KR20220129776A - Method and system tracking abnormal transaction in e-commerce - Google Patents

Method and system tracking abnormal transaction in e-commerce Download PDF

Info

Publication number
KR20220129776A
KR20220129776A KR1020210034504A KR20210034504A KR20220129776A KR 20220129776 A KR20220129776 A KR 20220129776A KR 1020210034504 A KR1020210034504 A KR 1020210034504A KR 20210034504 A KR20210034504 A KR 20210034504A KR 20220129776 A KR20220129776 A KR 20220129776A
Authority
KR
South Korea
Prior art keywords
product information
information
abnormal
product
user
Prior art date
Application number
KR1020210034504A
Other languages
Korean (ko)
Other versions
KR102580011B1 (en
Inventor
김기철
황인욱
Original Assignee
주식회사 에스투더블유
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 에스투더블유 filed Critical 주식회사 에스투더블유
Priority to KR1020210034504A priority Critical patent/KR102580011B1/en
Publication of KR20220129776A publication Critical patent/KR20220129776A/en
Application granted granted Critical
Publication of KR102580011B1 publication Critical patent/KR102580011B1/en

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • 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
    • G06Q30/01—Customer relationship services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a method and a system for tracking abnormal transactions in electronic commerce and has one object of tracking abnormal transactions by analyzing complex feature data of product information uploaded to an electronic commerce platform. In order to achieve the object, the present invention provides a method for tracking abnormal transactions by an electronic device, comprising: the step a of collecting a plurality of first product information pre-stored in an electronic commerce server and building a database based on the first product information; the step b of collecting third product information newly uploaded to the electronic commerce server; the step c of determining whether the third product information is created by an abnormal user; the step d of updating the database according to the determination result and generating a graph based on fourth product information stored in the database; and the step e of transmitting the graph and the determination result to a user terminal.

Description

전자 상거래에서의 이상거래 추적 방법 및 시스템{METHOD AND SYSTEM TRACKING ABNORMAL TRANSACTION IN E-COMMERCE}Method and system for tracking abnormal transactions in e-commerce

본 발명은 전자 상거래에서의 이상거래 추적 방법 및 시스템에 관한 것으로, 보다 자세하게는 사기, 불법 제품 판매 등 이상거래를 하는 사용자를 추적하는 이상거래 추적 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for tracking abnormal transactions in e-commerce, and more particularly, to a method and system for tracking abnormal transactions such as fraud and illegal product sales.

최근 인터넷 인프라가 발전함에 따라 전자 상거래가 활성화되어 사용자들이 사용하던 중고 물품을 다른 사용자에게 판매하는 등의 플랫폼이 다수 등장하였다. 이러한 중고 거래 플랫폼에는 당근마켓, 중고나라 등이 존재한다. 그러나 중고 물품을 거래함에 있어서 사기를 방지하기 위해 중고 물품의 사진을 첨부하거나 개인정보 일부를 공개하는 등 다양한 조건이 요구된다.Recently, with the development of Internet infrastructure, e-commerce has been activated, and a number of platforms such as selling second-hand goods used by users to other users have appeared. Such used trading platforms include carrot market and used country. However, in order to prevent fraud in trading used goods, various conditions are required, such as attaching photos of used goods or disclosing part of personal information.

이에 불구하고, 중고 거래 사기로 인한 피해자는 갈수록 증가하고 있기 때문에 사기, 불법물품 판매 등 비정상 행위(이상거래)를 수행하는 사용자를 식별하는 기술이 요구되고 있다.In spite of this, as the number of victims of second-hand transaction fraud is increasing, a technology for identifying users who perform abnormal activities (abnormal transactions) such as fraud and illegal sale of goods is required.

본 발명은 전술한 문제점을 해결하기 위한 것으로서, 전자 상거래 플랫폼에 업로드 된 상품 정보의 복합적인 특징 데이터를 분석하여 이상거래를 추적하는 것을 일 목적으로 한다.An object of the present invention is to solve the above-mentioned problems, and to track abnormal transactions by analyzing complex characteristic data of product information uploaded to an e-commerce platform.

또한 본 발명은 IP 주소, 비정상 디바이스 단말 등을 분석하여 비정상 사용자를 그룹핑 하여 집단적으로 이상거래를 수행하는 사용자를 추적하는 것을 일 목적으로 한다.Another object of the present invention is to group abnormal users by analyzing IP addresses, abnormal device terminals, and the like, and to track users who collectively perform abnormal transactions.

이러한 목적을 달성하기 위한 본 발명은 전자 장치가 이상거래를 추적하는 방법에 있어서, 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 a 단계, 상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 b 단계, 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하는 c 단계, 상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하고, 상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하는 d 단계 및 상기 그래프 및 상기 판단 결과를 사용자 단말에 전송하는 e 단계를 포함하는 것을 일 특징으로 한다.In order to achieve this object, the present invention provides a method for tracking an abnormal transaction by an electronic device, in a step a of collecting a plurality of first product information pre-stored in an electronic transaction server and building a database based on the first product information , step b of collecting third product information that is newly uploaded to the e-commerce server, step c of determining whether the third product information is generated by an abnormal user, updating the database according to the determination result, and adding to the database It is characterized in that it comprises a step d of generating a graph based on the stored fourth product information and a step e of transmitting the graph and the determination result to a user terminal.

또한 본 발명은 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 데이터베이스 생성 모듈, 상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 상품 정보 수집 모듈, 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하고, 상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하는 상품 정보 분석 모듈, 상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하고, 상기 그래프 및 상기 판단 결과를 사용자 단말에 전송하는 그래프 생성 모듈을 포함하는 것을 일 특징으로 한다.In addition, the present invention provides a database generating module that collects a plurality of first product information pre-stored in an e-commerce server, builds a database based on the first product information, and collects third product information newly uploaded to the e-commerce server A product information collection module, a product information analysis module that determines whether the third product information is generated by an abnormal user, and a product information analysis module that updates the database according to the determination result, and generates a graph based on the fourth product information stored in the database, , It is characterized in that it comprises a graph generating module for transmitting the graph and the determination result to the user terminal.

전술한 바와 같은 본 발명에 의하면, 전자 상거래 플랫폼에 업로드 된 상품 정보의 복합적인 특징 데이터를 분석하여 이상거래를 추적할 수 있다. 또한 본 발명은 IP 주소, 비정상 디바이스 단말 등을 분석하여 비정상 사용자를 그룹핑 하여 집단적으로 이상거래를 수행하는 사용자를 추적할 수 있다.According to the present invention as described above, it is possible to track abnormal transactions by analyzing complex characteristic data of product information uploaded to the e-commerce platform. In addition, according to the present invention, by analyzing IP addresses, abnormal device terminals, and the like, abnormal users can be grouped to track users who collectively perform abnormal transactions.

도 1은 본 발명의 일 실시 예에 따른 이상거래 추적 방법에 사용되는 데이터베이스를 구축하는 예시를 설명하기 위한 순서도,
도 2는 본 발명의 일 실시 예에 의한 이상거래 추적 방법의 예시를 설명하기 위한 순서도,
도 3은 본 발명의 일 실시 예에 의한 이상거래 추적 방법에 의해 생성된 그래프를 도시한 도면,
도 4는 본 발명의 일 실시 예에 의한 이상거래 추적 장치를 설명하기 위한 구성도이다.1 is a flowchart for explaining an example of building a database used in a method for tracking abnormal transactions according to an embodiment of the present invention;
Figure 2 is a flowchart for explaining an example of an abnormal transaction tracking method according to an embodiment of the present invention;
3 is a view showing a graph generated by the abnormal transaction tracking method according to an embodiment of the present invention;
4 is a configuration diagram for explaining an abnormal transaction tracking device according to an embodiment of the present invention.

전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다.The above-described objects, features and advantages will be described below in detail with reference to the accompanying drawings, and accordingly, those skilled in the art to which the present invention pertains will be able to easily implement the technical idea of the present invention. In describing the present invention, if it is determined that a detailed description of a known technology related to the present invention may unnecessarily obscure the gist of the present invention, the detailed description will be omitted.

도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용되며, 명세서 및 특허청구의 범위에 기재된 모든 조합은 임의의 방식으로 조합될 수 있다. 그리고 다른 식으로 규정하지 않는 한, 단수에 대한 언급은 하나 이상을 포함할 수 있고, 단수 표현에 대한 언급은 또한 복수 표현을 포함할 수 있음이 이해되어야 한다.In the drawings, the same reference numerals are used to refer to the same or similar elements, and all combinations described in the specification and claims may be combined in any manner. And unless otherwise specified, it is to be understood that references to the singular may include one or more, and references to the singular may also include the plural.

본 명세서에서 사용되는 용어는 단지 특정 예시적 실시 예들을 설명할 목적을 가지고 있으며 한정할 의도로 사용되는 것이 아니다. 본 명세서에서 사용된 바와 같은 단수적 표현들은 또한, 해당 문장에서 명확하게 달리 표시하지 않는 한, 복수의 의미를 포함하도록 의도될 수 있다. 용어 "및/또는," "그리고/또는"은 그 관련되어 나열되는 항목들의 모든 조합들 및 어느 하나를 포함한다. 용어 "포함한다", "포함하는", "포함하고 있는", "구비하는", "갖는", "가지고 있는" 등은 내포적 의미를 갖는 바, 이에 따라 이러한 용어들은 그 기재된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트를 특정하며, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 이들의 그룹의 존재 혹은 추가를 배제하지 않는다. 본 명세서에서 설명되는 방법의 단계들, 프로세스들, 동작들은, 구체적으로 그 수행 순서가 확정되는 경우가 아니라면, 이들의 수행을 논의된 혹은 예시된 그러한 특정 순서로 반드시 해야 하는 것으로 해석돼서는 안 된다. 추가적인 혹은 대안적인 단계들이 사용될 수 있음을 또한 이해해야 한다.The terminology used herein is for the purpose of describing specific exemplary embodiments only and is not intended to be limiting. As used herein, singular expressions may also be intended to include plural meanings unless the sentence clearly indicates otherwise. The term “and/or,” “and/or” includes any and all combinations of the items listed therewith. The terms "comprises", "comprising", "comprising", "comprising", "having", "having" and the like have an implicit meaning, so that these terms refer to their described features, integers, It specifies steps, operations, elements, and/or components and does not exclude the presence or addition of one or more other features, integers, steps, operations, elements, components, and/or groups thereof. The steps, processes, and acts of the method described herein should not be construed as necessarily performing their performance in such a specific order as discussed or exemplified, unless a specific order of performance is determined. . It should also be understood that additional or alternative steps may be used.

또한, 각각의 구성요소는 각각 하드웨어 프로세서로 구현될 수 있고, 위 구성요소들이 통합되어 하나의 하드웨어 프로세서로 구현될 수 있으며, 또는 위 구성요소들이 서로 조합되어 복수 개의 하드웨어 프로세서로 구현될 수도 있다.In addition, each component may be implemented as a hardware processor, respectively, the above components may be integrated into one hardware processor, or the above components may be combined with each other and implemented as a plurality of hardware processors.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.

본 발명의 일 실시 예에 의한 전자 상거래에서 발생하는 이상거래는 사기, 불법 제품 판매(섹스토이, 전자담배, 가품 등), 별점 조작, 성희롱 등을 포함할 수 있으며, 이는 모두 전자 상거래 서버에 데이터로 저장됨에 따라 이상거래 추적 장치는 전자 상거래 서버에 접근하여 데이터를 파싱해 이상거래를 하는 사용자(비정상 사용자)를 추적할 수 있다.Abnormal commerce occurring in e-commerce according to an embodiment of the present invention may include fraud, illegal product sales (sex toys, e-cigarettes, counterfeit goods, etc.), star rating manipulation, sexual harassment, etc., all of which are data stored on the e-commerce server. As stored as , the abnormal transaction tracking device accesses the e-commerce server and parses the data to track the user (abnormal user) who makes the abnormal transaction.

본 발명의 일 실시 예에 의한 상품 정보는 적어도 하나의 특징 데이터를 포함할 수 있는데, 특징 데이터는 상품 명칭, 상품 이미지, 상품의 소개글 및 사용자 간의 대화 내역을 포함하는 텍스트, 사용자 정보, 또는 가격 정보 중 적어도 하나를 포함할 수 있다. 또한 사용자 정보는 이름, 주민등록번호, SNS 계정, 이메일 주소, IP 주소, 연락처, 계좌 번호, 디바이스 모델 중 적어도 하나를 포함할 수 있다.The product information according to an embodiment of the present invention may include at least one characteristic data, wherein the characteristic data includes a product name, a product image, a product introduction, and a text including a conversation history between users, user information, or a price. It may include at least one of information. In addition, the user information may include at least one of a name, a resident registration number, an SNS account, an email address, an IP address, a contact information, an account number, and a device model.

도 1은 본 발명의 일 실시 예에 따른 이상거래 추적 방법에 사용되는 데이터베이스를 구축하는 예시를 설명하기 위한 순서도이다.1 is a flowchart for explaining an example of building a database used in a method for tracking abnormal transactions according to an embodiment of the present invention.

단계 100에서, 전자 장치는 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집할 수 있다.In step 100, the electronic device may collect a plurality of pieces of first product information pre-stored in the e-commerce server.

단계 110에서, 전자 장치는 제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축할 수 있다. 구체적으로 전자 장치는 제1 상품 정보에 포함된 제1 텍스트, 제1 상품 이미지를 기반으로 상품 정보 데이터베이스를 구축할 수 있다.In operation 110, the electronic device may build a product information database based on the first product information. In more detail, the electronic device may build a product information database based on the first text and the first product image included in the first product information.

전자 장치는 상품 정보 데이터베이스를 구축함에 있어서, 제1 상품 정보에 포함된 제1 상품 이미지를 웹 사이트 크롤링 하여 제1 상품 정보에 대응하는 제1 상품과 관련된 이미지를 더 수집할 수 있다. 전자 장치는 수집한 제1 상품과 관련된 이미지를 제1 상품 이미지로 더 포함할 것이다.In building the product information database, the electronic device may crawl a website for a first product image included in the first product information to further collect images related to the first product corresponding to the first product information. The electronic device may further include an image related to the collected first product as the first product image.

단계 120에서, 전자 장치는 관리자 단말로부터 비정상 특징 데이터를 수신하여, 이상거래 데이터베이스를 구축할 수 있다. 비정상 특징 데이터는 비정상 키워드, 위험 IP 주소, 비정상 사용자 정보 섹터를 포함할 수 있다. 비정상 키워드는 비정상 사용자가 주로 사용하는 키워드를 의미하며, 그 예로 롤 계정, 넥슨 계정, 네이버 계정, 캐시, 전자담배, 계좌거래, 성희롱, 직거래 회피 또는 택배거래 유도 등과 관련된 키워드가 포함될 수 있다. 위험 IP 주소는 전자 상거래의 사용자로부터 사기 등으로 신고되거나 전자 상거래에서 차단된 IP 주소로, 전자 장치는 신고된 IP 주소에 대한 IP 소유기관, 국가, 할당 대역범위(CIDR) 등의 부가정보를 더 수집하여 이상거래 데이터베이스에 저장할 수 있다.In operation 120, the electronic device may receive the abnormal characteristic data from the manager terminal, and may build an abnormal transaction database. The abnormal characteristic data may include an abnormal keyword, a dangerous IP address, and an abnormal user information sector. Abnormal keywords refer to keywords mainly used by abnormal users, and examples thereof may include keywords related to role accounts, Nexon accounts, Naver accounts, cash, e-cigarettes, account transactions, sexual harassment, avoiding direct transactions or inducing courier transactions. A risky IP address is an IP address reported as fraud or blocked in e-commerce by users of e-commerce transactions. It can be collected and stored in the abnormal transaction database.

단계 130에서, 전자 장치는 제1 상품 정보에 포함된 제1 특징 데이터 중 비정상 특징 데이터에 대응하는 것이 있는 지 판단하여, 제1 상품 정보의 위험도를 조정할 수 있다. 전자 장치는 위험도가 기 설정된 위험 임계 값 이상인 제1 상품 정보를 제2 상품 정보로 설정할 수 있다. 제2 상품 정보는 비정상 사용자에 의해 생성된 상품 정보를 의미한다.In operation 130, the electronic device may determine whether any of the first characteristic data included in the first product information corresponds to the abnormal characteristic data, and may adjust the risk level of the first product information. The electronic device may set the first product information in which the degree of risk is greater than or equal to a preset risk threshold as the second product information. The second product information means product information generated by an abnormal user.

단계 140에서, 전자 장치는 제2 상품 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. 전자 장치는 제2 상품 정보에 포함된 제2 특징 데이터를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. 구체적으로 설명하면, 전자 장치는 제2 특징 데이터에 '전자담배'가 포함되어 있으면 이상거래 데이터베이스의 비정상 키워드 섹터에 '전자담배'를 추가할 수 있다.In step 140, the electronic device may update the abnormal transaction database based on the second product information. The electronic device may update the abnormal transaction database based on the second characteristic data included in the second product information. Specifically, when 'electronic cigarette' is included in the second characteristic data, the electronic device may add 'electronic cigarette' to the abnormal keyword sector of the abnormal transaction database.

제2 텍스트를 통해 추출된 제2 상품 정보를 생성한 제2 사용자가 주로 사용하는 키워드와, 제2 사용자 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. 이를 통해 본 발명은 추후에 동일한 비정상 사용자가 이상거래를 수행하는 것을 보다 빠르게 파악할 수 있게 한다.The abnormal transaction database may be updated based on a keyword mainly used by the second user who generates the second product information extracted through the second text and the second user information. Through this, the present invention makes it possible to more quickly recognize that the same abnormal user performs an abnormal transaction in the future.

도 2는 본 발명의 일 실시 예에 의한 이상거래 추적 방법의 예시를 설명하기 위한 순서도이다.2 is a flowchart for explaining an example of an abnormal transaction tracking method according to an embodiment of the present invention.

단계 210에서, 전자 장치는 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집할 수 있다. 전자 장치는 제3 상품 정보를 수집함에 있어서, 종래 기술을 따를 수 있다.In operation 210, the electronic device may collect third product information newly uploaded to the e-commerce server. The electronic device may follow the prior art in collecting third product information.

단계 220에서, 전자 장치는 제3 상품 정보를 상품 정보 데이터베이스에 저장할 수 있다. In operation 220, the electronic device may store the third product information in the product information database.

단계 230에서, 전자 장치는 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하기 위해 제3 상품 정보의 위험도를 판단할 수 있다. 전자 장치는 제3 상품 정보에 포함된 제3 특징 데이터를 기반으로 제3 상품 정보의 위험도를 판단할 수 있다. 본 발명의 일 실시 예에 의한 이상거래 추적 방법은 특징 데이터를 이용하여 복합적으로 이상거래를 분석하기 때문에, 비정상 사용자가 이상거래 탐지를 회피하는 것이 어려워질 것이다.In operation 230, the electronic device may determine a degree of risk of the third product information to determine whether the third product information was generated by an abnormal user. The electronic device may determine the degree of risk of the third product information based on the third characteristic data included in the third product information. Since the abnormal transaction tracking method according to an embodiment of the present invention complexly analyzes the abnormal transaction using feature data, it will be difficult for the abnormal user to avoid detecting the abnormal transaction.

이하에서는 제3 특징 데이터 각각에 대하여 이상거래를 분석하는 방법을 설명한다.Hereinafter, a method of analyzing the abnormal transaction for each of the third characteristic data will be described.

1) 제3 상품 이미지1) 3rd product image

전자 장치는, 제3 상품 정보에 포함된 제3 상품 이미지의 특징 영역을 탐지할 수 있다. 특징 영역이란, 이미지들 사이의 동일 유사 여부를 판단하기 위한 이미지의 특징에 대한 기술자, 즉 특징 기술자를 추출하는 주요 영역을 말한다.The electronic device may detect a feature area of the third product image included in the third product information. The feature region refers to a main region from which a descriptor for a feature of an image, ie, a feature descriptor, is extracted for determining whether the images are identical or not.

본 발명의 일 실시 예에 의한 특징 영역은 이미지가 포함하고 있는 윤곽선, 윤곽선 중에서도 코너 등의 모퉁이, 주변 영역과 구분되는 블롭(blob), 이미지의 변형에 따라 불변하거나 공변하는 영역, 또는 주변 밝기보다 어둡거나 밝은 특징이 있는 극점일 수 있다.The feature region according to an embodiment of the present invention is more than a contour included in an image, a corner such as a corner among contour lines, a blob distinguished from a peripheral region, a region that is invariant or covariant according to the deformation of the image, or an ambient brightness. It can be a pole with dark or bright features.

전자 장치는 제3 상품 이미지의 특징 기술자를 추출할 수 있다. 특징 기술자는 제3 상품 이미지의 특징들을 벡터 값으로 표현할 것이다.The electronic device may extract a feature descriptor of the third product image. The feature descriptor will express the features of the third product image as vector values.

전자 장치는 제3 상품 이미지에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보를 이용하여 특징 기술자를 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산될 수도 있다.The electronic device may calculate the feature descriptor by using the position of the feature region with respect to the third product image, or brightness, color, sharpness, gradient, scale, or pattern information of the feature region. For example, the feature descriptor may be calculated by converting a brightness value, a brightness change value, or a distribution value of the feature region into a vector.

전자 장치는 제3 상품 이미지의 특징 기술자를 기반으로 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 저장되어 있는 지를 판단할 수 있다.The electronic device may determine whether a first product image identical to the third product image is stored in the product information database based on the feature descriptor of the third product image.

상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하는 경우, 전자 장치는 제3 상품 이미지를 도용 이미지로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 이미지를 기반으로 제3 상품 정보의 위험도를 설정함에 있어서, 제3 상품 이미지가 도용 이미지로 판단되는 경우 제3 상품 정보의 위험도를 제3 위험 임계 값만큼 증가시켜 기타 제3 특징 데이터에 의해 설정되는 위험도와 무관하게 제3 상품 정보에 대응하는 제3 사용자를 비정상 사용자로 판단할 수 있다.When a first product image identical to the third product image exists in the product information database, the electronic device may determine the third product image as a stolen image and increase the risk of the third product information. In setting the risk level of the third product information based on the third product image, the electronic device increases the risk level of the third product information by the third risk threshold value when it is determined that the third product image is a stolen image The third user corresponding to the third product information may be determined as an abnormal user regardless of the degree of risk set by the characteristic data.

2) 제3 텍스트2) 3rd text

전자 장치는 제3 텍스트에 포함된 적어도 하나의 제3 키워드를 추출할 수 있다. 본 발명의 일 실시 예에 의한 제3 키워드는 단어, sns 계정, 이메일 주소, 연락처 등을 포함할 수 있다. 이에 따라 제3 텍스트에 대한 특징 데이터는 단어, SNS 계정, 이메일 주소, 또는 연락처 중 적어도 하나를 포함할 수 있다.The electronic device may extract at least one third keyword included in the third text. The third keyword according to an embodiment of the present invention may include a word, an SNS account, an email address, and a contact information. Accordingly, the feature data for the third text may include at least one of a word, an SNS account, an email address, and a contact information.

전자 장치는 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 키워드가 어떤 사용자에 의해 주로 사용되는 단어인 지를 식별할 수 있다. The electronic device may identify which user's third keyword is a word mainly used based on the first product information and the second product information included in the product information database.

구체적으로, 전자 장치는 제3 키워드가 제1 상품 정보에 포함되는 제1 비율과, 제2 상품 정보에 포함되는 제2 비율을 연산하고, 제1 비율 및 제2 비율을 기반으로 제3 비율을 더 연산할 수 있다. 전자 장치는 제2 비율을 제1 비율로 나눈 값을 제3 비율로 하도록 연산할 수 있다.Specifically, the electronic device calculates a first ratio in which the third keyword is included in the first product information and a second ratio included in the second product information, and calculates the third ratio based on the first ratio and the second ratio. more can be calculated. The electronic device may calculate a value obtained by dividing the second ratio by the first ratio as the third ratio.

전자 장치는 제3 비율이 기 설정된 제1 임계 값 이상이면 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단할 것이다. 전자 장치는 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단되면, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 정보의 위험도 증가 수치로 기 설정된 설정 값을 이용할 수 있다.If the third ratio is equal to or greater than the first threshold value, the electronic device will determine that the third keyword is a word mainly used by the abnormal user. If it is determined that the third keyword is a word mainly used by an abnormal user, the electronic device may increase the risk of the third product information. The electronic device may use a preset value as the risk increase value of the third product information.

나아가 전자 장치는 제3 비율이 기 설정된 제2 임계 값 이상이면, 제3 키워드를 비정상 키워드로 설정하고 이상거래 데이터베이스의 비정상 키워드 섹터에 저장할 수 있다.Furthermore, when the third ratio is equal to or greater than the second threshold value, the electronic device may set the third keyword as an abnormal keyword and store it in the abnormal keyword sector of the abnormal transaction database.

한편, 전자 장치는 제3 키워드에 연락처가 포함되어 있는 지를 더 판단할 수 있다. 전자 장치는 제3 키워드에 010-AAAA-AAAA와 같은 연락처 패턴이 존재하면, 제3 키워드에 연락처가 포함되어 있다고 판단하고 제3 사용자 정보에 포함된 제3 연락처와 비교할 수 있다.Meanwhile, the electronic device may further determine whether the contact information is included in the third keyword. When a contact pattern such as 010-AAAA-AAAA exists in the third keyword, the electronic device may determine that the contact information is included in the third keyword and may compare it with the third contact information included in the third user information.

전자 장치는 제3 연락처와 제3 키워드에 포함된 연락처가 서로 상이하면, 제3 키워드에 포함된 연락처가 대포폰과 같은 불법 단말의 번호일 것으로 판단하여, 제3 상품 정보의 위험도를 증가시킬 수 있다.If the third contact information and the contact information included in the third keyword are different from each other, the electronic device determines that the contact information included in the third keyword is the number of an illegal terminal such as a cannon phone, thereby increasing the risk of third product information. have.

한편, 전자 장치는 제3 키워드에 URL이 포함되어 있는 지를 더 판단할 수 있다. 전자 장치는 제3 키워드에 포함된 URL이 주로 사용되는 URL이 아닐 경우 제3 상품 정보의 위험도를 증가시킬 수 있다.Meanwhile, the electronic device may further determine whether the URL is included in the third keyword. When the URL included in the third keyword is not a mainly used URL, the electronic device may increase the risk of the third product information.

구체적으로 예를 들면, 'http://pa.yy-naver.com'과 같은 URL은 주로 사용되는 'http://www.naver.com/~'과 같은 URL과 유사하나 그 패턴에 있어서 전혀 상이하기 때문에 전자 장치는 불법 거래를 유도하는 URL으로 판단할 수 있다.Specifically, for example, a URL such as 'http://pa.yy-naver.com' is similar to a URL such as 'http://www.naver.com/~', which is mainly used, but has no Since they are different, the electronic device may determine that the URL induces an illegal transaction.

3) 제3 사용자 정보3) Third-party user information

전자 장치는 제3 사용자 정보를 이상거래 데이터베이스에 검색하여, 제3 사용자 정보와 일치하는 제2 사용자 정보가 존재하는 지의 여부를 판단할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소를 이상거래 데이터베이스의 비정상 사용자 정보 섹터에 검색하여 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소와 일치하는 것이 있는 지의 여부를 판단할 수 있다.The electronic device may search the third user information in the abnormal transaction database to determine whether second user information matching the third user information exists. The electronic device searches for the name, social security number, contact information, and IP address included in the third user information in the abnormal user information sector of the abnormal transaction database, and searches for names, social security numbers, contact information, and IP addresses that match the names, social security numbers, contact information, and IP addresses included in the third user information. It can be determined whether or not

전자 장치는 이상거래 데이터베이스에 제3 사용자 정보와 동일한 제2 사용자 정보가 존재하거나, 주민등록번호, 연락처, IP 주소 중 적어도 하나가 동일한 경우에 제3 상품 정보가 제2 사용자에 의해 등록된 것으로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다.The electronic device determines that the third product information is registered by the second user when the same second user information as the third user information exists in the abnormal transaction database or when at least one of resident registration number, contact information, and IP address is the same; It is possible to increase the risk of the third product information.

한편, 전자 장치는 제3 사용자 정보에 포함된 IP 주소를 이상거래 데이터베이스에 더 검색할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 IP 주소가 이상거래 데이터베이스에 저장된 위험 IP 주소와 동일하거나, 같은 대역범위를 사용하고 있을 경우, 이상거래 사용자가 주로 사용하는 IP 대역에서 제3 상품 정보가 생성된 것으로 판단하여 제3 상품 정보의 위험도를 증가시킬 수 있다. Meanwhile, the electronic device may further search for the IP address included in the third user information in the abnormal transaction database. If the IP address included in the third user information is the same as the risk IP address stored in the abnormal transaction database or uses the same band range, the third product information is generated in the IP band mainly used by the abnormal transaction user. It is determined that the third product information has been processed, thereby increasing the risk level of the third product information.

한편, 전자 장치는 제3 사용자 정보에 포함된 제3 디바이스 모델을 더 이용하여 제3 상품 정보가 비정상 사용자에 의해 생성된 것인지를 판단할 수 있다. 전자 장치는 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 디바이스 모델을 평가할 수 있다. 전자 장치는 제3 디바이스 모델을 평가함에 있어서 디바이스 모델의 출시일, 출시 국가, 브랜드 정보 등을 이용할 수 있다.Meanwhile, the electronic device may further use a third device model included in the third user information to determine whether the third product information is generated by the abnormal user. The electronic device may evaluate the third device model based on the first product information and the second product information included in the product information database. In evaluating the third device model, the electronic device may use a release date, a release country, and brand information of the device model.

구체적으로, 전자 장치는 제1 상품 정보에 포함된 제1 디바이스 모델에서 제3 디바이스 모델이 포함되는 제4 비율과, 제2 상품 정보에 포함된 제2 디바이스 모델에서 제3 디바이스 모델이 포함되는 제5 비율을 연산하고, 제4 비율과 제5 비율을 기반으로 제6 비율을 더 연산할 수 있다. 전자 장치는 제5 비율을 제4 비율로 나눈 값을 제6 비율로 하도록 연산할 수 있다.Specifically, the electronic device includes a fourth ratio in which the third device model is included in the first device model included in the first product information, and a fourth ratio in which the third device model is included in the second device model included in the second product information. The fifth ratio may be calculated, and a sixth ratio may be further calculated based on the fourth ratio and the fifth ratio. The electronic device may calculate a value obtained by dividing the fifth ratio by the fourth ratio as the sixth ratio.

전자 장치는 제6 비율이 기 설정된 임계 값 이상이면 제3 디바이스 모델을 비정상 디바이스 모델로 설정할 수 있다. 전자 장치는 제3 디바이스 모델이 비정상 디바이스 모델로 설정되면, 제3 상품 정보의 위험도를 증가시킬 수 있다.The electronic device may set the third device model as the abnormal device model when the sixth ratio is equal to or greater than a preset threshold value. When the third device model is set as the abnormal device model, the electronic device may increase the risk of the third product information.

예를 들어, 삼성 갤럭시 노트 10 플러스 5G의 SM-N976은 국내 발매 모델이나 유럽은 SM-N976B, 중국은 SM-N9760, 미국은 SM-N976V로 모델명을 달리하여 해외 발매 모델을 출시하였음에 따라 국외에서만 판매되는 모델인 SM-N976B, SM-N9760, SM-N976V를 비정상 디바이스 모델로 설정할 수 있으며, 이 외에도 출시된 지 10년 이상 된 디바이스 모델 또한 비정상 디바이스 모델로 설정할 수 있다.For example, SM-N976 of Samsung Galaxy Note 10 Plus 5G is a domestic release model, but SM-N976B in Europe, SM-N9760 in China, and SM-N976V in the United States. SM-N976B, SM-N9760, and SM-N976V, which are models sold only at , can be set as abnormal device models.

전자 장치는 제3 디바이스 모델이 비정상 디바이스 모델이고, 제3 사용자 정보에 포함된 IP 주소가 이상거래 데이터베이스에 저장된 비정상 디바이스 모델에 대응하는 위험 IP 주소 혹은 그 대역에 존재하는 경우 제3 사용자 정보를 상기 비정상 디바이스 모델과 위험 IP 주소에 대응하는 사용자 정보와 그룹핑 할 수 있다.When the third device model is an abnormal device model, and the IP address included in the third user information exists in a dangerous IP address or a band corresponding to the abnormal device model stored in the abnormal transaction database, the third user information is said User information corresponding to abnormal device model and dangerous IP address can be grouped.

본 발명의 다른 실시 예에 의하면 전자 장치는, 제3 상품 정보에 추천 정보(예를 들어, 별점) 및 후기 데이터를 더 포함하여, 추천 정보와 후기 데이터를 기반으로 추천 유사도를 연산할 수 있다.According to another embodiment of the present invention, the electronic device may further include recommendation information (eg, star rating) and review data in the third product information, and calculate a recommendation similarity based on the recommendation information and the review data.

전자 장치는 후기 데이터에 포함된 제4 키워드를 더 추출할 수 있다. 전자 장치는 제3 상품 정보 및 상품 정보 데이터베이스에 저장된 제1 및 제2 상품 정보에 포함된 추천 정보 및 후기 데이터의 키워드를 비교하여 추천 유사도를 연산할 수 있다.The electronic device may further extract a fourth keyword included in the review data. The electronic device may calculate the recommendation similarity by comparing keywords of the review data and the recommendation information included in the third product information and the first and second product information stored in the product information database.

전자 장치는 추천 유사도가 기 설정된 유사 임계 값 이상이고, 상기 그룹핑 된 그룹에 제3 상품 정보가 포함되는 경우, 해당 그룹이 추천 조작을 수행한다고 판단하여 제3 상품 정보의 위험도를 증가시킬 수 있다.When the recommendation similarity is equal to or greater than a preset similarity threshold and third product information is included in the grouped group, the electronic device may determine that the group performs a recommendation operation and increase the risk of the third product information.

한편, 전자 장치는 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소 등을 기반으로 다크 웹에 접속하여 비정상 사용자에게 노출되었는 지를 판단할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소가 다크 웹에 노출된 경우, 제3 상품 정보의 위험도를 증가시킬 수 있다.Meanwhile, the electronic device may access the dark web based on a name, resident registration number, e-mail address, etc. included in the third user information and determine whether it has been exposed to an abnormal user. When the name, resident registration number, and e-mail address included in the third user information are exposed to the dark web, the electronic device may increase the risk of the third product information.

다시 도 2에 대한 설명으로 복귀하면, 단계 240에서, 전자 장치는 제3 상품 정보의 위험도에 따라 상품 정보 데이터베이스 및 이상거래 데이터베이스를 업데이트할 수 있다. 구체적으로, 전자 장치는 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상이면, 제3 상품 정보를 제2 상품 정보로 설정하여 상품 정보 데이터베이스에 저장하고, 제3 사용자 정보를 이상거래 데이터베이스에 업데이트 할 수 있다.Returning to the description of FIG. 2 , in step 240 , the electronic device may update the product information database and the abnormal transaction database according to the risk level of the third product information. Specifically, when the risk level of the third product information is equal to or greater than a preset risk threshold, the electronic device sets the third product information as the second product information, stores it in the product information database, and updates the third user information in the abnormal transaction database can do.

단계 250에서, 전자 장치는 상품 정보 데이터베이스에 저장된 제4 상품 정보(제4 상품 정보는 제1 상품 정보, 제2 상품 정보 및 제3 상품 정보를 포 함함)를 기반으로 그래프를 생성할 수 있다. 전자 장치는 제4 상품 정보에 대응하는 사용자를 제1 노드로 하고, 제4 상품 정보에 대응하는 특징 데이터를 제2 노드로 하여 그래프를 생성할 수 있다. 전자 장치는 제4 상품 정보에 포함된 사용자가 복수일 경우 다른 사용자를 제3 노드로 하여 제1 노드-제2 노드-제3 노드의 관계성을 갖도록 그래프를 생성할 수 있다.In operation 250, the electronic device may generate a graph based on fourth product information (the fourth product information includes first product information, second product information, and third product information) stored in the product information database. The electronic device may generate a graph with a user corresponding to the fourth product information as a first node and feature data corresponding to the fourth product information as a second node. When there are a plurality of users included in the fourth product information, the electronic device may generate a graph to have a relationship between the first node, the second node, and the third node using another user as the third node.

전자 장치는 상품 정보의 위험도가 위험 임계 값 이상이면, 해당 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상 및/또는 크기를 조정할 수 있다. 예를 들어, 전자 장치는 위험도가 위험 임계 값 이상인 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상을 붉은 색과 같은 가시성이 높은 색상으로 설정하거나 제1 노드의 크기를 크게 설정할 수 있다.If the risk level of the product information is equal to or greater than the risk threshold, the electronic device may adjust the color and/or size of the first node for the user corresponding to the product information. For example, the electronic device may set the color of the first node for the user corresponding to product information having a risk level equal to or greater than the risk threshold to a color with high visibility, such as red, or set the size of the first node to be large.

도 3은 본 발명의 일 실시 예에 의한 이상거래 추적 방법에 의해 생성된 그래프를 도시한 도면으로, 도 3을 참조하여 구체적으로 설명하면, 일 상품 정보에 포함된 연락처가 010-1234-5678일 경우 전자 장치는 사용자(user1)를 제1 노드에, 010-1234-5678의 특징 데이터를 제1 노드와 연결된 제2 노드로 설정하고, 사용자(user2)를 제2 노드와 연결된 제3 노드로 하여, 그래프를 생성할 수 있다.3 is a diagram illustrating a graph generated by the abnormal transaction tracking method according to an embodiment of the present invention. Specifically, referring to FIG. 3 , the contact information included in one product information is 010-1234-5678 days. In this case, the electronic device sets the user (user1) as the first node, the feature data of 010-1234-5678 as the second node connected to the first node, and sets the user (user2) as the third node connected to the second node, , you can create graphs.

전자 장치는 제3 노드에 대응하는 사용자가 생성한 상품 정보가 존재하면, 제3 노드를 제1 노드로 하여 그래프를 더 확장할 수 있다.If the product information generated by the user corresponding to the third node exists, the electronic device may further expand the graph using the third node as the first node.

단계 260에서, 전자 장치는 제1 노드에 연결된 제2 노드가 기 설정된 제3 임계 값 이상이면, 제1 노드에 대응하는 제3 사용자가 비정상 사용자라고 판단하고 제3 사용자 정보를 이상거래 데이터베이스에 저장할 수 있다.In step 260, if the second node connected to the first node is greater than or equal to a preset third threshold, the electronic device determines that the third user corresponding to the first node is an abnormal user and stores the third user information in the abnormal transaction database. can

단계 270에서, 전자 장치는 생성된 상기 그래프 및 제3 상품 정보에 대응하는 제3 사용자의 정상 여부를 디스플레이부에 표시할 수 있다.In operation 270, the electronic device may display on the display whether the third user corresponding to the generated graph and third product information is normal.

도 4는 본 발명의 일 실시 예에 의한 이상거래 추적 장치를 설명하기 위한 구성도이다. 이하에서는 도 4를 참조하여 이상거래 추적 장치를 설명한다. 이상거래 추적 장치에 대한 설명에 있어서, 앞서 설명한 이상거래 추적 방법과 중복되는 세부 실시 예는 생략될 수 있다. 구체적으로, 이상거래 추적 장치는 데이터베이스 생성 모듈(10), 상품 정보 수집 모듈(20), 상품 정보 분석 모듈(30), 그래프 생성 모듈(40)을 포함할 수 있다.4 is a configuration diagram for explaining an abnormal transaction tracking device according to an embodiment of the present invention. Hereinafter, an abnormal transaction tracking device will be described with reference to FIG. 4 . In the description of the abnormal transaction tracking device, detailed embodiments overlapping with the above-described abnormal transaction tracking method may be omitted. Specifically, the abnormal transaction tracking device may include a database generation module 10 , a product information collection module 20 , a product information analysis module 30 , and a graph generation module 40 .

데이터베이스 생성 모듈(10)은 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집할 수 있다. 데이터베이스 생성 모듈(10)은 제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축할 수 있다. 전자 장치는 상품 정보 데이터베이스를 구축함에 있어서, 제1 상품 정보에 포함된 제1 상품 이미지를 웹 사이트 크롤링 하여 제1 상품 정보에 대응하는 제1 상품과 관련된 이미지를 더 수집할 수 있다. 전자 장치는 수집한 제1 상품과 관련된 이미지를 제1 상품 이미지로 더 포함할 것이다.The database generating module 10 may collect a plurality of pieces of first product information pre-stored in the e-commerce server. The database generation module 10 may build a product information database based on the first product information. In building the product information database, the electronic device may crawl a website for a first product image included in the first product information to further collect images related to the first product corresponding to the first product information. The electronic device may further include an image related to the collected first product as the first product image.

데이터베이스 생성 모듈(10)은 관리자 단말로부터 비정상 특징 데이터를 수신하여, 이상거래 데이터베이스를 구축할 수 있다. 비정상 특징 데이터는 비정상 키워드, 위험 IP 주소, 비정상 사용자 정보 섹터를 포함할 수 있다.The database generation module 10 may receive abnormal characteristic data from the manager terminal, and may build an abnormal transaction database. The abnormal characteristic data may include an abnormal keyword, a dangerous IP address, and an abnormal user information sector.

데이터베이스 생성 모듈(10)은 제1 상품 정보에 포함된 제1 특징 데이터 중 비정상 특징 데이터에 대응하는 것이 있는 지 판단하여, 제1 상품 정보의 위험도를 조정할 수 있다. 전자 장치는 위험도가 기 설정된 위험 임계 값 이상인 제1 상품 정보를 제2 상품 정보로 설정하고, 제2 상품 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다.The database generation module 10 may determine whether any of the first characteristic data included in the first product information corresponds to the abnormal characteristic data, and adjust the risk level of the first product information. The electronic device may set the first product information in which the degree of risk is equal to or greater than the preset risk threshold as the second product information, and update the abnormal transaction database based on the second product information.

데이터베이스 생성 모듈(10)은 제2 텍스트를 통해 추출된 제2 상품 정보의 제2 사용자가 주로 사용하는 키워드와, 제2 사용자 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. The database creation module 10 may update the abnormal transaction database based on a keyword mainly used by the second user of the second product information extracted through the second text and the second user information.

상품 정보 수집 모듈(20)은 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하여 제3 상품 정보를 상품 정보 데이터베이스에 저장할 수 있다. 상품 정보 수집 모듈(20)은 제3 상품 정보를 수집함에 있어서, 종래 기술을 따를 수 있다.The product information collection module 20 may collect the third product information newly uploaded to the e-commerce server and store the third product information in the product information database. The product information collection module 20 may follow the prior art in collecting the third product information.

상품 정보 분석 모듈(30)은 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하기 위해 제3 상품 정보의 위험도를 판단할 수 있다. 상품 정보 분석 모듈(30)은 제3 상품 정보에 포함된 제3 특징 데이터를 기반으로 제3 상품 정보의 위험도를 판단할 수 있다. The product information analysis module 30 may determine a degree of risk of the third product information to determine whether the third product information is generated by an abnormal user. The product information analysis module 30 may determine the degree of risk of the third product information based on the third characteristic data included in the third product information.

이하에서는 제3 특징 데이터 각각에 대하여 이상거래를 분석하는 방법을 설명한다.Hereinafter, a method of analyzing the abnormal transaction for each of the third characteristic data will be described.

이미지 분석 모듈(31)은 제3 상품 정보에 포함된 제3 상품 이미지의 특징 영역을 탐지할 수 있다. 이미지 분석 모듈(31)은 제3 상품 이미지의 특징 기술자를 추출할 수 있다. The image analysis module 31 may detect a feature area of the third product image included in the third product information. The image analysis module 31 may extract a feature descriptor of the third product image.

이미지 분석 모듈(31)은 제3 상품 이미지에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보를 이용하여 특징 기술자를 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산될 수도 있다.The image analysis module 31 may calculate a feature descriptor by using the position of the feature region with respect to the third product image, or brightness, color, sharpness, gradient, scale, or pattern information of the feature region. For example, the feature descriptor may be calculated by converting a brightness value, a brightness change value, or a distribution value of the feature region into a vector.

이미지 분석 모듈(31)은 제3 상품 이미지의 특징 기술자를 기반으로 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 저장되어 있는 지를 판단할 수 있다.The image analysis module 31 may determine whether a first product image identical to the third product image is stored in the product information database based on the feature descriptor of the third product image.

이미지 분석 모듈(31)은 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하는 경우, 제3 상품 이미지를 도용 이미지로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 이미지를 기반으로 제3 상품 정보의 위험도를 설정함에 있어서, 제3 상품 이미지가 도용 이미지로 판단되는 경우 제3 상품 정보의 위험도를 제3 위험 임계 값만큼 증가시켜 기타 제3 특징 데이터에 의해 설정되는 위험도와 무관하게 제3 상품 정보에 대응하는 제3 사용자를 비정상 사용자로 판단할 수 있다.When a first product image identical to the third product image exists in the product information database, the image analysis module 31 may determine the third product image as a stolen image and increase the risk of the third product information. In setting the risk level of the third product information based on the third product image, the electronic device increases the risk level of the third product information by the third risk threshold value when it is determined that the third product image is a stolen image The third user corresponding to the third product information may be determined as an abnormal user regardless of the degree of risk set by the characteristic data.

텍스트 분석 모듈(32)은 제3 텍스트에 포함된 적어도 하나의 제3 키워드를 추출할 수 있다. 본 발명의 일 실시 예에 의한 제3 키워드는 단어, sns 계정, 이메일 주소, 연락처 등을 포함할 수 있다. 이에 따라 제3 텍스트에 대한 특징 데이터는 단어, SNS 계정, 이메일 주소, 또는 연락처 중 적어도 하나를 포함할 수 있다.The text analysis module 32 may extract at least one third keyword included in the third text. The third keyword according to an embodiment of the present invention may include a word, an SNS account, an email address, and a contact information. Accordingly, the feature data for the third text may include at least one of a word, an SNS account, an email address, and a contact information.

텍스트 분석 모듈(32)은 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 키워드가 어떤 사용자에 의해 주로 사용되는 단어인 지를 식별할 수 있다. The text analysis module 32 may identify which user's third keyword is a word mainly used based on the first product information and the second product information included in the product information database.

구체적으로, 텍스트 분석 모듈(32)은 제3 키워드가 제1 상품 정보에 포함되는 제1 비율과, 제2 상품 정보에 포함되는 제2 비율을 연산하고, 제1 비율 및 제2 비율을 기반으로 제3 비율을 더 연산할 수 있다. 텍스트 분석 모듈(32)은 제2 비율을 제1 비율로 나눈 값을 제3 비율로 하도록 연산할 수 있다.Specifically, the text analysis module 32 calculates a first ratio in which the third keyword is included in the first product information and a second ratio included in the second product information, and based on the first ratio and the second ratio A third ratio may be further calculated. The text analysis module 32 may calculate a value obtained by dividing the second ratio by the first ratio as the third ratio.

텍스트 분석 모듈(32)은 제3 비율이 기 설정된 제1 임계 값 이상이면 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단할 것이다. 전자 장치는 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단되면, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 정보의 위험도 증가 수치로 기 설정된 설정 값을 이용할 수 있다.The text analysis module 32 will determine that the third keyword is a word mainly used by the abnormal user when the third ratio is equal to or greater than the first threshold value. If it is determined that the third keyword is a word mainly used by an abnormal user, the electronic device may increase the risk of the third product information. The electronic device may use a preset value as the risk increase value of the third product information.

나아가 텍스트 분석 모듈(32)은 제3 비율이 기 설정된 제2 임계 값 이상이면, 제3 키워드를 비정상 키워드로 설정하고 이상거래 데이터베이스의 비정상 키워드 섹터에 저장할 수 있다.Furthermore, when the third ratio is equal to or greater than the second threshold value, the text analysis module 32 may set the third keyword as an abnormal keyword and store it in the abnormal keyword sector of the abnormal transaction database.

한편, 텍스트 분석 모듈(32)은 제3 키워드에 연락처가 포함되어 있는 지를 더 판단할 수 있다. 전자 장치는 제3 키워드에 010-AAAA-AAAA와 같은 연락처 패턴이 존재하면, 제3 키워드에 연락처가 포함되어 있다고 판단하고 제3 사용자 정보에 포함된 제3 연락처와 비교할 수 있다.Meanwhile, the text analysis module 32 may further determine whether the contact information is included in the third keyword. When a contact pattern such as 010-AAAA-AAAA exists in the third keyword, the electronic device may determine that the contact information is included in the third keyword and may compare it with the third contact information included in the third user information.

텍스트 분석 모듈(32)은 제3 연락처와 제3 키워드에 포함된 연락처가 서로 상이하면, 제3 키워드에 포함된 연락처가 대포폰과 같은 불법 단말의 번호일 것으로 판단하여, 제3 상품 정보의 위험도를 증가시킬 수 있다.If the third contact information and the contact information included in the third keyword are different from each other, the text analysis module 32 determines that the contact information included in the third keyword is the number of an illegal terminal such as a cannon phone, and the third product information risk level can increase

한편, 텍스트 분석 모듈(32)은 제3 키워드에 URL이 포함되어 있는 지를 더 판단할 수 있다. 텍스트 분석 모듈(32)은 제3 키워드에 포함된 URL이 주로 사용되는 URL이 아닐 경우 제3 상품 정보의 위험도를 증가시킬 수 있다.Meanwhile, the text analysis module 32 may further determine whether the URL is included in the third keyword. The text analysis module 32 may increase the risk of the third product information when the URL included in the third keyword is not a mainly used URL.

제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보를 이상거래 데이터베이스에 검색하여, 제3 사용자 정보와 일치하는 제2 사용자 정보가 존재하는 지의 여부를 판단할 수 있다. 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소를 이상거래 데이터베이스에 검색하여 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소와 일치하는 것이 있는 지의 여부를 판단할 수 있다.The third user information analysis module 33 may search the third user information in the abnormal transaction database to determine whether second user information matching the third user information exists. The third user information analysis module 33 searches for the name, resident registration number, contact information, and IP address included in the third user information in the abnormal transaction database, and matches the name, resident registration number, contact information, and IP address included in the third user information. It can be determined whether there is

제3 사용자 정보 분석 모듈(33)은 이상거래 데이터베이스에 제3 사용자 정보와 동일한 제2 사용자 정보가 존재하거나, 주민등록번호, 연락처, IP 주소 중 적어도 하나가 동일한 경우에 제3 상품 정보가 제2 사용자에 의해 등록된 것으로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다.The third user information analysis module 33 transmits the third product information to the second user when the same second user information as the third user information exists in the abnormal transaction database, or when at least one of a resident registration number, a contact number, and an IP address is the same It is determined that it is registered by the company, and the degree of risk of the third product information may be increased.

한편, 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 IP 주소를 이상거래 데이터베이스에 더 검색할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 IP 주소가 이상거래 데이터베이스에 저장된 위험 IP 주소와 동일하거나, 같은 대역범위를 사용하고 있을 경우, 이상거래 사용자가 주로 사용하는 IP 대역에서 제3 상품 정보가 생성된 것으로 판단하여 제3 상품 정보의 위험도를 증가시킬 수 있다.Meanwhile, the third user information analysis module 33 may further search the IP address included in the third user information in the abnormal transaction database. If the IP address included in the third user information is the same as the risk IP address stored in the abnormal transaction database or uses the same band range, the third product information is generated in the IP band mainly used by the abnormal transaction user. It is determined that the third product information has been processed, thereby increasing the risk of the third product information.

한편, 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 제3 디바이스 모델을 더 이용하여 제3 상품 정보가 비정상 사용자에 의해 생성된 것인지를 판단할 수 있다. 제3 사용자 정보 분석 모듈(33)은 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 디바이스 모델을 평가할 수 있다. 전자 장치는 제3 디바이스 모델을 평가함에 있어서 디바이스 모델의 출시일, 출시 국가, 브랜드 정보 등을 이용할 수 있다.Meanwhile, the third user information analysis module 33 may further use a third device model included in the third user information to determine whether the third product information is generated by the abnormal user. The third user information analysis module 33 may evaluate the third device model based on the first product information and the second product information included in the product information database. In evaluating the third device model, the electronic device may use a release date, a release country, and brand information of the device model.

구체적으로, 제3 사용자 정보 분석 모듈(33)은 제1 상품 정보에 포함된 제1 디바이스 모델에서 제3 디바이스 모델이 포함되는 제4 비율과, 제2 상품 정보에 포함된 제2 디바이스 모델에서 제3 디바이스 모델이 포함되는 제5 비율을 연산하고, 제4 비율과 제5 비율을 기반으로 제6 비율을 더 연산할 수 있다. 전자 장치는 제5 비율을 제4 비율로 나눈 값을 제6 비율로 하도록 연산할 수 있다.Specifically, the third user information analysis module 33 may include a fourth ratio in which the third device model is included in the first device model included in the first product information, and the second in the second device model included in the second product information. A fifth ratio including the 3 device models may be calculated, and a sixth ratio may be further calculated based on the fourth ratio and the fifth ratio. The electronic device may calculate a value obtained by dividing the fifth ratio by the fourth ratio as the sixth ratio.

제3 사용자 정보 분석 모듈(33)은 제6 비율이 기 설정된 임계 값 이상이면 제3 디바이스 모델을 비정상 디바이스 모델로 설정할 수 있다. 제3 사용자 정보 분석 모듈(33)은 제3 디바이스 모델이 비정상 디바이스 모델로 설정되면, 제3 상품 정보의 위험도를 증가시킬 수 있다.The third user information analysis module 33 may set the third device model as the abnormal device model when the sixth ratio is equal to or greater than a preset threshold value. The third user information analysis module 33 may increase the risk of the third product information when the third device model is set as the abnormal device model.

한편, 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소 등을 기반으로 다크 웹에 접속하여 비정상 사용자에게 노출되었는 지를 판단할 수 있다. 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소가 다크 웹에 노출된 경우, 제3 상품 정보의 위험도를 증가시킬 수 있다.Meanwhile, the third user information analysis module 33 may determine whether the third user information has been exposed to abnormal users by accessing the dark web based on a name, resident registration number, e-mail address, etc. included in the third user information. The third user information analysis module 33 may increase the risk of the third product information when the name, resident registration number, and e-mail address included in the third user information are exposed to the dark web.

상품 정보 분석 모듈(30)은 이미지 분석 모듈(31), 텍스트 분석 모듈(32), 제3 사용자 정보 분석 모듈(33)을 거친 제3 상품 정보의 위험도에 따라 상품 정보 데이터베이스 및 이상거래 데이터베이스를 업데이트할 수 있다. 구체적으로, 상품 정보 분석 모듈(30)은 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상이면, 제3 상품 정보를 제2 상품 정보로 설정하여 상품 정보 데이터베이스에 저장하고, 제3 사용자 정보를 이상거래 데이터베이스에 업데이트 할 수 있다.The product information analysis module 30 updates the product information database and the abnormal transaction database according to the risk level of the third product information that has passed through the image analysis module 31, the text analysis module 32, and the third user information analysis module 33 can do. Specifically, the product information analysis module 30 sets the third product information as the second product information and stores the third product information in the product information database when the risk level of the third product information is equal to or greater than the preset risk threshold value, and stores the third user information in the product information database. You can update the abnormal commerce database.

그래프 생성 모듈(40)은 상품 정보 데이터베이스에 저장된 제4 상품 정보(제4 상품 정보는 제1 상품 정보, 제2 상품 정보 및 제3 상품 정보를 포 함함)를 기반으로 그래프를 생성할 수 있다. 그래프 생성 모듈(40)은 제4 상품 정보에 대응하는 사용자를 제1 노드로 하고, 제4 상품 정보에 대응하는 특징 데이터를 제2 노드로 하여 그래프를 생성할 수 있다. 그래프 생성 모듈(40)은 제4 상품 정보에 사용자가 복수일 경우, 다른 사용자를 제3 노드로 하여 그래프를 생성할 수 있다.The graph generating module 40 may generate a graph based on the fourth product information (the fourth product information includes the first product information, the second product information, and the third product information) stored in the product information database. The graph generating module 40 may generate a graph by using a user corresponding to the fourth product information as a first node and using feature data corresponding to the fourth product information as a second node. When there are a plurality of users in the fourth product information, the graph generating module 40 may generate a graph using another user as a third node.

그래프 생성 모듈(40)은 상품 정보의 위험도가 위험 임계 값 이상이면, 해당 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상 및/또는 크기를 조정할 수 있다. 예를 들어, 그래프 생성 모듈(40)은 위험도가 위험 임계 값 이상인 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상을 붉은 색과 같은 가시성이 높은 색상으로 설정하거나 제1 노드의 크기를 크게 설정할 수 있다.The graph generating module 40 may adjust the color and/or size of the first node for the user corresponding to the product information when the risk level of the product information is greater than or equal to the risk threshold. For example, the graph generating module 40 sets the color of the first node for the user corresponding to the product information having the risk level equal to or greater than the risk threshold to a color with high visibility, such as red, or set the size of the first node to be large. can

그래프 생성 모듈(40)은 제3 노드에 대응하는 사용자가 생성한 상품 정보가 존재하면, 제3 노드를 제1 노드로 하여 그래프를 더 확장할 수 있다.The graph generating module 40 may further expand the graph by using the third node as the first node when there is product information generated by the user corresponding to the third node.

그래프 생성 모듈(40)은 제1 노드에 연결된 제2 노드가 기 설정된 제3 임계 값 이상이면, 제1 노드에 대응하는 제3 사용자가 비정상 사용자라고 판단하고 제3 사용자 정보를 이상거래 데이터베이스에 저장할 수 있다.The graph generating module 40 determines that the third user corresponding to the first node is an abnormal user when the second node connected to the first node is equal to or greater than a preset third threshold, and stores the third user information in the abnormal transaction database. can

그래프 생성 모듈(40)은 생성된 상기 그래프 및 제3 상품 정보에 대응하는 제3 사용자의 정상 여부를 디스플레이부(미도시)에 표시할 수 있다.The graph generating module 40 may display on a display unit (not shown) whether the third user corresponding to the generated graph and the third product information is normal.

본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.Embodiments of the present invention disclosed in the present specification and drawings are merely provided for specific examples in order to easily explain the technical contents of the present invention and help the understanding of the present invention, and are not intended to limit the scope of the present invention. It will be apparent to those of ordinary skill in the art to which the present invention pertains that other modifications based on the technical spirit of the present invention can be implemented in addition to the embodiments disclosed herein.

Claims (14)

전자 장치가 이상거래를 추적하는 방법에 있어서,
전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 a 단계;
상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 b 단계;
제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하는 c 단계;
상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하고, 상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하는 d 단계; 및
상기 그래프 및 상기 판단 결과를 표시하는 e 단계를 포함하는 이상거래 추적 방법.
A method for an electronic device to track abnormal transactions, the method comprising:
a step of collecting a plurality of pieces of first product information pre-stored in an e-commerce server and building a database based on the first product information;
b step of collecting third product information newly uploaded to the e-commerce server;
Step c of determining whether the third product information is generated by an abnormal user;
a d step of updating the database according to the determination result and generating a graph based on fourth product information stored in the database; and
An abnormal transaction tracking method comprising the step e of displaying the graph and the determination result.
 제1항에 있어서, 상기 a 단계는,
제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축하는 단계;
관리자 단말로부터 비정상 특징 데이터를 수신하여, 이상거래 데이터베이스를 구축하는 단계; 및
제1 상품 정보 중 비정상 사용자에 의해 생성된 제2 상품 정보를 식별하여 상기 이상거래 데이터베이스를 업데이트하는 단계를 포함하는 이상거래 추적 방법.
According to claim 1, wherein the step a,
building a product information database based on the first product information;
Receiving the abnormal characteristic data from the manager terminal, building an abnormal transaction database; and
and updating the abnormal transaction database by identifying second product information generated by an abnormal user among the first product information.
 제2항에 있어서, 상기 상품 정보 데이터베이스를 구축하는 단계는,
제1 상품 정보에 포함된 제1 텍스트를 수집하는 단계;
제1 상품 정보에 포함된 제1 상품 이미지를 크롤링 하여 제1 상품 정보에 대응하는 제1 상품과 관련된 이미지를 수집하는 단계; 및
제1 상품과 관련된 이미지를 제1 상품 이미지로 설정하는 단계를 더 포함하는 이상거래 추적 방법.
According to claim 2, wherein the step of building the product information database,
collecting a first text included in the first product information;
collecting images related to a first product corresponding to the first product information by crawling a first product image included in the first product information; and
The abnormal transaction tracking method further comprising the step of setting an image related to the first product as the first product image.
 제2항에 있어서, 상기 이상거래 데이터베이스를 업데이트하는 단계는,
제1 상품 정보에 포함된 제1 특징 데이터 중 상기 비정상 특징 데이터에 대응하는 것이 있는 지 판단하는 단계;
상기 판단 결과에 따라 제1 상품 정보를 제2 상품 정보로 설정하는 단계를 더 포함하는 이상거래 추적 방법.
According to claim 2, wherein the step of updating the abnormal transaction database,
determining whether any of the first characteristic data included in the first product information corresponds to the abnormal characteristic data;
The abnormal transaction tracking method further comprising the step of setting the first product information as the second product information according to the determination result.
 제1항에 있어서, 상기 c 단계는,
제3 상품 정보에 포함된 제3 특징 데이터를 기반으로 이상거래를 분석하는 단계를 포함하되,
제3 특징 데이터는 제3 상품 이미지, 제3 텍스트, 또는 제3 사용자 정보 중 적어도 하나를 포함하는 이상거래 추적 방법.
According to claim 1, wherein step c,
Analyzing the abnormal transaction based on the third characteristic data included in the third product information,
The third characteristic data includes at least one of a third product image, third text, and third user information.
 제5항에 있어서, 상기 c 단계는,
제3 상품 정보에 포함된 제3 상품 이미지의 특징 영역을 탐지하고, 상기 특징 영역을 기반으로 특징 기술자를 추출하는 단계;
제3 상품 이미지의 특징 기술자를 기반으로 상기 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하는 지 판단하는 단계; 및
판단 결과, 동일한 제1 상품 이미지가 존재하면, 제3 상품 정보의 위험도를 증가시키는 단계를 포함하는 이상거래 추적 방법.
The method of claim 5, wherein step c is,
detecting a feature area of a third product image included in the third product information, and extracting a feature descriptor based on the feature area;
determining whether a first product image identical to a third product image exists in the product information database based on a feature descriptor of the third product image; and
As a result of the determination, if the same first product image exists, the abnormal transaction tracking method comprising the step of increasing the risk of the third product information.
 제5항에 있어서, 상기 c 단계는,
제3 텍스트에 포함된 적어도 하나의 제3 키워드를 추출하는 단계;
상기 상품 정보 데이터베이스의 제1 상품 정보 및 제2 상품 정보에 제3 키워드가 속하는 비율을 연산하여, 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어인 지 판단하는 단계;
제3 키워드의 비율이 기 설정된 임계 값 이상이면 제3 상품 정보의 위험도를 증가시키는 단계를 포함하는 이상거래 추적 방법.
The method of claim 5, wherein step c is,
extracting at least one third keyword included in the third text;
calculating a ratio to which a third keyword belongs to the first product information and the second product information of the product information database, and determining whether the third keyword is a word mainly used by abnormal users;
When the ratio of the third keyword is greater than or equal to a preset threshold value, the abnormal transaction tracking method comprising the step of increasing the risk of third product information.
 제7항에 있어서, 상기 c 단계는,
제3 키워드는 url 또는 연락처 중 적어도 하나를 더 포함하여,
제3 키워드의 연락처와 제3 상품 정보에 포함된 연락처가 서로 상이하거나,
제3 키워드의 URL이 주로 사용되는 URL이 아닐 경우 제3 상품 정보의 위험도를 증가시키는 이상거래 추적 방법.
The method of claim 7, wherein the c step,
The third keyword further includes at least one of url or contact information,
The contact information of the third keyword and the contact information included in the third product information are different from each other,
An abnormal transaction tracking method that increases the risk of third-party product information when the URL of the third keyword is not a mainly used URL.
 제5항에 있어서, 상기 c 단계는,
제3 사용자 정보를 상기 이상거래 데이터베이스에 검색하여, 제3 사용자 정보가 존재하는 지의 여부를 판단하는 단계;
이상거래 데이터베이스에 제3 사용자 정보가 이미 존재하면, 제3 상품 정보의 위험도를 증가시키는 단계를 포함하되,
제3 사용자 정보는 이름, 주민등록번호, 연락처, IP 주소, 또는 디바이스 모델 중 적어도 하나를 포함하는 이상거래 추적 방법.
The method of claim 5, wherein step c is,
retrieving third user information in the abnormal transaction database, and determining whether third user information exists;
If the third user information already exists in the abnormal transaction database, including the step of increasing the risk of the third product information,
The third user information is an abnormal transaction tracking method including at least one of a name, a resident registration number, a contact information, an IP address, or a device model.
 제5항에 있어서, 상기 c 단계는,
제3 사용자 정보를 다크 웹에 검색하여, 다크 웹에 제3 사용자 정보가 노출되어 있으면, 제3 상품 정보의 위험도를 증가시키는 이상거래 추적 방법.
The method of claim 5, wherein step c is,
By searching the third user information on the dark web, if the third user information is exposed on the dark web, an abnormal transaction tracking method that increases the risk of the third product information.
 제5항에 있어서, 상기 c 단계는,
제3 사용자 정보에 포함된 IP 주소를 상기 이상거래 데이터베이스에 검색하여, 제3 사용자 정보가 존재하는 지의 여부를 판단하는 단계;
이상거래 데이터베이스에 제3 사용자 정보가 이미 존재하면, 제3 상품 정보의 위험도를 증가시키는 이상거래 추적 방법.
The method of claim 5, wherein step c is,
retrieving the IP address included in the third user information in the abnormal transaction database, and determining whether the third user information exists;
If the third user information already exists in the abnormal transaction database, the abnormal transaction tracking method for increasing the risk of the third product information.
 제6항 내지 제11항 중 어느 한 항에 있어서, 상기 c 단계는,
제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상이면 제3 상품 정보가 상기 비정상 사용자에 의해 생성되었다고 판단하는 이상거래 추적 방법.
The method according to any one of claims 6 to 11, wherein step c is,
An abnormal transaction tracking method for determining that the third product information was generated by the abnormal user when the risk level of the third product information is greater than or equal to a preset risk threshold.
 제1항에 있어서, 상기 d 단계는,
제4 상품 정보에 대응하는 사용자를 제1 노드로, 제4 상품 정보에 대응하는 특징 데이터를 제2 노드로 하여 상기 그래프를 생성하되,
제4 상품 정보에 포함된 사용자가 복수일 경우 다른 사용자를 제3 노드로 하여, 제1 내지 제3 노드를 연결하는 이상거래 추적 방법.
According to claim 1, wherein step d,
The graph is generated by using the user corresponding to the fourth product information as the first node and the feature data corresponding to the fourth product information as the second node,
When there are a plurality of users included in the fourth product information, an abnormal transaction tracking method for connecting the first to third nodes with another user as the third node.
 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 데이터베이스 생성 모듈;
상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 상품 정보 수집 모듈;
제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하고, 상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하는 상품 정보 분석 모듈;
상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하고, 상기 그래프 및 상기 판단 결과를 사용자 단말에 전송하는 그래프 생성 모듈을 포함하는 이상거래 추적 장치.
a database generating module that collects a plurality of pieces of first product information pre-stored in the e-commerce server and builds a database based on the first product information;
a product information collection module for collecting third product information newly uploaded to the e-commerce server;
a product information analysis module that determines whether third product information is generated by an abnormal user and updates the database according to the determination result;
and a graph generating module for generating a graph based on the fourth product information stored in the database, and transmitting the graph and the determination result to a user terminal.
KR1020210034504A 2021-03-17 2021-03-17 Method and system tracking abnormal transaction in e-commerce KR102580011B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210034504A KR102580011B1 (en) 2021-03-17 2021-03-17 Method and system tracking abnormal transaction in e-commerce

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210034504A KR102580011B1 (en) 2021-03-17 2021-03-17 Method and system tracking abnormal transaction in e-commerce

Publications (2)

Publication Number Publication Date
KR20220129776A true KR20220129776A (en) 2022-09-26
KR102580011B1 KR102580011B1 (en) 2023-09-19

Family

ID=83452461

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210034504A KR102580011B1 (en) 2021-03-17 2021-03-17 Method and system tracking abnormal transaction in e-commerce

Country Status (1)

Country Link
KR (1) KR102580011B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070067651A (en) * 2007-05-09 2007-06-28 한재호 Method on prevention of phishing through analysis of the internet site pattern
KR101473671B1 (en) * 2013-06-25 2014-12-17 주식회사 안랩 Method and apparatus for detection of phishing site by image comparison
WO2018074027A1 (en) * 2016-10-17 2018-04-26 日本電気株式会社 Anomaly detection device, control method, and program
KR101869264B1 (en) * 2018-01-11 2018-07-23 주식회사 업루트 Apparatus and method for detecting phishing sites
KR101996018B1 (en) * 2018-08-13 2019-10-01 넷마블 주식회사 Apparatus and method for detection of abnormal user

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070067651A (en) * 2007-05-09 2007-06-28 한재호 Method on prevention of phishing through analysis of the internet site pattern
KR101473671B1 (en) * 2013-06-25 2014-12-17 주식회사 안랩 Method and apparatus for detection of phishing site by image comparison
WO2018074027A1 (en) * 2016-10-17 2018-04-26 日本電気株式会社 Anomaly detection device, control method, and program
KR101869264B1 (en) * 2018-01-11 2018-07-23 주식회사 업루트 Apparatus and method for detecting phishing sites
KR101996018B1 (en) * 2018-08-13 2019-10-01 넷마블 주식회사 Apparatus and method for detection of abnormal user

Also Published As

Publication number Publication date
KR102580011B1 (en) 2023-09-19

Similar Documents

Publication Publication Date Title
Heydari et al. Detection of fake opinions using time series
Ramesh et al. An efficacious method for detecting phishing webpages through target domain identification
TWI611305B (en) Method and device for identifying feature groups and search method and device
TW201812689A (en) System, method, and device for identifying malicious address/malicious purchase order
US10599774B1 (en) Evaluating content items based upon semantic similarity of text
JP2019212290A (en) Method and device for processing video
KR100692209B1 (en) Method and system for providing information of commodity customized to each user
US8046372B1 (en) Duplicate entry detection system and method
CN104156490A (en) Method and device for detecting suspicious fishing webpage based on character recognition
CN103544436A (en) System and method for distinguishing phishing websites
WO2017088496A1 (en) Search recommendation method, device, apparatus and computer storage medium
US20130254181A1 (en) Aggregation and Categorization
CN104158828B (en) The method and system of suspicious fishing webpage are identified based on cloud content rule base
US20230169129A1 (en) Method and system for providing alternative result for an online search previously with no result
EP3289487B1 (en) Computer-implemented methods of website analysis
KR20180052489A (en) method of providing goods recommendation for cross-border E-commerce based on user experience analysis and environmental factors
JP2022548501A (en) Data acquisition method and device for analyzing cryptocurrency transactions
JP2020086658A (en) Information processing apparatus, information processing system, information processing method, and similarity determination method
JP2016099913A (en) Unauthorized transaction detection system
CN111245815B (en) Data processing method and device, storage medium and electronic equipment
US20190318386A1 (en) Information processing method, program, information processing system, and information processing apparatus
CN113495987A (en) Data searching method, device, equipment and storage medium
KR20220129776A (en) Method and system tracking abnormal transaction in e-commerce
CN108959289B (en) Website category acquisition method and device
Wapet et al. Preventing the propagation of a new kind of illegitimate apps

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant