속 조치를 취하는 탐지 시스템.
  3. 제2항에 있어서,
    상기 설정부는 상기 거래 정보에 존재하는 구매자 데이터 및 상기 셀러 데이터를 함께 이용하여 상기 정상 거래 범위를 설정하는 탐지 시스템.
  4. 제1항에 있어서,
    상기 셀러의 거래 정보와 관련된 데이터의 정규분포표를 생성하는 설정부가 마련되고,
    상기 탐지부는 상기 정규분포표에서 기설정된 아웃바운더리 범위를 만족하는 데이터를 상기 이레귤러 데이터로 탐지하는 탐지 시스템.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 조치부는 상기 셀러의 판매 물품을 구매한 구매자의 사기 이력이 존재하거나 동일한 구매자가 상기 판매 물품을 설정 개수 이상 구매한 것으로 판별되면, 상기 셀러에게 상기 판별 사실을 상기 셀러에게 자동 통보하고,
    상기 조치부는 상기 구매자의 구매 금액 분을 이커머스 채널 또는 상기 셀러에게 상환하도록 자동 요청하는 탐지 시스템.
  8. 제1항에 있어서,
    상기 조치부는 단위 기간 동안 상기 셀러의 평점의 증감률이 설정값을 만족하거나 매출액이 설정 비율 이상 급격하게 증가하는 것으로 판별되면, 상기 셀러에게 소명을 요청하고,
    상기 조치부는 이커머스 채널에 리뷰 봇의 사용 여부 또는 리뷰 아이피(IP, Internet protocol)의 중복 여부를 확인하도록 요청하며,
    상기 조치부는 선정산 금액의 설정 비율을 상환하도록 상기 이커머스 채널 또는 상기 셀러에게 상환하도록 자동 요청하는 탐지 시스템.
  9. 제1항에 있어서,
    상기 분석부는 상기 탐지부에서 탐지된 상기 이레귤러 데이터의 패턴을 선형 이미지로 표현하고,
    상가 판별부는 상기 선형 이미지의 모양에 따라 상기 이레귤러 데이터의 타입을 판별하는 탐지 시스템.
  10. 제1항에 있어서,
    상기 판별부에는 판별 모델이 탑재되고,
    상기 판별 모델은 이레귤러 데이터의 패턴을 문제로 하고 상기 이레귤러 데이터의 타입을 정답으로 하는 데이터셋을 이용하여 기계 학습된 것이며,
    상기 판별부는 상기 분석부에 의해 분석된 패턴이 입수되면, 상기 판별 모델을 이용하여 상기 이레귤러 데이터의 타입을 출력하는 탐지 시스템.
  11. 제10항에 있어서,
    상기 분석부에 의해 분석된 패턴을 입수하는 학습부가 마련되고,
    상기 판별 모델과 구분되는 별도의 외부 수단이 마련될 때,
    상기 학습부는 상기 분석부로부터 입수된 패턴에 대한 타입 판별 결과를 상기 외부 수단으로부터 입수하며,
    상기 학습부는 상기 외부 수단으로부터 상기 타입 판별 결과가 입수되면, 상기 분석부에 의해 분석된 패턴을 문제로 하고 상기 타입 판별 결과를 정답으로 하는 교정 데이터셋을 이용하여 상기 판별 모델을 추가로 기계 학습시키는 탐지 시스템.
  12. 제1항에 있어서,
    상기 셀러 데이터에는 복수의 항목이 포함되고,
    상기 탐지부는 각 항목별로 기설정된 가중치를 부여하며,
    상기 탐지부는 상기 가중치가 부여된 항목이 포함된 셀러 데이터를 대상으로 상기 이레귤러 데이터를 탐지하는 탐지 시스템.
  13. 제1항에 있어서,
    상기 셀러와 관련된 제1 데이터, 상기 셀러로부터 물품을 구매한 구매자와 관련된 제2 데이터를 수집하는 수집부가 마련되고,
    상기 제1 데이터는 상기 셀러의 매출 정보, 반품률 정보, 평점 정보, 타 선정산 신청 정보, 정산 계좌의 변경 정보 중 적어도 하나를 포함하며,
    상기 제2 데이터는 상기 구매자의 신용카드 개수 정보, 구매 수량 정보, 배송지 정보, 송장 정보, 사기 이력 중 적어도 하나를 포함하고,
    상기 탐지부는 상기 제1 데이터와 상기 제2 데이터를 함께 이용하여 상기 이레귤러 데이터를 탐지하는 탐지 시스템.
  14. 제1항에 있어서,
    상기 탐지부는 상기 셀러의 판매 물품의 동일 물품을 설정 개수 이상의 이커머스 채널에서 검색하고,
    상기 탐지부는 다른 업체에 의해 판매되는 상기 동일 물품의 판매 가격과 상기 셀러의 판매 가격을 비교하며,
    상기 탐지부는 상기 동일 물품의 판매 가격과 상기 셀러의 판매 가격이 설정 비율 이상 차이가 나면, 상기 셀러의 판매 물품을 상기 이레귤러 데이터로 탐지하는 탐지 시스템.
  15. 탐지 시스템에 의해 수행되는 탐지 방법에 있어서,
    설정산이 실행된 셀러를 대상으로 셀러 데이터와 상기 셀러를 대상으로 하는 구매자 데이터를 수집하는 수집 단계;
    수집 데이터를 항목별로 분류하는 분류 단계;
    각 항목마다 기설정된 가중치를 부여하는 가중치 단계;
    상기 가중치가 부여된 수집 데이터를 대상으로 분석하고, 정상 거래와 구분되는 이레귤러(irregular) 데이터를 탐지하는 탐지 단계;
    상기 이레귤러 데이터의 패턴을 분석하는 분석 단계;
    상기 패턴에 따라 상기 이레귤러 데이터의 타입을 판별하는 판별 단계;
    상기 탐지 단계에서 수행된 상기 이레귤러 데이터의 탐지 결과 또는 상기 판별 단계에 수행된 타입 판별 결과에 따라 후속 조치를 취하는 조치 단계;
    를 포함하는 탐지 방법.
KR1020230181116A 2023-12-13 2023-12-13 고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법 KR102662347B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230181116A KR102662347B1 (ko) 2023-12-13 2023-12-13 고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230181116A KR102662347B1 (ko) 2023-12-13 2023-12-13 고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102662347B1 true KR102662347B1 (ko) 2024-04-30

Family

ID=90884414

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230181116A KR102662347B1 (ko) 2023-12-13 2023-12-13 고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102662347B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004537781A (ja) * 2001-05-30 2004-12-16 サイバーソース コーポレイション 電子商取引トランザクションの不正リスク評価方法および装置
KR20160042616A (ko) * 2014-10-10 2016-04-20 삼성에스디에스 주식회사 시계열 데이터의 분석을 통한 이상 감지 및 예측 시스템 및 방법
KR101834260B1 (ko) * 2017-01-18 2018-03-06 한국인터넷진흥원 이상 거래 탐지 방법 및 장치
KR20210107455A (ko) 2020-02-24 2021-09-01 신한카드 주식회사 이상 금융 거래 판단 방법 및 장치
KR20210135175A (ko) * 2019-08-27 2021-11-12 쿠팡 주식회사 개선된 k-평균 클러스터링 알고리즘을 이용하여 부정 트랜잭션을 검출하기 위한 컴퓨터-구현 방법
KR20230119356A (ko) * 2022-02-07 2023-08-16 주식회사 데일리펀딩 리스크 관리가 가능한 선정산서비스 운영방법 및 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004537781A (ja) * 2001-05-30 2004-12-16 サイバーソース コーポレイション 電子商取引トランザクションの不正リスク評価方法および装置
KR20160042616A (ko) * 2014-10-10 2016-04-20 삼성에스디에스 주식회사 시계열 데이터의 분석을 통한 이상 감지 및 예측 시스템 및 방법
KR101834260B1 (ko) * 2017-01-18 2018-03-06 한국인터넷진흥원 이상 거래 탐지 방법 및 장치
KR20210135175A (ko) * 2019-08-27 2021-11-12 쿠팡 주식회사 개선된 k-평균 클러스터링 알고리즘을 이용하여 부정 트랜잭션을 검출하기 위한 컴퓨터-구현 방법
KR20210107455A (ko) 2020-02-24 2021-09-01 신한카드 주식회사 이상 금융 거래 판단 방법 및 장치
KR20230119356A (ko) * 2022-02-07 2023-08-16 주식회사 데일리펀딩 리스크 관리가 가능한 선정산서비스 운영방법 및 시스템

Similar Documents

Publication Publication Date Title
CN110874778B (zh) 异常订单检测方法及装置
US7251624B1 (en) Score based decisioning
US6254000B1 (en) System and method for providing a card transaction authorization fraud warning
US9075848B2 (en) Methods, systems, and computer program products for generating data quality indicators for relationships in a database
CN203192024U (zh) 用于在支付交易处理系统中标识泄密点的装置
US20150332414A1 (en) System and method for predicting items purchased based on transaction data
US8170998B2 (en) Methods, systems, and computer program products for estimating accuracy of linking of customer relationships
US11250444B2 (en) Identifying and labeling fraudulent store return activities
US11741474B2 (en) Systems and methods for early detection of network fraud events
US20150106260A1 (en) System and methods for global boarding of merchants
KR101794221B1 (ko) 온라인 판매자의 정산 서비스를 위한 시스템 및 방법
US20230064272A1 (en) Systems and methods for computing and applying user value scores during transaction authorization
US20180330384A1 (en) Systems and methods for processing customer purchase transactions using biometric data
US20140172697A1 (en) Systems and methods for detecting fraud in retail return transactions
CN110246030A (zh) 多方联动的贷后风险管理方法、终端、装置及存储介质
JP2013536499A (ja) オンライン取引ユーザーの信頼性評価の方法およびシステム
EP1461754A2 (en) Transaction surveillance
WO2002027610A1 (en) Score based decisioning
US20210097543A1 (en) Determining fraud risk indicators using different fraud risk models for different data phases
CN105335852A (zh) 用于对欺诈性电子交易的增强型检测的系统和方法
KR102336041B1 (ko) Ai기반 소상공인 신용평가 시스템 및 이를 이용한 신용 평가 방법
WO2019071263A2 (en) PAYMENT PROCESSING METHOD AND SYSTEM AND CONSUMER SYNDLE CREDIT
US20150235222A1 (en) Investment Risk Modeling Method and Apparatus
CN113362126A (zh) 一种应用于在线电商的订单数据检测方法及系统
KR102662347B1 (ko) 고도화된 선정산 이상 금융 거래 탐지 시스템 및 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant