KR20160091188A - 빅데이터 분석을 이용한 ｐ２ｐ 뱅킹 신용도 평가에서의 개인정보 관리 방법 및 시스템 - Google Patents

Abstract

빅데이터 분석을 이용한 P2P 뱅킹 신용도 평가 시스템이 개시된다. 신용도 평가 시스템은, 네트워크를 통해 연결되는 사용자 단말로부터의 개인정보 동의 신호에 따라 접속되는 사용자의 소셜 네트워크 서비스에서 비정형 데이터를 포함한 빅데이터를 수집하고 빅데이터를 분석하여 파싱하는 전처리부, 전처리부에서 파싱된 빅데이터로부터의 정형화된 데이터에 가중치를 적용하는 가중분석부, 및 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하며, 가중분석부에서 가중치가 적용된 평가데이터의 분석 결과가 사용자의 신용도 평가 정보로서 이용된다.

Description

빅데이터 분석을 이용한 Ｐ２Ｐ 뱅킹 신용도 평가에서의 개인정보 관리 방법 및 시스템{METHOD AND SYSTEM FOR PERSONAL INFORMATION MANAGEMENT IN ESTIMATING CREDIT RATING OF PERSON TO PERSON BANKING USING ANALYSIS OF BIG DATA}

본 발명은 개인정보 관리 방법 및 시스템에 관한 것으로, 더욱 상세하게는 개인 대 개인(Person to Person, P2P) 뱅킹에서 빅데이터 분석을 이용하여 사용자의 신용도를 평가할 때 개인정보를 관리하는 방법 및 시스템에 관한 것이다.

최근 불특정 다수의 돈을 모아 인터넷으로 개인에게 대출을 주는 사업이 확산되고 있다. 이러한 금융 산업은 금융과 IT(Information Technology)가 결합된 기술로서 금융소비 패턴을 비롯해 금융시장의 패러다임을 송두리째 바꾸고 있다.

예컨대, 중국 인터넷 기업인 텐센트(Tencent)는 자회사 ‘위뱅크(WeBank)’의 공식 웹사이트(www.webank.com)를 2014년 12월30일에 공식 오픈하고 2015년 초에 인터넷은행 서비스를 본격 시작한다고 공표하고 있다. 위뱅크는 가입자가 약 8억 명에 달하는 온라인 메신저 'QQ'와 약 6억 명인 모바일 메신저 '위챗' 네트워크를 발판으로 시너지를 내겠다는 전략과 소매금융, 기업금융, 신용카드 서비스를 비롯한 은행 업무 대다수가 가능함을 공표하고 있다. 또한, 중국에서 알리바바 그룹(Alibaba Group)도 2015년 3월 오픈을 목표로 인터넷은행 '저장왕상(浙江網商)'을 준비 중인 것으로 보도되고 있다.

그러나 인터넷 등의 네트워크를 이용하는 온라인 개인 대출은 은행의 입장에서 개인의 신용도를 실시간 안정적으로 평가하기가 어렵기 때문에 큰 신용 위험을 부담해야 하는 문제가 있다. 또한, 고객의 입장에서 오프라인에 비해 개인정보보호가 상대적으로 취약한 문제가 있다.

상기와 같은 종래 기술의 문제점을 해결하기 위한 본 발명의 목적은, 개인 대 개인(Person to Person, P2P) 뱅킹을 이용하고자 하는 사용자의 소셜 데이터를 분석하여 신용도를 평가하는데 있어서 사용자의 개인정보 보호를 효과적으로 수행할 수 있는, 빅데이터 분석을 이용한 P2P 뱅킹 신용도 평가에서의 개인정보 관리 방법을 제공하는데 있다.

또한, 상기와 같은 종래 기술의 문제점을 해결하기 위한 본 발명의 다른 목적은, 상술한 빅데이터 분석을 이용한 P2P 뱅킹 신용도 평가에서의 개인정보 관리 방법을 이용하는 개인 신용 평가 시스템을 제공하는데 있다.

상기의 목적을 달성하기 위하여 본 발명의 일 측면에서는, 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리를 위한 개인정보 관리 시스템으로서, 네트워크를 통해 연결되는 사용자 단말로부터의 개인정보 동의 신호에 따라 접속되는 사용자의 소셜 네트워크 서비스에서 비정형 데이터를 포함한 빅데이터를 수집하고 상기 빅데이트를 분석하여 파싱하는 전처리부; 상기 전처리부에서 파싱된 빅데이터로부터의 정형화된 데이터에 가중치를 적용하는 가중분석부; 및 상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하며, 상기 가중분석부에서 가중치가 적용된 평가데이터의 분석 결과가 사용자의 신용도 평가 정보로서 이용되는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템을 제공한다.

상기의 목적을 달성하기 위하여 본 발명의 다른 측면에서는, 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리를 위한 개인정보 관리 시스템으로서, 네트워크를 통해 연결되는 사용자 단말로부터의 개인정보 동의 신호에 따라 접속되는 사용자의 소셜 네트워크 서비스에서 비정형 데이터를 포함한 빅데이터를 수집하고 상기 빅데이트를 분석하여 파싱하는 전처리부; 상기 전처리부에서 파싱된 빅데이터로부터의 정형화된 데이터와 상기 사용자의 신용도 평가에 대한 사용자 요청 정보로부터의 기본 데이터를 융합하는 융합부; 상기 융합부에 의해 융합된 평가데이터에 가중치를 적용하는 가중분석부; 및 상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템을 제공한다.

상기의 목적을 달성하기 위하여 본 발명의 또 다른 측면에서는, 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리를 위한 개인정보 관리 시스템으로서, 상기 P2P 뱅킹을 이용하는 사용자 단말로부터의 개인정보 동의에 따라 연결되는 소셜 네트워크 서비스에서 사용자 관련 정보를 수집하는 수집부; 상기 사용자 관련 정보 내의 비정형 데이터가 포함된 빅데이터를 분석하여 사용자의 신용도를 분석하는 데이터처리부; 상기 데이터처리부에서 생성된 상기 사용자의 신용도 평가 정보를 상기 P2P 뱅킹을 이용하는 다른 사용자 단말이나 제3자의 단말에 전송하는 통신부; 및 상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템을 제공한다.

상기의 목적을 달성하기 위하여 본 발명의 또 다른 측면에서는, 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리 방법으로서, 상기 P2P 뱅킹을 이용하는 사용자 단말로부터의 개인정보 동의에 따라 연결되는 소셜 네트워크 서비스에서 사용자 관련 정보를 수집하는 단계; 상기 사용자 관련 정보 내의 비정형 데이터가 포함된 빅데이터를 분석하여 사용자의 신용도를 평가하는 단계; 상기 데이터처리부에서 생성된 상기 사용자의 신용도 평가 정보를 상기 P2P 뱅킹을 이용하는 다른 사용자 단말이나 제3자의 단말에 전송하는 단계; 및 상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 단계를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 방법을 제공한다.

상기와 같은 본 발명에 따른 빅데이터 분석 기반의 P2P 뱅킹 신용도 평가에서의 개인정보 관리 방법이나 시스템을 이용할 경우에는 기존의 다른 신용도 평가 시스템에서 취약하던 개인정보 보호를 효과적으로 수행할 수 있다.

또한, 본 실시예의 방법이나 시스템을 이용할 경우에는, 기존의 일부 금융권에서 사업전략을 수립하거나, 마케팅에 활용하거나, 자금세탁을 추적하거나, 고객 맞춤형 상담원을 매칭시키는데 활용하던 빅데이터를 개인 신용도 평가에 적절하게 이용할 뿐 아니라 개인 신용도 평가에서의 개인정보보호를 신뢰성 있게 수행함으로써 개인정보 보호가 요구되는 P2P 뱅킹에서의 안정성과 신뢰성을 향상시킬 수 있는 장점이 있다.

또한, 본 실시예의 시스템을 이용할 경우에는, 개인 신용 평가 시스템에서 사용자가 P2P 뱅킹에 적용가능한 다양한 금융거래 서비스나 금융상품 서비스를 이용할 때 사용자의 소셜 데이터(빅데이터에 포함됨) 기반으로 사용의 신용도를 신뢰성 높게 평가할 수 있을 뿐 아니라 신용도 평가에서의 개인정보를 효과적으로 보호할 수 있으며, 그에 의해 P2P 뱅킹에서의 개인정보 보호에 대한 신뢰성을 높이고 이러한 P2P 뱅킹을 포함하는 인터넷 뱅킹 등의 금융 거래의 활성화에 기여할 수 있는 장점이 있다.

도 1은 본 발명의 일실시예에 따른 빅데이터 분석을 이용한 P2P(Person to Person) 뱅킹 신용도 평가에서의 개인정보 관리 방법을 수행하는 개인 신용 평가 시스템의 개략적인 블록도이다.
도 2는 도 1의 개인 신용 평가 시스템을 이용하는 P2P 뱅킹에서의 개인정보 관리 방법의 일실시예를 설명하기 위한 흐름도이다.
도 3은 도 1의 개인 신용 평가 시스템의 빅데이터 처리 과정을 설명하기 위한 개략도이다.
도 4는 도 3의 빅데이터 처리 과정 중 주요 과정을 설명하기 위한 개략도이다.
도 5는 도 1의 개인 신용 평가 시스템의 인증 과정의 일실시예를 설명하기 위한 흐름도이다.
도 6은 도 5의 인증 과정 중 소셜 ID 확인 과정의 일실시예를 설명하기 위한 클라이언트 화면의 개략도이다.
도 7은 도 1의 개인 신용 평가 시스템에 채용할 수 있는 데이터처리부의 전처리부에 대한 개략적인 블록도이다.
도 8a 내지 도 8d는 도 7의 전처리부에 채용할 수 있는 데이터베이스의 테이블들과 각 테이블의 필드명에 대한 예시도이다.
도 9는 도 7의 데이터처리부의 분석 결과의 일실시예에 대한 그래프이다.
도 10은 도 1의 개인 신용 평가 시스템의 보호부의 작동 원리를 설명하기 위한 흐름도이다.
도 11은 도 1의 개인 신용 평가 시스템에 채용가능한 금융 관리를 설명하기 위한 흐름도이다.
도 12는 도 11의 금융 관리 중 금융 위험 관리에 대한 상세 흐름도이다.
도 13은 도 11의 금융 관리에 채용가능한 기존 금융 관리의 예시도이다.
도 14는 도 1의 개인 신용 평가 시스템의 개인정보 관리에 따른 관리자 화면의 예시도이다.
도 15는 도 1의 개인 신용 평가 시스템을 이용하는 P2P 뱅킹의 다른 실시예를 설명하기 위한 블록도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

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, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 아니하는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

본 명세서에서, 사용자 단말은 이동국(mobile station), 이동 단말(mobile terminal), 가입자국(subscriber station), 휴대 가입자국(portable subscriber station), 사용자 장치(user equipment), 접근 단말(access terminal) 등을 지칭할 수 있고, 이동국, 이동 단말, 가입자국, 휴대 가입자 국, 사용자 장치, 접근 단말 등의 전부 또는 일부의 기능을 포함하는 것일 수 있다.

또한, 단말은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 태블릿(tablet) PC, 무선전화기(wireless phone), 모바일폰(mobile phone), 스마트 폰(smart phone), 스마트 워치(smart watch), 스마트 글래스(smart glass) 등의 형태를 가질 수 있다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다.

도 1은 본 발명의 일실시예에 따른 빅데이터 분석을 이용한 P2P 뱅킹 신용도 평가 시스템(이하, 간략히 개인 신용 평가 시스템이라 함)의 개략적인 블록도이다.

도 1을 참조하면, 본 실시예에 따른 개인 신용 평가 시스템(10)은 개인 신용 평가 서비스를 제공하는 서비스 제공자로서 개인 대 개인(Person to Person, P2P) 뱅킹 등을 위해 네트워크(8)상에서 서로 연결되는 사용자 단말(1, 3)에 사용자의 신용도 평가 정보를 제공한다. 개인 신용 평가 시스템(10)은 네트워크(8)를 통해 제3자 시스템(Third Party System, 5)에 연결될 수 있다. 제3자 시스템(5)은 인터넷 뱅킹 서버, 인증 기관, 클라우드 시스템 또는 이들의 조합을 포함할 수 있다.

본 실시예에서 개인 신용 평가 시스템(10)은 신용도 평가 서비스와 신용도 평가시에 저장된 개인정보를 관리를 위해 통신부(11), 인증부(12), 데이터처리부(13) 및 저장부(15)를 포함한다.

개인정보 관리는 개인정보 동의 시에 설정된 약속에 따라 사용자의 개인정보를 즉시 삭제, 이중 관리, 활용 제안, 블라인딩 처리 등을 포함하며, 특히 일반 관리자에도 사용자의 식별정보 즉, 이름, 주민번호, 주소, 전화번호 등에서의 각각의 정보가 약자나 일련번호 정도로 노출되고, 기타 사용자의 개인정보에 대한 관리 방안을 정확하게 명시(도 14 참조)함으로써 신뢰성 있게 개인정보를 보호하는 것을 포함한다.

각 구성요소를 좀더 상세히 설명하면, 통신부(11)는 네트워크(5)에 연결되어 1개 이상의 클라이언트(1 또는 3)와 데이터를 송수신하는 수단(제1 수단)이나 이러한 수단에 상응하는 기능을 수행하는 구성부(제1 구성부)를 포함할 수 있다. 여기서, 제1 수단이나 제1 구성부는 네트워크에 연결되어 신호를 변복조하는 장치(모뎀), 이러한 장치를 포함하는 웹 서버 등을 포함할 수 있다.

또한, 통신부(11)는 소셜 네트워크 서비스에 연결되어 소셜 네트워크 서비스의 특정 사용자에 대한 데이터(소셜 데이터에 대응함)를 수집하는데 이용되는 모니터링 인터페이스를 포함할 수 있다. 모니터링 인터페이스는 사용자의 허용에 따라 1회성으로 사용자의 소셜 데이터를 수집하는데 이용되거나, 사용자의 권한 부여에 따라 주기적으로 사용자의 소셜 데이터를 수집하는데 이용될 수 있다.

인증부(12)는 개인 신용 평가 시스템(10)을 이용하는 사용자를 인증하는 수단(제2 수단)이나 이러한 수단에 상응하는 기능을 수행하는 구성부(제2 구성부)를 포함한다. 인증부(12)는 P2P 뱅킹을 위한 사용자 인터페이스를 포함할 수 있다. 사용자 인터페이스는 개인 신용 평가 시스템(10)을 처음 이용하는 사용자로부터 소셜 ID 확인 정보를 획득하도록 구현될 수 있다. 이러한 사용자 인터페이스는 웹(WEB) 등의 네트워크상에서 사용자 단말인 클라이언트(1, 3)에 제공되거나 사용자 단말에서 구동하는 응용프로그램(application) 개인 신용 평가 시스템(10) 등과 연계될 수 있다.

또한, 인증부(12)는 클라이언트(1, 3)의 기기 플랫폼을 분석하거나, 기기 인증번호를 확인할 수 있다. 비인증 클라이언트의 경우, 인증부(12)는 별도의 기기 인증 프로세스를 수행하도록 구현될 수 있다.

또한, 인증부(12)는 P2P 뱅킹을 위한 인증 처리 절차(이하, 뱅킹 인증 프로세스라 함)를 포함할 수 있다. 인증 처리 절차는 패스워드, i-PIN(Internet personal identification number), OTP(One time passwaord), 모바일 단말, 이메일, 공인인증서, 생체인식 또는 이들의 조합을 이용한 1단계 이상의 인증 과정을 포함할 수 있다. 뱅킹 인증 프로세스는 P2P 뱅킹 과정의 진행 정도에 따라 복수 단계의 인증 처리 절차를 수행하도록 구현될 수 있다.

한편, 인증부(12)는 구현에 따라서 개인 신용 평가 시스템(10)의 다른 구성요소와 일체로 결합된 형태, 예컨대 실질적으로 동일한 장소에 배치되거나 단일 플랫폼 상에서 구동하는 형태 등으로 구현되지 않고 네트워크를 통해 연결되는 별도의 인증 기관이나 인증 서버 형태 등으로 구현될 수 있다.

데이터처리부(13)는 통신부(11) 및/또는 인증부(12)와 연결되어 사용자의 소셜 데이터를 분석할 수 있다. 즉, 데이터처리부(13)는 사용자 요청 정보에서 획득한 사용자의 소셜 ID를 토대로 소셜 데이터를 수집하고, 사용자를 분류하고, 소셜 데이터를 분석하고, 소셜 데이터를 파싱하여 데이터베이스에 저장하는 수단(제3 수단)이나 이러한 수단에 상응하는 기능을 수행하는 구성부(제3 구성부)를 포함할 수 있다. 제3 수단이나 제3 구성부는 1개 이상의 모듈을 포함할 수 있다.

또한, 데이터처리부(13)는 소셜 데이터의 효과적인 분석을 위해 소셜 네트워크 서비스에서 미리 설정된 방식에 따라 수집되며 로그 파일, 정형 또는 비정형 데이터, 소셜 미디어 등을 포함하는 빅데이터 내의 특정 정보를 분석 모델의 미리 설정된 데이터베이스에 저장할 수 있다. 분석 모델은 온톨리지 지식 기반 빅데이터 분석 기법 등을 이용하여 구현될 수 있으나, 이에 한정되지는 않는다. 또한 데이터처리부(13)는 하둡(Hadoop), NoSQL(Cassandra, Hbase, MongDB 포함) 등의 분석 인프라, 혹은 텍스트 마이닝, 오피니언 마이닝, 소셜 네트워크 분석, 군집분석 등의 분석 기법들과 함께 이용될 수 있다.

전술한 데이터처리부(13)는 저장부(15)에 연결되어 저장부(15)에 저장된 프로그램을 수행하는 프로세서에 탑재될 수 있다. 즉, 데이터처리부(13)는 프로세서의 적어도 일부 기능이나 모듈 또는 이러한 모듈에 상응하는 기능을 수행하는 구성부로 구현될 수 있다.

여기서, 프로세서는 마이크로프로세서(Microprocessor), 중앙 처리 장치(CPU: Central Processing Unit), 또는 이와 유사한 수단이나 이러한 수단에 상응하는 기능을 수행하는 구성부를 포함할 수 있다. 프로세서는 계산을 수행하는 연산장치(Arithmetic Logic Unit: ALU), 데이터 및 명령어의 일시적인 저장을 위한 레지스터, 그리고 미들웨어들 간의 인터페이스 장치를 제어하거나 관리하기 위한 컨트롤러를 구비할 수 있다. 프로세서는, 서로 다른 기능을 수행하는 복수의 모듈 중 하나 이상을 레지스터의 소정 영역에 로드(load)하고, 각 모듈의 작용이나 이들의 상호작용에 의해 빅데이터 등을 분석하고 분석 결과를 출력할 수 있다.

이러한 프로세서(11)는 디지털(Digital) 사의 알파(Alpha), MIPS 테크놀로지, NEC, IDT, 지멘스(Siemens) 등의 MIPS, 인텔(Intel)과 사이릭스(Cyrix), AMD 및 넥스젠(Nexgen)을 포함하는 회사의 x86 및 IBM과 모토롤라(Motorola)의 파워PC(PowerPC)와 같이 다양한 아키텍처(Architecture)를 구비할 수 있으나, 이에 한정되지는 않는다.

본 실시예의 데이터처리부(13)에 이용되는 분석 모델의 구체적인 예시는 아래에서 상세히 설명될 것이다. 다만, 본 실시예에서 빅데이터는 기존 데이터베이스 관리 도구의 데이터 분석 역량을 넘어서는 데이터셋(dataset) 규모를 가지는 것으로서 고정된 필드에 저장되어 있지 않는 대용량 비정형 데이터를 지칭할 수 있다. 빅데이터는 테라바이트(Terabyte)에서 페타바이트(Petabyte)까지 데이터 규모를 가질 수 있고, 정형, 비정형, 텍스트, 멀티미디어 등의 데이터가 혼재된 다양성을 가질 수 있다. 또한, 빅데이터는 소정 시간(예컨대, 1초 이하) 동안에 의사결정이 가능하도록 스트리밍 데이터로서 분석될 수 있고, 본질적으로 불확실한 데이터 유형을 가지며 예측 가능성의 관리를 통해 높은 신뢰도의 정확성을 획득하는 데 이용될 수 있다.

빅데이터의 종류로는 매매거래, 로그 데이터, 이벤트, 이메일, 소셜 미디어, 센서, 외부 데이터, RFID 스캔 및 POS 데이터, 자유형식 텍스트, 위치 정보, 오디오, 정지화상, 비디오 등이 있으며, 본 실시예에서는 소셜 데이터에 포함된 비정형 데이터 형태의 텍스트나 영상이나 이미지를 분석하여 사용자의 신용도를 효과적으로 평가할 수 있다. 예를 들어, 텍스트 분석에 의한 사용자의 SNS 활동 빈도, 영상 분석에 의한 사진 속 평균 사람 수 등에 대한 미리 설정된 평가점수가 반영될 수 있다.

보호부(14)는 개인 신용 평가 시스템(10)에서 신용도 평가 과정에서 수집되는 개인정보를 법규정 등에서 제한하는 개인정보보호 차원까지 관리하는 수단이나 이러한 수단에 상응하는 기능을 수행하는 구성부를 지칭한다. 보호부(14)는 개인식별 정보를 분석하는 제1 모듈, 개인정보보호 기준별로 개인식별 정보를 재포맷하는 제2 모듈, 논리적 및 물리적으로 자율화된 환경에서의 온톨리지 지식 기반의 빅데이터 생성 및 운영시에 개인 식별 정보를 모니터링하는 제3 모듈, 및 개인정보 보호가 적용된 가공 데이터(도 14 참조)를 제공하거나 표현하는 제4 모듈을 포함할 수 있다.

저장부(15)는 사용자의 소셜 데이터를 포함한 빅데이터 또는 빅데이터를 분석하여 얻은 사용자별 데이터를 저장한다. 저장부(15)는 빅데이터의 관리를 위한 데이터 사전이나 자료 정의를 저장할 수 있다. 이러한 저장부(15)는 시스템의 플랫폼 종류나 형태에 따라 다양한 구조를 가질 수 있으며, 일례로 RAM(Random Access Memory)이나 ROM(Read Only Memory) 같은 저장 매체 형태의 메인 메모리와, 플로피 디스크, 하드 디스크, SSD(Solid State Drive), 플래시 메모리, 자기 테이프 등의 장기(long-term) 저장 매체 형태의 보조 메모리 중 하나 이상의 메모리 시스템으로 구현될 수 있으나, 이에 한정되지는 않는다. 저장부(15)는 인터넷상의 저장소를 지칭하는 클라우드를 포함할 수 있다.

본 실시예에서 개인 신용 평가 시스템(10)은 신용도 평가를 위한 수단이나 이러한 수단에 상응하는 기능을 수행하는 구성부를 포함하는 개인정보 관리 시스템으로 지칭될 수 있다. 또한, 개인 신용 평가 시스템(10)은 P2P 뱅킹의 개인 신용도 평가에서의 개인정보 관리를 위한 것으로서 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템으로 지칭될 수 있다.

도 2는 도 1의 개인 신용 평가 시스템을 이용하는 P2P 뱅킹에서의 개인정보 관리 방법의 일실시예를 설명하기 위한 흐름도이다.

도 2를 참조하면, 본 실시예에 따른 개인 신용 평가 시스템(10)은 클라이언트(3)를 사용자 단말로서 사용하는 P2P 뱅킹 사용자 A(이하, 제1 사용자라 함)로부터 사용자 요청을 획득하고 그것에 대해 응답할 수 있다(S21). 사용자 요청 정보는 웹(Web) 상에서 개인 신용 평가 시스템(10)에 접속한 클라이언트(3)의 화면 등에 표현되는 사용자 인터페이스를 통해 클라이언트(3)에서 개인 신용 평가 시스템(10)으로 전달되거나, 클라이언트(3)에서 동작하며 데이터 통신 채널을 통해 개인 신용 평가 시스템(10)과 연결되는 응용 프로그램 또는 그것의 사용자 인터페이스를 통해 개인 신용 평가 시스템(10)에 전달될 수 있다.

다음, 개인 신용 평가 시스템(10)은 사용자 요청 정보에 따라 진행되는 개인정보 동의 시에 소셜 ID(IDentification)를 획득하거나, 이전의 신용도 평가 서비스 이용 시에 저장되고 사용자 요청 정보에 대응하는 소셜 ID를 획득할 수 있다(S22). 여기서, 소셜 ID 획득은 현재의 소셜 ID에 대응하는 사용자의 소셜 네트워크 서비스(Social network service, SNS) 또는 SNS 내의 사용자 정보에 접근할 수 있는 상태를 포함한다. 이러한 소셜 ID 획득은 미리 설정된 규칙과 이에 대한 사용자의 동의에 따라 사용자 요청 정보에 따른 신용도 평가 프로세스가 진행되는 현재의 시간 동안에만 개인 신용 평가 시스템의 접근을 허용하거나, 현재시간 이후의 일정 기간 사용자의 SNS에 1회 이상 개인 신용 평가 시스템의 접근을 허용하는 것을 포함할 수 있다.

다음, 개인 신용 평가 시스템(10)은 소셜 ID에 대응하는 사용자의 소셜 네트워크 서비스에서 사용자 관련 정보(소셜 데이터에 대응함)를 수집하고, 사용자의 소셜 데이터를 분석한다(S23). 소셜 데이터 분석 결과로서, 개인 신용 평가 시스템은 제1 사용자에 대한 신용도 평가점수를 생성할 수 있다.

다음, 개인 신용 평가 시스템(10)은 제1 사용자에 대한 신용도 평가 정보를 P2P 뱅킹을 이용하는 사용자 B 즉, P2P 뱅킹 사용자 B(이하, 제2 사용자라 함)에게 전달할 수 있다(S24). 여기서, 신용도 평가 정보는 개인 신용 평가 시스템의 소셜 데이터 분석 결과에 따른 제1 사용자의 신용도 평가점수를 포함할 수 있다. 제2 사용자는 특정 클라이언트(1)를 사용자 단말로서 사용하며 신용도 평가 시스템(10)의 신용도 평가 서비스를 받을 수 있다. 제2 사용자는 신용도 평가 서비스의 회원으로서 사용자 단말인 클라이언트(1)을 사용하며 P2P 뱅킹에서 자금 공급 등의 역할을 수행할 수 있는 1인 이상의 사람일 수 있으나, 이에 한정되지는 않는다.

다음, 개인 신용 평가 시스템(10)은 제2 사용자의 클라이언트(1)에 제1 사용자 정보를 제공할 수 있다. 제1 사용자 정보는 P2P 뱅킹에서 다른 사용자의 클라이언트가 제1 사용자의 클라이언트(3)에 연결할 수 있는 정보를 포함할 수 있다. 이러한 제1 사용자 정보는 전화번호, 이메일주소, 인터넷주소, 특정 애플리케이션 아이디나 식별자 등에서 선택되는 하나 이상을 포함할 수 있다. 본 단계(S25)에서, 클라이언트(1)는 개인 신용 평가 시스템(10)에 제1 사용자 정보를 요청하고 개인 신용 평가 시스템(10)으로부터 응답을 받도록 구현될 수 있으나, 이에 한정되지는 않는다. 제1 사용자 정보는 제1 사용자의 신용도 평가 정보에 포함된 상태로 제2 사용자의 클라이언트(1) 등에 배포될 수 있다. 또한, 제1 사용자 정보는 개인 신용 평가 시스템(10)과 직접 혹은 간접적으로 연결되고 제2 사용자의 클라이언트(1)에서 구동하는 애플리케이션을 통해 클라이언트(1)에 제공될 수 있다.

제2 사용자는 신용도 평가 서비스를 통해 받은 제1 사용자의 신용도 평가 정보를 토대로 P2P 뱅킹을 통해 제1 사용자와 금융 거래 등을 할 것인지를 결정할 수 있고, 금융 거래를 할 것으로 결정한 경우, 앞서 획득한 제1 사용자 정보를 토대로 P2P 뱅킹 접속 정보를 제1 사용자의 클라이언트(3)로 전송할 수 있다(S26). 여기서, P2P 뱅킹 접속 정보는 두 클라이언트(1, 3)를 연결하는 P2P 뱅킹접속 주소나 링크 등을 포함할 수 있다.

제2 사용자로부터 P2P 뱅킹 접속 정보를 수신한 제1 사용자는 P2P 뱅킹에 접속하고 두 클라이언트(1, 3) 간에 생성되는 P2P 뱅킹 채널을 통해 제2 사용자와 P2P 뱅킹을 수행할 수 있다(S27).

다음, 개인 신용 평가 시스템(10)은 보호부를 통해 신용도 평가시에 저장된 개인식별 정보를 포함한 사용자 데이터의 폐기를 판단한다(S28). 본 단계(S28)에서의 판단은 사용자 요청에 따른 인증 과정에서 개인정보 동의 사항에 포함된 내용을 토대로 수행될 수 있다. 개인정보의 활용이나 제3자 제공 등에 대한 사용자 동의가 있는 경우, 보호부는 기설정 개인정보 보호 프로세스를 수행하여 개인정보를 보호한다(S29)(도 10 참조).

본 실시예에 의하면, P2P 뱅킹에 있어서 대출자의 소셜 데이터 분석을 토대로 대출자의 신용도를 수치적으로 평가할 수 있다. 또한, 대출자의 신용도 평가가 필요한 다양한 금융 거래 시스템과 연계하여 빅데이터 분석 기반의 개인 신용도 평가를 수행할 수 있다. 더욱이, 신용도 평가를 위해 수집되거나 접수된 사용자 데이터(개인식별 정보 포함)를 폐기하거나 일반관리자에게도 노출되지 않도록 2중 관리할 수 있다.

전술한 본 실시예에 의하면, 개인 신용 평가 시스템(10)은 사용자의 소셜 네트워크 서비스상에 공개된 사용자의 비정형 데이터(소셜 데이터에 포함됨)를 수집하고 수집된 비정형 데이터 내의 특정 정보를 미리 설정된 데이터베이스 모델을 통하여 정형화된 데이터 형태로 저장하며 저장된 사용자 데이터를 분석하여 사용자의 신용도를 평가할 수 있다. 또한, 신용도 평가에 사용된 사용자 데이터의 개인정보를 법률적 기준의 보호 차원에서까지 신뢰성 있게 관리할 수 있다. 이러한 개인정보 보호 기능을 갖춘 개인 신용도 평가 정보는 높은 신뢰성을 가질 수 있고, 따라서 P2P 뱅킹에서 금융 거래를 이용하고자 하는 사용자에게 금융 거래의 안정성과 신뢰성을 제공시킬 수 있다.

여기서, 사용자는 P2P 뱅킹에서 돈(Money)을 빌리는 사람이나 빌려주는 사람을 포함할 수 있다. P2P 뱅킹 서비스는 돈 등의 현금성 화폐 외에 이와 대용가능한 디지털 화폐(사이버머니, 비트코인 등을 포함함)나 금융상품(주식, 채권 등을 포함함)을 이용한 뱅킹 서비스, 신용거래/지급보증, 대납/지불 등의 뱅킹 서비스 등을 포함할 수 있다.

또한, 전술한 실시예에 의하면, 개인 신용 평가 시스템을 이용하는 금융거래의 공급자는 금융거래 소비자(개인이나 소상공인 등의 고객을 포함함)에 대하여 소셜 데이터 기반의 신용도 평가 정보를 받고 이를 토대로 고객에 대한 대출, 대납, 지급보증을 수행할 수 있다. 특히, 본 실시예의 개인정보 보호 기능을 갖춘 개인 신용 평가 시스템은 소셜 데이터를 이용하여 고객의 신용도를 높은 신뢰성으로 평가할 수 있으므로 기존의 신용도 평가 시스템-개인 신용도 평가에 빅데이터를 사용하지 않는 인터넷 뱅킹 시스템- 등에 비해 금융거래의 공급자로서 일반 개인이 쉽게 참여할 수 있는 환경을 제공할 수 있으며, 그에 의해 P2P 금융 거래의 활성화뿐 아니라 이를 포함한 전체 금융 거래의 활성화에 기여할 수 있는 장점이 있다.

또한, 전술한 실시예에 의하면, 금융거래 소비자는 자신의 소셜 데이터를 제공하는 것으로 신용도를 평가받을 수 있고 평가된 신용도를 토대로 금융 거래에 필요한 자금 등을 받을 수 있으며, 신용도 평가 요청시에 자신의 개인정보를 확실하게 보호받을 수 있다. 이것은 P2P 뱅킹을 일반 개인 사용자가 손쉽게 이용할 수 있도록 함으로써 P2P 뱅킹의 활성화와 이를 포함하는 금융거래의 활성화에 기여할 수 있는 장점이 있다.

도 3은 도 1의 개인 신용 평가 시스템의 빅데이터 처리 과정을 설명하기 위한 개략도이다. 도 4는 도 3의 빅데이터 처리 과정 중 주요 과정을 도시한 개략도이다.

도 3을 참조하면, 본 실시예에 따른 개인 신용 평가 시스템의 데이터처리부(도 1의 13 참조)는 빅데이터에 포함되는 사용자의 소셜 데이터(D1)를 토대로 사용자의 신용도를 평가하거나, 사용자 요청 정보에 따른 등록데이터(D2)와 소셜 데이터(D1)를 토대로 사용자의 신용도를 평가할 수 있다. 이를 위해, 데이터처리부는 전처리부(13a), 융합부(13b), 가중분석부(13c) 및 점수환산부(13d)를 포함할 수 있다. 사용자의 소셜 데이터(D1)만을 이용하는 경우, 데이터처리부는 융합부(13b)를 생략할 수 있다.

구체적으로 각 구성요소를 설명하면, 전처리부(13a)는 소셜 네트워크 서비스(SNS) 서버에서 사용자의 소셜 데이터를 수집하고, 수집한 소셜 데이터를 분류하고, 수집한 소셜 데이터를 분석하여 파싱한다.

좀더 구체적으로, 도 4에 도시한 바와 같이, 전처리부(13a)는 API(Application programming interface)를 통해 SNS 서버에 접근할 수 있고, 소셜 네트워크 서비스 서버(5a)에서 사용자의 소셜 데이터(D1)를 수집할 수 있다. 수집되는 빅데이터는 비정형 데이터(D1a)와 정형 데이터(D1b)를 포함할 수 있다.

또한, 전처리부(13a)는 빅데이터에 포함된 비정형 텍스트 데이터를 분석하기 위해 키워드 분석부(133a)를 포함하거나, 빅데이터에 포함된 비정형 영상 또는 이미지 데이터를 분석하기 위해 영상 분석부(133b)를 포함할 수 있다. 키워드 분석부(133a) 또는 영상 분석부(133b)에서 분석된 데이터는 SNS 분석 소셜데이터(D3)로서 저장부 또는 저장부의 데이터베이스에 저장될 수 있다.

전술한 전처리부(13a)에 의하면, 사용자의 소셜 데이터로서 비정형 데이터를 포함하는 빅데이터를 파싱하여 미리 설정된 데이터베이스 클래스의 테이블 필드에 융합가능한 데이터(D3)를 준비할 수 있다. 여기서, 데이터(D3)는 빅데이터에 비해 상대적으로 정형화된 데이터일 수 있다.

다시 도 3을 참조하면, 융합부(13b)는 빅데이터를 파싱하여 얻은 데이터와 사용자 요청 정보로부터 획득한 기본 데이터를 융합하여 신용도 분석을 위한 평가데이터를 생성할 수 있다. 융합부(13b)는 빅데이터를 파싱하여 얻은 데이터를 분석하여 미리 설정된 데이터베이스 테이블의 해당 필드에 미리 설정된 값을 삽입하도록 구현될 수 있다. 또한, 융합부(13b)는 빅데이터를 파싱하여 얻은 데이터를 분석하여 기본 데이터를 포함하는 데이터베이스의 해당 필드에 삽입되거나, 해당 필드 값을 대체하거나, 해당 필드의 값과의 평균값으로 대체되거나, 해당 필드의 값과의 비교 결과에 따라 상대적으로 큰 값 혹은 작은 값이 삽입되도록 구현될 수 있다.

가중분석부(13c)는 미리 설정된 데이터베이스 클래스의 각 테이블에 일정량 이상의 데이터가 채워진 경우, 각 테이블의 필드의 값을 미리 정해진 소정의 수치(표 1 참조)로 산술화하면서 각 필드의 값에 따라 가중치를 적용한다.

또한, 가중분석부(13c)는 사용자의 데이터베이스에 일정량 미만의 데이터가 채워지거나 특정 필드에 데이터가 채워져 있지 않은 경우, 필요한 데이터를 소셜 데이터에서 수집하거나 추출할 수 있으며, 구현에 따라서 사용자에게 필요한 데이터를 요청하여 사용자 요청 정보 형태로 받아 저장할 수 있다. 이러한 기능 혹은 동작은 가중분석부(13c)에서 수행되는 것으로 국한되지 않고, 전술한 융합부(13b)에 의해 담당될 수 있다.

즉, 전술한 경우, 융합부(13b)는 두 데이터를 융합하기 전이나 융합한 후에 사용자의 데이터베이스의 필드가 미리 설정된 기준량 이상 채워져 있지 않거나 특정 필드에 데이터가 채워져 있지 않으면, 소셜 데이터에서 추가 데이터를 수집하거나 추출할 수 있으며, 구현에 따라서 사용자 단말에 적당한 신호를 전송하고 이에 응답하는 사용자 단말로부터 추가 데이터를 받아 사용자 데이터베이스의 해당 필드에 저장할 수 있다.

점수환산부(13d)는 가중분석부(13c) 혹은 가중분석부를 포함한 데이터처리부의 분석 결과를 P2P 뱅킹의 개인 신용도 등급의 점수로 환산한다. 환산 결과는 사용자 단말의 사용자 인터페이스에 표현되거나, P2P 뱅킹의 다른 사용자나 제3의 사용자에게 배포될 수 있다. 본 실시예에서, 점수환산부(13d)의 환산 결과는 P2P 뱅킹의 개인 신용도 등급, 개인 신용도 등급의 환산점수 범위, 평가데이터 내 빅데이터 포함 비율, 및 개인 신용 평가 시스템의 평가 결과를 환산한 개인신용도를 포함한 형태로 표현되나, 이에 한정되지는 않는다. 데이터처리부는 신용도 평가 서비스를 받은 사용자의 사용자 단말이나 다른 사용자 단말이나 기타 제3의 사용자 단말 혹은 제3의 시스템에 개인신용도 점수만을 전달하거나 배포할 수 있다.

한편, 본 실시예에서 점수환산부(13d)는 데이터처리부에 포함되는 것으로 설명되나, 이에 한정되지는 않는다. 점수환산부(13d)는 데이터처리부와는 별도의 구성요소로 데이터처리부에 연결되어 데이터처리부에서의 평가 결과를 환산점수로 변환하도록 구현될 수 있다.

도 5는 도 1의 개인 신용 평가 시스템의 인증 과정의 일실시예를 설명하기 위한 흐름도이다.

도 5를 참조하면, 본 실시예에 따른 개인 신용 평가 시스템(이하, 간략히 시스템이라고도 함)은 먼저 사용자 요청을 수신한다(S51). 사용자 요청은 미리 설정된 사용자 요청 타입을 포함할 수 있다.

다음, 시스템은 사용자를 구분한다(S52). 개인 신용 평가 시스템은 사용자를 국내, 국외, 개인, 소상공인, 기업인 등으로 구분할 수 있다.

다음, 시스템은 요청고객의 정보 횟수가 1보다 큰지를 판단한다(S53). 개인 신용 평가 시스템은 최초 서비스 이용 고객과 기존 고객을 구분할 수 있다.

최초 서비스 이용 고객인 경우, 시스템은 개인정보 동의를 판단한다(S54). 개인정보 동의는 개인정보에 대한 이용동의를 포함할 수 있다. 개인정보 동의가 수행되지 않으면, 시스템은 해당 사용자의 접속 상태를 로그아웃(Logout) 상태로 전환하여 본 프로세스를 종료할 수 있다.

다음, 시스템은 소셜 ID를 확인한다(S55). 개인 신용 평가 시스템은 개인정보 동의 후에 소셜 ID를 확인하는 것으로 한정되지 않고, 개인정보 동의 시나 그 이전에 소셜 ID를 확인할 수 있다. 소셜 ID의 확인은 사용자의 소셜 ID 입력, 특정 소셜 네트워크 서비스(Social network service, SNS)로의 이동 버튼 클릭 등으로 시작되는 SNS 접속 과정에서 획득될 수 있다.

다음, 시스템은 요청 플랫폼을 분석한다(S56). 본 단계(S56)는 상기의 단계(S53)에서의 판단 결과, 서비스 요청 고객이 최초 이용 고객이 아니고 기존 이용 고객인 경우, 개인정보 동의를 생략하거나 소셜 ID 확인이 이미 완료된 것으로 가정한 상태를 포함할 수 있다. 본 단계(S26)에서, 개인 신용 평가 시스템은 사용자 단말인 클라이언트(3)와의 데이터 통신을 통해 클라이언트(3)의 기기의 플랫폼을 식별할 수 있다. 기기의 플랫폼 또는 운영체계는 윈도우즈 씨이(Windows CE), 아이오에스(iOS), 안드로이드(Android), 타이젠(Tizen), 마이유아이(MiUI), 바다(Bada) 등을 포함할 수 있다.

저장부에 기기 인증번호가 확인되지 않으면, 시스템은 현재 확인된 사용자 단말인 클라이언트의 기기 타입을 저장하거나 등록한다(S58).

다음, 기기 인증번호가 확인되었거나 클라이언트 기기 타입의 등록이 완료되면, 시스템은 사용자 요청을 분석하여 P2P 뱅킹의 진행을 판단한다(S59).

사용자 요청이 P2P 뱅킹의 진행을 포함하는 것으로 판단되면, 시스템은 멀티 팩트 인증을 수행할 수 있다(S60). 멀티 팩트 인증은 복수의 서로 다른 인증 방법을 통해 사용자 혹은 사용자 단말인 클라이언트 기기를 인증하는 포함할 수 있다. 복수의 서로 다른 인증 방법은 동시에 수행되거나 순차적으로 수행될 수 있다. 한편, 사용자 요청이 P2P 뱅킹을 포함하지 않는 것으로 판단되면, 시스템은 클라이언트를 로그아웃시키고 본 프로세스를 종료할 수 있다.

도 6은 도 5의 인증 과정 중 소셜 ID 확인 과정의 일실시예를 설명하기 위한 클라이언트 화면의 개략도이다.

도 6을 참조하면, 본 실시예에 따른 개인 신용 평가 시스템에 연결되는 클라이언트(3)는 웹(Web), 응용 프로그램(Application) 등을 통해 제공되는 사용자 인터페이스(301)에서 이름, 아이디, 패스워드 등을 입력하고 이를 포함하는 사용자 요청을 개인 신용 평가 시스템에 전송할 수 있다.

또한, 클라이언트(3)는 사용자 인터페이스(301) 상에서 소셜 네트워크 이동하기 등으로 표시되는 버튼(308)을 클릭하여 자신의 소셜 네트워크 서비스(SNS)로 이동할 수 있다. 소셜 네트워크 서비스 접속 시, 클라이언트(3)의 설정에 따라 사용자는 자신의 SNS 아이디와 패스워드를 입력하거나 입력하지 않을 수 있다.

전술한 경우, 개인 신용 평가 시스템은 사용자 인터페이스(301)에서 사용자 입력에 따른 SNS로의 이동이나 SNS로 이동한 후의 사용자 SNS 접속에 따라 사용자의 소셜 ID를 확인할 수 있다. 그리고 개인 신용 평가 시스템은 개인정보 동의에 따라 SNS 내 사용자의 소셜 데이터를 수집할 수 있다. 이러한 소셜 데이터의 수집은 사용자의 접속 시에 한정하여 수행되거나 개인정보 동의 내에 미리 설정된 약정에 따라 일정 기간 동안 적어도 1회 이상 수행되도록 구현될 수 있다.

도 7은 도 1의 개인 신용 평가 시스템에 채용할 수 있는 데이터처리부의 전처리부에 대한 개략적인 블록도이다. 도 8a 내지 도 8d는 도 7의 전처리부의 각 구성요소에 채용할 수 있는 데이터베이스의 테이블들과 각 테이블의 필드명에 대한 예시도이다.

도 7을 참조하면, 본 실시예에 따른 개인 신용 평가 시스템의 데이터처리부(13)는, 수집부(131), 분류부(132), 분석부(133) 및 파싱부(134)를 포함할 수 있다.

수집부(131)는 사용자의 소셜 네트워크 서비스의 사용자 계정에서 접근할 수 있거나 볼 수 있는 데이터를 수집할 수 있다. 예를 들어, 수집부(131)는 페이스북(www.facebook.com)에서 접속일자나 접속시간 등의 로그기록; 텍스트; 사진, 이미지 등의 페이지 내 객체 정보; 포스트(Post) 정보; 좋아요(Like) 정보; 공유(Share) 정보; 댓글(Comment) 정보; 친구(Friends) 정보; 모임 또는 그룹(Groups) 정보; 취미 또는 관심(Interests) 정보 등을 수집할 수 있다. 또한, 수집부(131)는 트위터(https://twitter.com)에서 트윗, 팔로잉, 팔로워, 로그기록, 텍스트, 사진, 포스트 정보, 취미 정보, 그룹 정보, 친구 정보 등을 수집할 수 있다. 수집된 데이터는 비정형 데이터를 포함하는 빅데이터로서 저장부에 저장될 수 있다.

또한, 수집부(131)는 도 8a에 도시한 바와 같이 사용자 등록이나 개인정보 동의 시에 사용자에 의해 입력된 사용자 정보를 토대로 이름, 전화번호, 주소, 통화내역(서비스 제공자와의 통화 내역을 포함함), SNS(소셜 ID를 포함함), 금융 정보, 주민번호 등의 컬럼(필드명)을 가진 테이블(제1 테이블)(81)이나 제1 테이블을 포함하는 데이터베이스(제1 데이터베이스)를 생성할 수 있으나, 이에 한정되지는 않는다.

한편, 본 실시예에서 수집부(131)는 전처리부(13a) 또는 전처리부(13a)를 포함한 데이터처리부에 포함되는 것으로 설명되나, 이에 한정되지는 않으며, 다른 구성요소와는 별도의 수단이나 구성부로서 구현될 수 있다.

분류부(132)는 사용자를 미리 정해진 타입으로 분류한다. 분류 타입은 도 8b에 도시한 바와 같이 업무별, 지역별, 키워드 군집별, 처리기관별 등을 포함할 수 있으나, 이에 한정되지는 않는다. 각각의 분류 타입은 데이터베이스의 소정 테이블(82)에서 복수의 필드에 대응할 수 있다.

또한, 분류부(132)는 분류 타입 중 하나 이상에서 개인정보 보호가 필요한 사용자와 그렇지 않은 사용자를 분류하거나, 일반 고객과 우수 고객을 분류하도록 구현될 수 있다.

분석부(133)는 사용자 정보나 소셜 데이터를 토대로 기본 정보를 분석하거나, 이슈 정보를 분석하거나, 재식별 정보를 분석하거나, 금융 정보를 분석할 수 있다. 또한, 분석부(133)는 분석된 정보를 미리 설정된 컬럼이나 필드명을 갖는 테이블로 생성할 수 있다. 테이블은 특정 데이터베이스에 포함될 수 있다. 즉, 분석부(133)의 분석 결과에 의하면, 비정형 데이터가 포함된 빅데이터 내 특정 정보는 미리 정해진 정형 데이터 포맷을 가진 테이블의 1개 이상의 필드에 해당 데이터가 저장될 수 있다.

예를 들어, 도 8c에 나타낸 바와 같이, 빅데이터에서 분석된 정보 중 기본 정보는 직업, 급여, 결혼 여부, 주택, 자동차, 주소, 연령, 성별, 취미, 동아리 등으로 구분된 필드를 포함하는 테이블(83a)에 저장될 수 있고, 이슈 정보는 기간별, 이슈별 발생추이(사기, 신용카드 도용, 전과 기록 등), 액수별 등으로 분류된 필드를 포함하는 테이블(83b)에 저장될 수 있고, 재식별 정보는 이름, 주민번호, 카드 정보 등으로 분류된 필드를 포함하는 테이블(83c)에 저장될 수 있으며, 금융 정보는 카드 정보, 은행 계좌, 보험 정보 등으로 구분된 필드를 포함하는 테이블(83d)에 저장될 수 있다.

또한, 분석부(133)는, 소셜 데이터에 포함된 비정형 데이터에서 사용자의 행동 패턴이나 생활 패턴을 분석할 수 있다. 예를 들어, 분석부(133)는 사용자에 대한 댓글 분석, 빈도수 분석, 관심도 분석, 음식 분석 등을 수행할 수 있다.

댓글 분석의 경우, 분석부(133)는 페이스북 등의 SNS에서 수집한 텍스트나 영상(image)의 분석을 통해 사용자의 좋아요 또는 댓글, 혹은 사용자의 글에 달린 친구들의 좋아요 또는 댓글 개수에 따라 미리 설정된 개수 범위 기준에 따라 점수를 부여할 수 있다. 또한, 분석부(133)는 욕설, 비방 등의 부정적인 말에 대한 개수에 따라 미리 설정된 점수를 부여할 수 있다. 여기서 개수는 미리 설정된 기간에 해당 사용자 패턴이나 이와 관련된 패턴이 발생한 회수의 평균값일 수 있다.

빈도수 분석의 경우, 분석부(133)는 사용자의 로그인 회수, 댓글 평균 주기 등에 따라 미리 설정된 기준에 따른 점수를 부여할 수 있다. 일례로, 분석부(133)는 로그인 회수가 6회 이상(/1일)이면 사용자의 해당 패턴의 데이터나 이 데이터가 저장되는 필드에 3점을 부여하고, 3회 내지 5회(/일)이면 2점을 부여하고, 1회 또는 2회이면 1점을 부여하고, 그리고 1일 평균 1회보다 작으면 0점을 부여하도록 동작할 수 있다.

전술한 댓글 분석과 빈도수 분석은 주로 분석부(133)의 텍스트 분석부에 의한 텍스트 분석을 통해 수행될 수 있다.

또한, 관심도 분석의 경우, 분석부(133)는 사용자의 취미, 관심 등에 대한 노출빈도에 따라 해당 데이터나 이를 저장한 필드에 점수를 부여할 수 있다. 예컨대, 분석부(133)는 사진 분석 등의 이미지 분석을 통해 관심 객체를 설정하고, 관심 객체의 노출 빈도를 카운트하고, 일정 기간당 카운트된 횟수에 따라 미리 설정된 점수를 부여할 수 있다. 여기서, 이미지 분석은 배경 분석, 사물 분석 등을 포함할 수 있고, 관심 객체는 사람, 동물, 사물, 대상(종교 포함), 국가, 지역 등을포함할 수 있다. 관심도 분석은, 예를 들어, 일정 기간의 전체 사진들 중 특정 대상 (예컨대 자전거, 스키, 골프, 여행 등 중 어느 하나)의 빈도수를 체크하고, 60% 초과이면 3점, 30% 초과 ~ 60% 이하이면 2점, 10% 초과 ~ 30% 이하이면 1점, 10% 이하이면 0점을 부여하도록 설정될 수 있다.

음식 분석의 경우, 분석부(133)는 관심도 분석의 경우와 유사하게 특정 대상인 음식에 대한 관심도를 분석할 수 있다. 한편, 음식 분석은 다양한 분석 대상 중 하나에 대한 예로써 옷, 주택, 자동차 등에서 선택되는 어느 하나로 대체될 수 있다.

전술한 관심도 분석과 음식 분석은 주로 분석부(133)의 텍스트 분석부에 의한 텍스트 분석을 통해 수행될 수 있다.

전술한 실시예들 외에 분석부(133)는 댓글, 빈도수, 관심도, 음식 등에 대한 분석에서 주기성이나 반복성이 강한 항목에 대하여 최고 또는 최저 점수를 부여하도록 설정될 수 있다. 항목은 미리 설정되는 것으로서 빈도수가 높을수록 점수가 높아지는 좋은 항목, 빈도수가 높을수록 점수가 낮아지는 나쁜 항목 등을 포함할 수 있다.

파싱부(134)는 분석부(133)의 빅데이터 분석 결과를 토대로 데이터의 트리 구조를 생성한다. 이러한 작업을 통해, 파싱부(134)는 해당 사용자에 대한 정형화 데이터(structured data)에서 행(Row) 데이터를 강화할 수 있다.

또한, 파싱부(134)는 도 8d에 나타낸 바와 같이 등급별, 우선순위(Priority), 거래량(Amount), 신용도 대비 등으로 분류된 필드를 포함하는 테이블(84)에 파싱된 데이터를 저장할 수 있다. 신용도 대비 필드의 경우, 처음에는 공란 또는 해당없음을 지칭하는 N/A로 표시될 수 있으나, 사용자의 신용도 평가 서비스 이용 횟수의 증가에 따라 소정의 신용도 대비 값을 가질 수 있다.

본 실시예에서 신용도 대비 값은 이전 신용도 중 전체 혹은 일정 기간(예컨대, 3개월)의 평균이거나 직전 신용도와의 차이를 해당 값으로 가질 수 있다. 예를 들어, 신용도 대비 값이 -10이면, 이전의 평균 신용도나 직전 신용도에 비해 상대값 10의 크기만큼 신용도가 떨어진 것을 나타내고, 신용도 대비 값이 10이면, 그만큼 신용도가 올라간 것을 나타낼 수 있다.

아래의 표 1은 도 8a 내지 도 8d의 데이터베이스를 이용하는 신용도 평가 모델의 자료 정의 및 산술화 정보를 예시하여 나타낸 도표이다.

표 2는 표 1의 클래스의 가중치에 대한 예시도이다.

표 1 및 표 2에 나타낸 바와 같이, 본 실시예에서 데이터처리부는 사용자의 소셜 데이터인 빅데이터 내의 비정형 데이터를 파싱하여 미리 설정된 데이터베이스 클래스의 테이블 필드를 채우도록 구현될 수 있고 또한 필드의 각 값에 따라 가중치를 적용할 수 있다.

본 실시예에서 소셜 데이터에 대한 가중치는 30%로 설정되어 있으나, 이에 한정되지는 않으며, 구현에 따라서 분석 모델의 데이터베이스 클래스 들 중 소셜 데이터에 설정되는 가중치는 30%를 초과하고 90% 또는 100% 이하에서 설정될 수 있다. 이러한 구성에 의하면, 개인 신용 평가 시스템은 빅데이터에 포함되는 소셜 데이터를 토대로 사용자의 신용도를 신뢰성 있게 분석할 수 있다.

또한, 본 실시예에서 가중치는 개인정보보호를 위한 식별정보에 가중치를 부여하고 있지 않으나, 개인정보보호 시 식별정보 클래스를 추가하고 이에 대하여 소정의 가중치를 부여할 수 있다.

도 9는 도 7의 데이터처리부의 분석 결과의 일실시예에 대한 그래프이다.

도 9를 참조하면, 본 실시예에 따른 데이터처리부의 분석 결과는 8각 방사형 그래프에서 각각의 클래스에 대한 평가점수를 표시하도록 표현될 수 있다. 이때, 각 클래스에는 표준치 혹은 평균치가 함께 표시되어 각 클래스의 평가점수와 비교할 수 있도록 표현될 수 있다.

즉, 본 실시예의 사용자 신용도 분석 결과는 8각 방사형 그래프에서 개인신상 클래스의 조사치가 표준 대비 약 160% 정도로 높고, 주택 클래스의 조사치가 표준 대비 약 140% 정도로 높고, 직업 클래스의 조사치가 표준 대비 약 120% 정도 높고, 금융거래 클래스의 조사치가 표준 대비 약 140% 정도로 높고, 보험 클래스의 조사치가 표준 대비 약 180% 정도로 높고, 소셜 클래스의 조사치가 표준 대비 약 100%로 표준과 동일하며, 식별정보 클래스의 조사치가 표준 대비 약 160% 정도로 높고, 자동차 클래스의 조사치가 표준 대비 약 120% 정도로 높은 것으로 표현되어 있다.

전술한 신용도 분석 결과에 의하면, 사용자의 신용도는 전반적으로 우수하나, 소셜 클래스의 필드 항목에서 다른 항목에 비해 상대적으로 신용도가 약간 떨어지는 것으로 분석된 것을 알 수 있다.

표 3은 본 실시예의 개인 신용 평가 시스템에서의 전술한 분석 결과를 P2P(Person to Person) 뱅킹을 위한 개인 신용도 등급의 환산점수로 변환한 것을 예시로서 나타낸 것이다.

표 3에 나타낸 바와 같이, 개인 신용 평가 시스템의 분석 결과는 P2P 뱅킹에서 사용할 수 있는 개인 신용도 등급의 환산점수로 표현될 수 있다.

또한, 개인 신용 평가 시스템의 분석 결과는 개인 신용도 평가에 사용된 평가 대상 데이터(간략히, 평가데이터) 중 등급별로 빅데이터가 차지한 비율(%)을 표시할 수 있다. 또한, 구현에 따라서 개인 신용 평가 시스템은 평가데이터에서 차지하는 빅데이터의 비율을 미리 설정하고, 설정된 데이터가 채워지기까지 소셜 데이터 수집을 통해 해당 데이터를 보충하거나 사용자에게 요청하여 보완하도록 구현될 수 있다.

본 실시예의 P2P 뱅킹용 개인 신용도 등급에 있어서, 1등급(A)은 90% 이상의 빅데이터를 포함하는 평가데이터를 분석하여 개인신용도 90 이상인 경우를 나타내고, 2등급(B)은 80% 이상의 빅데이터를 포함하는 평가데이터를 분석하여 개인신용도 80 이상인 경우를 나타내고, 3등급(C)은 70% 이상의 빅데이터를 포함하는 평가데이터를 분석하여 개인신용도 70 이상인 경우를 나타내며, 4등급(D)은 70% 미만의 빅데이터를 포함하는 평가데이터를 분석하여 개인신용도 70 미만인 경우를 나타낸다.

또한, 구현에 따라서 개인 신용도 등급은 70% 미만의 빅데이터를 포함하는 평가데이터를 분석하여 개인신용도 70 이상 80 미만인 경우를 3-3등급(C-3)으로, 개인신용도 80 이상 90 미만인 경우를 2-3등급(B-3)으로, 개인신용도 90 이상인 경우를 1-3등급(A-3)으로 표현하는 것을 더 포함하거나, 이와 유사하게, 70% 이상 80% 미만의 빅데이터를 포함하는 경우, 80% 이상 90% 미만의 빅데이터를 포함하는 경우 그리고 90% 이상 100%의 빅데이터를 포함하는 경우 각각에 대하여, 분석 결과인 개인신용도에 따라 3-2등급(C-2), 2-2등급(B-2), 1-2등급(A-2), 3-1등급(C-1), 2-1등급(B-1), 1-1등급(A-1) 등을 더 포함할 수 있다.

도 10은 도 1의 개인 신용 평가 시스템의 보호부의 작동 원리를 설명하기 위한 흐름도이다.

도 10을 참조하면, 본 실시예에 따른 개인정보 관리 방법은 개인 신용 평가 시스템의 보호부에서 다음과 같은 과정을 수행하도록 구현될 수 있다.

먼저, 보호부는 데이터처리부나 분석부와의 연계를 통해 사용자의 소셜 네트워크 서비스 계정에서 수집되는 소셜 데이터 내의 개인식별정보를 분석한다(S101). 물론, 보호부는 사용자 요청 정보로부터 획득한 데이터에서 개인식별정보를 분석할 수 있다.

다음, 보호부는 신용도 평가를 위한 데이터를 저장하는 사용자 데이터베이스를 개인정보 보호 기준별로 재포맷한다(S102). 본 단계(S102)에서 사용자 데이터베이스의 테이블의 특정 레코드 또는 행(row)을 포함하는 열(column)이나 레코드 전체가 재포맷(reformatting)될 수 있다.

다음, 보호부는 사용자의 소셜 데이터를 포함하는 빅데이터를 모니터링할 수 있다(S103). 보호부는 개인 신용 평가 시스템의 빅데이터 처리 과정에서 예컨대, 논리적 및 물리적 자율화 환경하의 온톨리지 지식 기반 빅데이터(Ontology Knowledge Based Big Data) 생성 및 운영 과정에서 개인식별 정보를 모니터링할 수 있다.

다음, 보호부는 감지된 개인식별 정보를 포함하는 사용자 데이터베이스에서 개인정보 보호가 적용된 가공된 데이터를 포함하는 데이터 포맷을 출력할 수 있다(S104). 보호부는 개인정보 보호가 적용된 가공된 데이터로서 각 클래스(개인정보, 집, 직업, 은행, 보험, 소셜, 식별정보, 자동차 등)에 대한 점수를 포함한 빅데이터 평가 점수, 키 관리 여부, 주요 정보 암호화 적용 여부, 식별정보 보호방안 여부(가명처리, 총계처리, 데이터값 삭제, 범주화, 맛킹, 이원화 등), 최수 수집의 원칙에 따라 선택된 항목들(인적관계, 집, 직업, 은행, 보험, 소셜, 식별정보, 자동차 등), 파기 공지 기간, 개방성 범위(내부, 외부, 제3자 활용 및 가공 등), 사용의 목적(신용평가, 빅데이터 평가, 담보, 대출 등), 개인정보 동의 여부, 개인정보 식별 ID 등을 사용자 인터페이스를 통해 표현할 수 있다(도 14 참조).

또한, 본 실시예의 보호부는 아래의 표 4의 방안들 중 적어도 하나 이상을 추가로 적용하여 개인정보 보호 기능을 수행할 수 있다. 표 4는 개인정보 비식별화를 위한 방안을 나타낸다.

도 11은 도 1의 개인 신용 평가 시스템에 채용가능한 금융 관리를 설명하기 위한 흐름도이다.

도 11을 참조하면, 본 실시예에 따른 개인 신용 평가 시스템은 자체적인 구성부(미도시)나 금융기관의 서버(도 15의 50 참조)와 연계하여 P2P 뱅킹을 위한 금융 관리를 수행할 수 있다.

일실시예에서 개인 신용 평가 시스템(이하 간략히 시스템이라고도 함)은 금융 서비스별 분류를 수행할 수 있다(S111). 금융 서비스별 분류는 대출(Loan), 에스크로(Escrow), 보험 등을 포함할 수 있다.

또한, 시스템은 금융 주체별 분류를 수행할 수 있다(S112). 금융 주체별 분류는 개인과 회사를 분류하거나, 개인으로서 내국인과 외국인을 분류하거나, 회사로서 소규모 회사와 중견 회사를 분류할 수 있다.

또한, 시스템은 금융 타입(type)별 분류를 수행할 수 있다(S113). 금융 타입별 분류는 한화, 달러(Dollar), 유로(Euro), 위화, 비트코인(Bit Coin) 등을 포함할 수 있다.

또한, 시스템은 금융 위험관리를 수행할 수 있다(S114). 금융 위험관리는 사기, 도용, 잠정 위험관리, 자금세탁추적, 고객맞춤형 상담원 매칭 등을 포함할 수 있다. 이러한 금융 위험관리는 본 실시예의 빅데이터 분석을 이용하는 신용도 평가와 연계되어 고객별 등급관리 등에 적용될 수 있다. 금융 위험관리에 대하여는 아래에서 좀더 상세히 설명하기로 한다.

또한, 시스템은 비트코인 교환소(Bit Coin Exchanger)로서 기능할 수 있다(S115).

또한, 시스템은 금융 맞춤 상품을 푸쉬(Push)하는 서비스 장치로서 기능할 수 있다(S116).

도 12는 도 11의 금융 관리 중 금융 위험 관리에 대한 상세 흐름도이다.

도 12를 참조하면, 본 실시예에 따른 개인정보 보호 기능을 갖춘 개인 신용 평가 시스템(이하, 간략히 시스템이라 함)은 금융 위험 관리를 위해 고객 신용도 평가를 통해 신용도를 점검하고 에스크로와 보안성 강화를 통해 위험도를 낮출 수 있다.

이를 구체적으로 설명하면, 고객 요청 정보를 수령하면(S121), 시스템은 고객 요청 정보의 사기(Fraud) 또는 신용 도용(Creit Abuse)인지를 판단한다(S122).

사기 또는 신용 도용인 경우, 시스템은 고객 사기정보 회복패턴(Recovery Pattern) 여부를 판단하고(S123), 회복패턴이면 시스템은 고객 금용 요청을 재정립하고(S124), 필요에 따라 추가 데이터에 대한 요청을 사용자 단말에 전송할 수 있다. 한편, 회복패턴이 아니면 시스템은 고객 통보 불가로서 현재의 접속을 로그아웃하거나 본 프로세스를 종료할 수 있다(S125).

한편, 사기 또는 신용 도용이 아닌 경우, 시스템은 고객 신용도 점검 프로세스를 수행한다(S126). 고객 신용도 점검 프로세스는 빅데이터 분석을 이용한 신용도 평가를 포함할 수 있다.

다음, 시스템은 빅데이터 분석이나 고객 신용도 점검의 빈도수가 1번 이상 10번 이하인지(S127), 10번 초과 50번 이하인지(S128) 또는 50번 초과(S129)인지를 판단할 수 있다.

다음, 시스템은 고객 요청 정보를 토대로 요청 대출 에스크로(Escrow) 액수를 점검한다(S130). 즉, 에스크로 액수가 만달러 미만인지 이상인지를 점검할 수 있다.

에스크로 액수가 1달러 이상 1만 달러 미만이면(S131의 예), 시스템은 별도의 신용 재검증 프로세스를 생략하고 대출을 바로 수행할 수 있다(S136).

한편, 에스크로 액수가 1만 달러 이상이면(S131의 아니오), 시스템은 별도의 신용 재검증 프로세스를 수행할 수 있다(S133). 시스템은 신용 재검증 프로세스에서 빅데이터 분석 프로세스를 재매핑할 수 있다(S134).

또한, 시스템은 대출에 앞서 보안성 강화 프로세스를 작동시킬 수 있다(S135). 여기서, 보안성 강화 프로세스는 전자인증, 암호화, DRM(Digital Right Management) 등을 포함할 수 있다.

상기의 신용 재검증 프로세스와 보안성 강화 프로세스가 정상적으로 진행되면, 시스템은 사용자에게 1만 달러 이상을 대출할 수 있다(S136).

본 실시예에 따른 개인 신용 평가 시스템은 미리 설정된 개인 신용 등급을 이용할 수 있다. 개인 신용 등급을 예시하면 아래의 표 5와 같다.

도 13은 도 11의 금융 관리에 채용가능한 기존 금융관리의 상세 예시도이다.

도 13에 도시한 바와 같이, 본 실시예에 따른 개인 신용 평가 시스템은 P2P 뱅킹 서비스나 인터넷 뱅킹 서비스를 제공하는 기존 금융 관리 서버와 연계하여 금융 관리 프로세스를 수행할 수 있을 뿐 아니라 빅데이터 분석 기반의 신용도 평가를 통해 고객별 등급 관리, 행동 평점 관리 등의 고객 관리의 안정성과 신뢰성을 향상시킬 수 있다(도 15 참조).

도 14는 도 1의 개인 신용 평가 시스템의 개인정보 관리에 따른 관리자 화면의 예시도이다.

도 14를 참조하면, 본 실시예에 따른 개인 신용 평가 시스템은 개인정보가 식별되지 않는 정보를 일반 관리자의 단말의 사용자 인터페이스에 제공할 수 있으며, 이를 통해 P2P 뱅킹에서 또는 P2P 뱅킹의 신용도 평가에서 사용자의 개인정보를 효과적으로 보호할 수 있다.

특히, 개인정보 보호를 위해 미리 설정된 각 항목(0. 내지 11.)을 통해 개인정보의 관리 범위를 명확하게 할 뿐만 아니라 1차 및 2차 가공자와 가공일시를 표시하여 개인정보 보호에 대한 책인의 범위를 명확하게 하고 있다.

전술한 구성에 의하면, P2P 뱅킹이나 인터넷 전문 뱅킹에서 혹은 그 신용도 평가에서 수집되는 개인정보를 신뢰성 있게 보호할 수 있다.

도 15는 도 1의 개인 신용 평가 시스템을 이용하는 P2P 뱅킹의 다른 실시예를 설명하기 위한 블록도이다.

도 15를 참조하면, 본 실시예에 따른 개인 신용 평가 시스템(10)은, 도시의 편의상 이들이 서로 분리된 형태로 도시하고 있으나, 인터넷 뱅킹 서비스나 인터넷 뱅킹 P2P(Person to Person) 서비스(30)를 제공하는 서버(50)를 포함할 수 있다. 서버(50)는 은행 서버의 인터넷 뱅킹 부분, 인터넷 뱅킹 전용 서버, P2P 서비스 전용 서버 등에서 선택되는 하나 이상을 포함하도록 구현될 수 있다.

또한, 서버(50)는 다양한 P2P 금융거래 서비스나 P2P 금융상품 서비스를 제공할 수 있다. 예를 들어, 서버(50)는 금전 입금, 계좌이체, 비트코인(Bitcoin) 거래 등에 의한 P2P 대출 서비스; 상품이나 서비스 구매에 따른 대금 지불 서비스, 대금 대납 서비스, 지급보증 서비스 혹은 에스크로 서비스; 채무자를 대신하여 채권자에게 채무를 변상하는 채무 대납 서비스; 또는 이들이 조합되는 P2P 뱅킹 서비스를 포함할 수 있다. 이를 위해, 서버(50)는 대출자 계좌(51), 판매자 계좌(52), 채권자 계좌(53), 지급보증 계좌(54), 에스크로 계좌(55), Bitcoin 계좌(56) 등을 포함할 수 있다.

비트코인(Bitcoin)은 디지털 화폐의 P2P 뱅킹에 사용되는 디지털 화폐의 일례로서 이와 유사한 디지털 화폐가 P2P 뱅킹에 사용될 수 있음은 물론이며, 그 경우 Bitcoin 계좌(56)는 이메일 주소, 비트코인 주소 등을 포함할 수 있다.

P2P 뱅킹에 적용가능한 전술한 서비스들에 있어서, 두 클라이언트(1, 3) 간의 P2P 대출 서비스의 경우, 제2 사용자는 본 실시예의 개인 신용 평가 시스템(10)으로부터 받은 제1 사용자의 신용도 평가 점수를 보고 대출자금으로서 투자 여부와 투자하고자 하는 금액을 결정한 후 제1 사용자와의 P2P 뱅킹을 통해 소정 자금을 대출할 수 있다. 이때, 대출 자금은 대출자 계좌(51)로 이체되거나 입금될 수 있다. 한편, 대출 자금이 비트코인 등의 디지털 화폐인 경우, 대출자 계좌(51)는 제1 사용자의 이메일 주소, 비트코인 주소 등을 포함할 수 있다.

또한, P2P 대출 서비스는 제1 화폐를 제1 화폐와 다른 제2 화폐를 환전하는 서비스와 연계될 수 있다. 이 경우, P2P 대출 서비스는 제1 화폐를 제2 화폐로 환전하는 서비스를 제공하면서, 사용자 요청 정보에 따른 환전 사용자의 신용도 평가에 따라 환전 수수료율을 증감하거나, 환전액에 더하여 일정 금액을 함께 대출하는 서비스 등을 제공할 수 있다. 여기서, 제1 화폐는 비트코인을 포함한 전자 화폐 또는 디지털 화폐일 수 있고, 제2 화폐는 한화, US달러, 호주달러, 유로화, 엔화, 인민폐 등 현재 실물 경제에서 사용되는 모든 화폐를 포함할 수 있다.

대금지불 서비스 또는 대금대납 서비스의 경우, 제1 사용자는 인터넷이나 오프라인에서 상품이나 서비스를 구매하면서 그에 대한 대금을 P2P 대출 서비스를 이용하여 지불할 수 있다. 여기서, 제2 사용자는 제1 사용자의 신용도 평가 점수를 보고 투자 여부나 투자 자금의 규모를 결정하고 제1 사용자와의 P2P 뱅킹을 통해 소정 자금을 상품 판매자에게 지불할 수 있다. 이때, 대출 자금은 판매자 계좌(51)로 입금될 수 있다.

지급보증 서비스 또는 에스크로 서비스의 경우, 제1 사용자는 인터넷이나 오프라인에서 상품(또는 서비스)을 구매하면서 상품에 대한 대금의 지급보증을 P2P 대출 서비스를 이용하여 수행할 수 있다. 여기서, 제2 사용자는 제1 사용자의 신용도 평가 점수에 따라 투자 여부와 투자 자금의 규모를 결정하고, 상품 판매자와 구매자와 은행(또는 은행 유사 기관) 간의 약속에 따라 구매자의 상품 대금에 대한 지급보증을 위해 은행의 지급보증 계좌(54)나 에스크로 계좌(55)에 상품 대금의 적어도 일부를 입금할 수 있다.

채무 대납서비스의 경우, 제1 사용자는 자신이 지고 있는 금전적 채무의 적어도 일부분을 P2P 대출 서비스를 이용하여 해소할 수 있다. 여기서, 제2 사용자는 제1 사용자의 신용도 평가 점수에 따라 투자 여부와 투자 자금의 규모를 결정하고, 제1 사용자인 채무자의 채무를 갚거나 줄이기 위해 채권자 계좌(53) 등에 소정 금액의 자금을 송금할 수 있다.

이와 같이, 본 실시예에 의하면, P2P 금융거래나 P2P 금융상품 등을 포함하는 P2P 뱅킹 시에 대출자의 신용도를 대출자의 소셜 네트워크 서비스의 비정형 데이터를 포함한 빅데이터를 분석하여 대출자의 실제 생활 데이터를 토대로 높은 신뢰성의 신용도 평가를 수행할 수 있고, 그에 의해 P2P 뱅킹의 안정성 및 신뢰성을 향상시킬 수 있다.

전술한 개인 신용 평가 시스템(10)은 대용량 데이터 처리를 위한 플랫폼에서 구현될 수 있다. 플랫폼은 하둡 분산 파일 시스템(HDFS), 분산 병렬 처리 시스템(MapReduce), 기반 소프트웨어 프레임워크(Core) 등을 포함할 수 있으나, 이에 한정되지는 않는다.

또한, 전술한 개인 신용 평가 시스템(10)은 도 1의 개인 신용 평가 시스템과 서버(50)가 동일한 플랫폼이나 실질적으로 동일한 공간에 설치되는 것뿐만 아니라 상호 연계하는 P2P 뱅킹 서비스를 제공하는 것을 포함할 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

10: 개인 신용 평가 시스템
11: 통신부
12: 인증부
13: 데이터처리부
14: 저장부

Claims (10)

1. 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리를 위한 개인정보 관리 시스템으로서,
   네트워크를 통해 연결되는 사용자 단말로부터의 개인정보 동의 신호에 따라 접속되는 사용자의 소셜 네트워크 서비스에서 비정형 데이터를 포함한 빅데이터를 수집하고 상기 빅데이트를 분석하여 파싱하는 전처리부;
   상기 전처리부에서 파싱된 빅데이터로부터의 정형화된 데이터에 가중치를 적용하는 가중분석부; 및
   상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하며,
   상기 가중분석부에서 가중치가 적용된 평가데이터의 분석 결과는 상기 사용자의 신용도 평가 정보로서 이용되는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
2. 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리를 위한 개인정보 관리 시스템으로서,
   네트워크를 통해 연결되는 사용자 단말로부터의 개인정보 동의 신호에 따라 접속되는 사용자의 소셜 네트워크 서비스에서 비정형 데이터를 포함한 빅데이터를 수집하고 상기 빅데이트를 분석하여 파싱하는 전처리부;
   상기 전처리부에서 파싱된 빅데이터로부터의 정형화된 데이터와 상기 사용자의 신용도 평가에 대한 사용자 요청 정보로부터의 기본 데이터를 융합하는 융합부;
   상기 융합부에 의해 융합된 평가데이터에 가중치를 적용하는 가중분석부; 및
   상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
3. 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리를 위한 개인정보 관리 시스템으로서,
   상기 P2P 뱅킹을 이용하는 사용자 단말로부터의 개인정보 동의에 따라 연결되는 소셜 네트워크 서비스에서 사용자 관련 정보를 수집하는 수집부;
   상기 사용자 관련 정보 내의 비정형 데이터가 포함된 빅데이터를 분석하여 사용자의 신용도를 분석하는 데이터처리부;
   상기 데이터처리부에서 생성된 상기 사용자의 신용도 평가 정보를 상기 P2P 뱅킹을 이용하는 다른 사용자 단말이나 제3자의 단말에 전송하는 통신부; 및
   상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 보호부를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
4. 청구항 1 내지 3 중 어느 한 항에 있어서,
   상기 빅데이터에 포함된 비정형 데이터로서의 텍스트 또는 영상을 미리 설정된 분석 모델을 통해 분석하고, 분석 결과를 상기 빅데이터를 파싱하여 얻은 정형화된 데이터의 미리 설정된 데이터베이스 클래스나 상기 데이터베이스 클래스의 테이블 필드에 추가하는 키워드 분석부 또는 영상 분석부를 더 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
5. 청구항 4에 있어서,
   상기 데이터베이스 클래스는 개인신상, 주택, 직업, 금융거래, 보험, 소셜, 식별정보 및 자동차 중 적어도 하나 이상을 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
6. 청구항 1 내지 3 중 어느 한 항에 있어서,
   상기 사용자 단말이나 상기 사용자 단말의 사용자를 인증하는 인증부를 더 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
7. 청구항 6에 있어서,
   상기 인증부는 서로 다른 복수의 인증을 수행하는 멀티 팩터 인증부를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
8. 청구항 6에 있어서,
   상기 사용자에 대하여 분석된 신용도를 환산점수로 변환하는 점수환산부를 더 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
9. 청구항 1 내지 3 중 어느 한 항에 있어서,
   상기 사용자 단말에 P2P 뱅킹 서비스 또는 인터넷 뱅킹 P2P 서비스를 제공하는 서버를 더 포함하고, 여기서 상기 사용자의 신용도 평가 정보는 상기 서버를 통해 상기 P2P 뱅킹의 다른 사용자에게 전송되거나 배포되는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 시스템.
10. 빅데이터 분석을 이용한 사람 대 사람(Person to Person, P2P) 뱅킹 신용도 평가에서의 개인정보 관리 방법으로서,
    상기 P2P 뱅킹을 이용하는 사용자 단말로부터의 개인정보 동의에 따라 연결되는 소셜 네트워크 서비스에서 사용자 관련 정보를 수집하는 단계;
    상기 사용자 관련 정보 내의 비정형 데이터가 포함된 빅데이터를 분석하여 사용자의 신용도를 평가하는 단계;
    상기 데이터처리부에서 생성된 상기 사용자의 신용도 평가 정보를 상기 P2P 뱅킹을 이용하는 다른 사용자 단말이나 제3자의 단말에 전송하는 단계; 및
    상기 빅데이터에서 감지된 개인식별 정보를 개인정보가 보호된 데이터로 가공하는 단계를 포함하는 P2P 뱅킹 신용도 평가에서의 개인정보 관리 방법.

Images