WO2022250187A1 - 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법 - Google Patents

자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법 Download PDF

Info

Publication number
WO2022250187A1
WO2022250187A1 PCT/KR2021/006698 KR2021006698W WO2022250187A1 WO 2022250187 A1 WO2022250187 A1 WO 2022250187A1 KR 2021006698 W KR2021006698 W KR 2021006698W WO 2022250187 A1 WO2022250187 A1 WO 2022250187A1
Authority
WO
WIPO (PCT)
Prior art keywords
customer
blacklist
person
face
authentication
Prior art date
Application number
PCT/KR2021/006698
Other languages
English (en)
French (fr)
Inventor
김성수
황희준
이명훈
김미희
Original Assignee
주식회사 유스비
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 유스비 filed Critical 주식회사 유스비
Priority to PCT/KR2021/006698 priority Critical patent/WO2022250187A1/ko
Publication of WO2022250187A1 publication Critical patent/WO2022250187A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Definitions

  • the present invention relates to a system and method for non-face-to-face authentication based on facial authentication and identification of a person of interest to prevent money laundering that can efficiently perform customer identity authentication for preventing money laundering by linking customer information with each transaction history. will be.
  • the face-to-face authentication method has a problem of increasing the customer identification work burden of financial companies.
  • the face-to-face authentication method becomes a factor in spreading infectious diseases when an infectious disease such as a virus is prevalent, and there is a limit in that customers are reluctant to visit.
  • the present invention provides a system and method for non-face-to-face authentication based on facial authentication and identification of a person of interest to prevent money laundering, which can efficiently perform customer identity authentication for preventing money laundering by linking customer information with each transaction history. It is to do.
  • the present invention is based on facial authentication for preventing money laundering, which can more reliably verify whether a customer is on the blacklist through primary and secondary filtering and increase the accuracy of identity authentication by facial image crawling. It is to provide a system and method for non-face-to-face authentication and identification of persons of interest.
  • a non-face-to-face authentication based non-face-to-face authentication and identification of persons of interest system for preventing money laundering includes: a customer information register configured to register customer information about a customer input from a customer terminal; and a blacklist determination unit configured to determine whether the customer corresponds to a blacklist related to a financial transaction restriction subject based on the customer information.
  • the blacklist determination unit compares the customer information with the blacklist to determine whether a blacklist suspect person associated with the customer exists in the blacklist; If the blacklist suspect person exists, crawling a search engine to search for at least one facial image related to the blacklist suspect person; and matching the facial image with customer image data of the customer information to verify whether the customer corresponds to the blacklist suspect person.
  • the customer information may include the customer's name, nationality, date of birth, gender, and customer ID information.
  • the customer image data may be an ID photo included in the customer ID information.
  • the blacklist determination unit calculates a similarity by comparing the customer and a plurality of items including the name, nationality, date of birth, and gender of the blacklist person included in the blacklist; calculating a first similarity value by applying a weight set for each item to the similarity calculated for each item; comparing the first similarity value with a set first threshold value to first filter whether the customer is a person suspected of the blacklist; searching for a plurality of facial images related to the blacklist suspect person in the search engine; Comparing the customer image data with the plurality of facial images to calculate a secondary similarity value based on an average facial matching degree; In addition, the secondary similarity value may be compared with a set secondary threshold value to secondary filter whether the customer corresponds to the blacklist suspect person.
  • the blacklist determination unit may be configured to set the weight, the first threshold value, and the second threshold value for each item based on the customer's financial transaction request information and the financial risk level of the blacklist suspect. have.
  • the blacklist determining unit estimates an age at which the ID photo was taken under the assumption that the customer is a person suspected of the blacklist; extracting character features, including hair style and whether glasses are worn, from the customer's face included in the ID photo;
  • the search engine may be configured to search for a facial image matching the photographing age and characteristics of the person among the facial images of the blacklist suspect person.
  • Face authentication-based non-face-to-face identity authentication and suspicious person identification system for preventing money laundering may further include.
  • a face authentication-based non-face-to-face authentication and identification of a person of interest method for preventing money laundering includes: registering customer information about a customer input from a customer terminal by a customer information register; and determining, by a blacklist determination unit, whether the customer corresponds to a blacklist related to a financial transaction restriction target based on the customer information.
  • Determining whether the blacklist corresponds to the blacklist may include: comparing the customer information with the blacklist and determining whether a blacklist suspect related to the customer exists in the blacklist; searching for at least one face image related to the blacklist suspect person by crawling a search engine when the blacklist suspect person exists; and verifying whether the customer corresponds to the blacklist suspect person by matching the facial image with customer image data of the customer information.
  • the step of determining whether the blacklist corresponds to: calculating a similarity by comparing the customer with a plurality of items including name, nationality, date of birth, and gender of the blacklist person included in the blacklist; Calculating a first similarity value by applying a weight set for each item to the similarity calculated for each item; comparing the first similarity value with a set first threshold value and firstly filtering whether the customer is a suspect person on the blacklist; Retrieving a plurality of facial images related to the blacklist suspect person in the search engine; Comparing the customer image data with the plurality of facial images to calculate a secondary similarity value based on an average facial matching degree; and comparing the secondary similarity value with a set secondary threshold value to secondary filtering whether the customer corresponds to the blacklist suspect person.
  • the step of determining whether the blacklist corresponds to: the weight, the first threshold value, and the second threshold value for each item based on the customer's financial transaction request information and the financial risk level of the blacklist suspect person Setting step; may further include.
  • the step of determining whether the customer is on the blacklist may include: estimating an age at which the ID photo was taken under the assumption that the customer is a suspicious person on the blacklist; extracting character features including hair style and whether or not glasses are worn from the customer's face included in the ID photo; and searching for a facial image matching the photographing age and characteristics of the person in the search engine among the facial images of the blacklist suspect person.
  • a method for non-face-to-face authentication based on face authentication and identification of a person of interest for preventing money laundering according to an embodiment of the present invention:
  • the customer does not fall under the suspected person on the blacklist, by the automatic risk evaluation unit, the customer
  • the method may further include receiving additional customer information including occupation, address, source of funds, source of assets, and transaction purpose from the customer, and evaluating the risk level of the customer based on the additional customer information.
  • a computer program recorded on a computer-readable recording medium is provided to execute the facial authentication-based non-face-to-face authentication and identification of a person of interest to prevent money laundering.
  • a face authentication-based non-face-to-face authentication and sensitive person identification system for preventing money laundering that can efficiently perform customer identity authentication for preventing money laundering by linking customer information with each transaction history And, the method is provided.
  • a system for non-face-to-face authentication based on facial authentication and identification of a person of interest, and a method thereof, are provided.
  • FIG. 1 is a block diagram of a non-face-to-face authentication based on facial authentication and a sensitive person identification system for preventing money laundering according to an embodiment of the present invention.
  • FIG. 2 is a block diagram of a blacklist determining unit constituting a non-face-to-face authentication based on face authentication and identification of a person of interest to prevent money laundering according to an embodiment of the present invention.
  • FIG. 3 is a conceptual diagram for explaining the function of a blacklist determining unit constituting a non-face-to-face authentication based on face authentication and identification of a person of interest to prevent money laundering according to an embodiment of the present invention.
  • FIG. 4 is a flow chart of a non-face-to-face authentication based on facial authentication and a method for identifying a person of interest to prevent money laundering according to an embodiment of the present invention.
  • step S300 of FIG. 4 is a flowchart illustrating step S300 of FIG. 4 in more detail.
  • step S310 of FIG. 5 is a flowchart illustrating step S310 of FIG. 5 in more detail.
  • FIG. 7 is a flowchart illustrating steps S320 and S330 of FIG. 5 in more detail.
  • ' ⁇ unit' used in this specification is a unit that processes at least one function or operation, and may mean, for example, software, an FPGA, or a hardware component. Functions provided by ' ⁇ unit' may be performed separately by a plurality of components or may be integrated with other additional components.
  • ' ⁇ unit' in this specification is not necessarily limited to software or hardware, and may be configured to be in an addressable storage medium or configured to reproduce one or more processors.
  • embodiments of the present invention will be described in detail with reference to the drawings.
  • the facial authentication-based non-face-to-face identity authentication and suspect person identification system for preventing money laundering according to an embodiment of the present invention includes an anti-money laundering server 100, a name screening database (DB; database) 200 ), a blacklist DB 300, and a search engine DB 400.
  • DB name screening database
  • the anti-money laundering server 100 is based on customer information (eg, name, nationality, gender, date of birth, identification card, etc.) about the customer input from the customer terminal 10, so that the customer is related to the person subject to financial transaction restriction. It can be configured to determine whether it corresponds to the blacklist.
  • customer information eg, name, nationality, gender, date of birth, identification card, etc.
  • the customer terminal 10 may be, for example, a terminal used by a bank, a fintech company, a blockchain exchange, a securities company, an insurance company, various other financial institutions, or individual customers.
  • the customer terminal 10 may input or transmit customer information to the anti-money laundering server 100 to confirm whether a specific customer is on the blacklist corresponding to an anti-money laundering target.
  • the customer terminal 10 may be implemented as a desktop PC, laptop, notebook, smart phone, smart pad, etc., but is not limited thereto.
  • the anti-money laundering server 100 may include a customer information registration unit 110 , a risk customer determination unit 120 , and an alarm unit 130 .
  • the customer information registration unit 110 may be configured to register customer information about the customer input from the customer terminal 10 .
  • Customer information input from the customer terminal 10 may include the customer's name, nationality, date of birth, gender, and customer ID information.
  • the risky customer determination unit 120 may determine whether or not the customer is the same person as a blacklist suspect person registered in the blacklist based on customer information (customer name, nationality, date of birth, gender) and customer ID information. .
  • the risky customer determination unit 120 may include a name screening unit 122, a blacklist determination unit 124, an automatic risk assessment unit 126, and a risky customer determination unit 128.
  • the name screening unit 122 may perform name screening using the name screening DB 200 .
  • Name screening refers to the process of screening for a person of interest by checking whether there is a person with the same name and date of birth in the global financial transaction blacklist database. Such name screening may be performed using a name screening DB 200 such as Dow Jones DB.
  • the blacklist determination unit 124 determines that the customer is associated with a person subject to financial transaction restriction based on the customer information registered by the customer information registration unit 110. Accordingly, a filtering procedure may be performed to determine whether the person in the registered blacklist is the same person as the blacklist suspect person.
  • FIG. 2 is a block diagram of a blacklist determining unit constituting a non-face-to-face authentication based on face authentication and identification of a person of interest to prevent money laundering according to an embodiment of the present invention.
  • 3 is a conceptual diagram for explaining the function of a blacklist determination unit constituting a non-face-to-face identity authentication and a person of interest identification system for preventing money laundering according to an embodiment of the present invention.
  • the blacklist determination unit 124 includes a primary filtering unit 1242 that first filters whether the customer is a suspected person on the blacklist, and after the first filtering, the customer is identified as a suspected person on the blacklist. It may include a secondary filtering unit 1244 for secondary filtering whether or not it corresponds.
  • the primary filtering unit 1242 may compare the customer information with the blacklist to determine whether a blacklist suspect person related to the customer exists in the blacklist. To this end, the primary filtering unit 1242 may calculate a similarity by comparing a plurality of items including names, nationalities, dates of birth, and genders of blacklisted persons included in the blacklist with customers.
  • the primary filtering unit 1242 may calculate a primary similarity value by applying a weight set for each category to the similarity calculated for each category.
  • the first filtering unit 1242 compares the calculated first similarity value with a set first threshold value to first filter whether the customer is a blacklist suspect.
  • the secondary filtering unit 1244 may include a face image search unit 1246 including a search engine crawling unit and a face matching unit 1248 .
  • the face image search unit 1246 crawls a search engine (eg, Naver, google, bidu, facebook, instagram, etc.) when a blacklist suspect person exists, and retrieves at least one face image related to the blacklist suspect person. You can search.
  • a search engine eg, Naver, google, bidu, facebook, instagram, etc.
  • the face matching unit 1248 matches the facial image crawled by the facial image search unit 1246 with the customer image data of the customer information, for example, the ID photo included in the customer ID information 20, so that the customer is blacklisted. It can be verified that it corresponds to
  • the blacklist determination unit 124 searches for one or a plurality of facial images related to the blacklist suspect person in the search engine, compares the customer image data with the plurality of facial images, and determines 2 based on the average facial matching degree. A difference similarity value can be calculated.
  • the blacklist determining unit 124 may be configured to secondarily filter whether the customer is a blacklist suspect by comparing the calculated secondary similarity value with a set secondary threshold value.
  • the blacklist determination unit 124 sets a weight, a first threshold value, and a second threshold value for each item based on the customer's financial transaction request information and the financial risk of the blacklist suspect. can be configured to
  • the blacklist determination unit 124 estimates the age at which the ID photo was taken under the assumption that the customer is a blacklist suspect, and the customer's hair style and glasses included in the ID photo are taken. Character features including whether or not worn can be extracted.
  • the blacklist determining unit 124 may search a search engine for a facial image matching a photographing age and character characteristics among facial images of a person suspected of being blacklisted. Accordingly, it is possible to perform authentication of the customer and check the blacklist by searching for facial images in order of relevance to the ID photo of the customer information.
  • the risky customer determination unit 128 blacklists customers judged as suspects in the first blacklist by the first filtering unit 1242 and also judged as suspects in the second blacklist by the second filtering unit 1244. It can be judged as a risk customer corresponding to .
  • the automatic risk assessment unit 126 receives additional customer information such as occupation, address, source of funds, source of assets, and transaction purpose from the customer, Based on the customer's additional information, the customer's risk can be assessed.
  • the risky customer determination unit 128 may determine the customer as a risky person corresponding to the blacklist when the customer's risk level exceeds the reference value by the automatic risk evaluation unit 126 .
  • the alarm unit 130 may generate an alarm notifying the person in charge of the risky customer.
  • secondary filtering is performed only on customers suspected of being blacklisted through primary filtering to reduce the burden of secondary filtering, and at the same time, customers are blacklisted through primary and secondary filtering. It is possible to more reliably verify whether or not the person is a suspicious person.
  • the method for non-face-to-face authentication and identification of a person of interest for preventing money laundering according to an embodiment of the present invention includes an anti-money laundering server 100 and a name screening database (DB) 200 , a blacklist DB 300, and a search engine DB 400, by means of a non-face-to-face identity authentication and a person of interest identification system, based on customer information about the customer input from the customer terminal 10, the customer makes a financial transaction It is possible to determine whether or not the user corresponds to the blacklist related to the restricted person.
  • DB name screening database
  • the customer information registration unit 110 may register customer information about the customer input from the customer terminal 10 (S100). Customer information input from the customer terminal 10 may include the customer's name, nationality, date of birth, gender, and customer ID information.
  • the name screening unit 122 may perform name screening using the name screening DB 200 (S200).
  • Such name screening may be performed using a name screening DB 200 such as Dow Jones DB. If it is determined that there is no matched person in the name screening DB through name screening, customer onboarding can be performed by automatically classifying the customer as a low-risk customer.
  • a name screening DB 200 such as Dow Jones DB.
  • the blacklist determination unit 124 determines that the customer is associated with a person subject to financial transaction restriction based on the customer information registered by the customer information registration unit 110. Accordingly, a filtering procedure may be performed to confirm whether the blacklist suspicious person in the registered blacklist is the same person (S300).
  • the risky customer determination unit 120 determines whether the customer is the same person as the blacklist suspect registered in the blacklist, based on customer information (customer name, nationality, date of birth, gender) and customer ID information. can do. At this time, the blacklist determination unit 124 can more reliably verify whether the customer is a blacklisted person through primary and secondary filtering.
  • step S300 of FIG. 4 is a flowchart illustrating step S300 of FIG. 4 in more detail.
  • the primary filtering unit 1242 compares customer information with a blacklist to determine whether a blacklist suspect person related to the customer exists in the blacklist (S310).
  • the primary filtering unit 1242 may calculate a similarity by comparing a plurality of items including names, nationalities, dates of birth, and genders of blacklisted persons included in the blacklist with customers.
  • the first filtering unit 1242 calculates the first similarity value by applying the weight set for each item to the similarity calculated for each item, and then compares the calculated first similarity value with the set first threshold value so that the customer is black. It is possible to perform a primary filtering on whether the list is a suspect person.
  • the second filtering unit 1244 may search for at least one face image related to the blacklist suspect person by crawling the search engine (S320).
  • the face matching unit 1248 performs secondary filtering to verify whether the customer is a blacklist suspect by matching the crawled face image with customer image data of the customer information, for example, a photo of the ID included in the customer ID information 20. It can be performed (S330).
  • the blacklist determination unit 124 calculates a weight, a first threshold value, and a second threshold value for each item based on the customer's financial transaction request information and the financial risk level of the blacklist suspect. It may be configured to set (S312).
  • the primary filtering unit 1242 compares a plurality of items including the name, nationality, date of birth, and gender of the customer and the blacklist person included in the blacklist to calculate the similarity, and calculates the similarity calculated for each item for each item.
  • a first similarity value may be calculated by applying the set weight (S314).
  • the first filtering unit 1242 compares the calculated first similarity value with a set first threshold value to first filter whether the customer is a blacklist suspect (S316).
  • the blacklist determination unit 124 may analyze customer information related to customer image data based on customer image data such as an ID photo (S322).
  • the blacklist determination unit 124 estimates the photographing age at which the ID photo was taken under the assumption that the customer is a suspected blacklist person, and includes the hair style and whether glasses are worn on the face of the customer included in the ID photo. Characteristics can be extracted.
  • the blacklist determination unit 124 may search a search engine for a facial image matching the photographing age and characteristics of the person among the facial images of the person suspected of being blacklisted (S324). Through this, it is possible to increase the accuracy of identity authentication by crawling the facial image that most closely matches the customer's ID photo.
  • the blacklist determination unit 124 may search a plurality of facial images related to a blacklist suspect person in a search engine, compare customer image data with a plurality of facial images, and calculate a secondary similarity value based on an average facial matching degree. Yes (S332).
  • the blacklist determining unit 124 may be configured to secondarily filter whether the customer is a blacklist suspect by comparing the calculated secondary similarity value with a set secondary threshold value (S334).
  • the risky customer determination unit 128 blacklists customers who are judged as suspects in the first blacklist by the first filtering unit 1242 and at the same time judged as suspects in the second blacklist by the second filtering unit 1244. It can be judged as a risk customer corresponding to .
  • the automatic risk assessment unit 126 receives additional customer information such as occupation, address, source of funds, source of assets, and transaction purpose from the customer, Based on the customer's additional information, the customer's risk can be assessed.
  • the risky customer determination unit 128 may determine the customer as a risky person corresponding to the blacklist when the customer's risk level exceeds the reference value by the automatic risk evaluation unit 126 .
  • the alarm unit 130 may generate an alarm notifying the person in charge of the risky customer.
  • an efficient anti-money laundering system can be established by linking customer information with each transaction details.
  • Facial authentication-based non-face-to-face authentication and person of interest identification system and method for preventing money laundering according to an embodiment of the present invention for example, use of app service of fintech company, opening of electronic wallet of blockchain exchange, It can be used for non-face-to-face authentication for financial services such as opening a bank's online banking account, securities company's securities trading app account, and insurance company's online insurance application.
  • the embodiments described above may be implemented as hardware components, software components, and/or a combination of hardware components and software components.
  • the devices, methods and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA) array), programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions.
  • ALU arithmetic logic unit
  • FPGA field programmable gate
  • PLUs programmable logic units
  • microprocessors or any other device capable of executing and responding to instructions.
  • a processing device may run an operating system and one or more software applications running on the operating system.
  • a processing device may also access, store, manipulate, process, and generate data in response to execution of software.
  • a processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It will be understood that it can include
  • a processing device may include a plurality of processors or a processor and a controller. Also, other processing configurations are possible, such as a parallel processor.
  • Software may include a computer program, code, instructions, or a combination of one or more of the foregoing, which configures a processing device to operate as desired or processes independently or collectively. You can command the device.
  • Software and/or data may be any tangible machine, component, physical device, virtual equipment, computer storage medium or device, intended to be interpreted by or provide instructions or data to a processing device. can be embodied in Software may be distributed on networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer readable media.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer readable medium.
  • Computer readable media may include program instructions, data files, data structures, etc. alone or in combination.
  • Program commands recorded on the medium may be specially designed and configured for the embodiment or may be known and usable to those skilled in computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CDROMs and DVDs, and ROMs, RAMs, and flash memories.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Collating Specific Patterns (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

고객 정보와 각 거래 내역을 연동하여 자금세탁 방지를 위한 고객 본인 인증을 효율적으로 수행할 수 있는 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과, 그 방법이 개시된다. 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템은: 고객에 관한 고객 정보를 등록하도록 구성되는 고객 정보 등록부; 및 서치엔진을 크롤링하여 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색하고, 상기 안면 이미지를 상기 고객 정보의 고객 이미지 데이터와 매칭하여 상기 고객이 금융 거래 제한 대상자와 관련된 블랙리스트 의심 인물에 해당하는지를 검증하도록 구성되는 블랙리스트 판단부;를 포함한다.

Description

자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법
본 발명은 고객 정보와 각 거래 내역을 연동하여 자금세탁 방지를 위한 고객 본인 인증을 효율적으로 수행할 수 있는 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법에 관한 것이다.
일반적으로, 은행, 증권사, 보험사, 핀테크 관련 업체 등의 금융 관련 업체에서는 금융서비스를 요청한 고객의 신원 확인을 위해 대면 방식의 본인인증을 수행하고 있다. 그러나 이러한 대면 방식의 본인인증 방식은 고객이 금융 관련 업체에 방문해야 하는 불편함이 있으며, 해당 금융 관련 업체의 영업 시간이 아닌 경우에는 금융서비스 절차를 이용하지 못하는 문제가 있다.
또한, 대면 방식의 본인인증 방식은 금융 관련 업체의 고객 확인 업무 부담을 가중시키는 문제가 있다. 뿐만 아니라, 대면 방식의 본인인증 방식은 바이러스 등의 감염 질병이 유행하는 경우 감염 질병을 확산시키는 요인이 되며 고객이 방문을 꺼리게 되는 한계가 있다.
이에 최근에 비대면 방식의 본인인증 방식이 각광받고 있다. 금융 서비스가 온라인으로 활발해 지면서, 은행과 핀테크 업체들은 온라인 서비스에 주력하고 있으며, 이를 위해 고객 본인인증(KYC: Know Your Customer)과 자금세탁방지 시스템(AML: Anti-Money Laundering)이 더욱 요구되고 있다. KYC/AML은 국제자금세탁방지기구(FATF)의 가이드라인에 따라 가입국가들이 FIU 금융정보분석원 및 자체 감독기관을 두고 각국의 금융서비스를 감독하고 있다.
우리나라도 금융감독원에서 급증하는 핀테크 서비스들에게 AML 시스템 도입을 강력히 촉구하고, 특정금융거래법에 지정한데로 규제를 이행하도록 감독하고 있는 상황이다. 하지만, 소규모 핀테크 업체들이 사용할만한 적절한 KYC/AML 토탈 솔루션 서비스가 부재하며, 자체적으로 이 시스템을 구축하기에는 전문성과 인력 및 예산이 부족한 실정이다.
본 발명은 고객 정보와 각 거래 내역을 연동하여 자금세탁 방지를 위한 고객 본인 인증을 효율적으로 수행할 수 있는 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법을 제공하기 위한 것이다.
또한, 본 발명은 1차 및 2차 필터링을 통해 고객이 블랙리스트에 해당하는지의 검증을 보다 확실히 수행하고, 안면 이미지 크롤링에 의한 본인 인증 정확도를 보다 높일 수 있는 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법을 제공하기 위한 것이다.
본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템은: 고객 단말기로부터 입력된 고객에 관한 고객 정보를 등록하도록 구성되는 고객 정보 등록부; 및 상기 고객 정보를 기초로 상기 고객이 금융 거래 제한 대상자와 관련된 블랙리스트에 해당하는지를 판단하도록 구성되는 블랙리스트 판단부;를 포함한다.
상기 블랙리스트 판단부는: 상기 고객 정보를 상기 블랙리스트와 비교하여 상기 블랙리스트에 상기 고객과 관련된 블랙리스트 의심 인물이 존재하는지 판단하고; 상기 블랙리스트 의심 인물이 존재하는 경우, 서치엔진을 크롤링하여 상기 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색하고; 그리고 상기 안면 이미지를 상기 고객 정보의 고객 이미지 데이터와 매칭하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 검증하도록 구성된다.
상기 고객 정보는 상기 고객의 이름, 국적, 생년월일, 성별 및 고객 신분증 정보를 포함할 수 있다. 상기 고객 이미지 데이터는 상기 고객 신분증 정보에 포함된 신분증 사진일 수 있다.
상기 블랙리스트 판단부는: 상기 고객과 상기 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출하고; 각 항목 별로 산출된 유사도에 상기 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출하고; 상기 1차 유사도 값을 설정된 1차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물인지를 1차 필터링하고; 상기 서치 엔진에서 상기 블랙리스트 의심 인물과 관련된 복수의 안면 이미지를 검색하고; 상기 고객 이미지 데이터를 상기 복수의 안면 이미지와 비교하여 평균 안면 일치도를 기반으로 2차 유사도 값을 산출하고; 그리고 상기 2차 유사도 값을 설정된 2차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 2차 필터링하도록 구성될 수 있다.
상기 블랙리스트 판단부는: 상기 고객의 금융 거래 요청 정보와 상기 블랙리스트 의심 인물의 금융 위험도를 기반으로, 상기 각 항목 별로 상기 가중치와 상기 1차 역치값 및 상기 2차 역치값을 설정하도록 구성될 수 있다.
상기 블랙리스트 판단부는: 상기 고객이 상기 블랙리스트 의심 인물이라는 가정 하에서 상기 신분증 사진이 촬영된 촬영 나이를 추정하고; 상기 신분증 사진에 포함된 상기 고객의 얼굴에서 머리 스타일, 및 안경 착용 여부를 포함하는 인물 특징을 추출하고; 그리고 상기 블랙리스트 의심 인물의 안면 이미지들 중에서 상기 서치엔진에서 상기 촬영 나이 및 상기 인물 특징과 일치하는 안면 이미지를 검색하도록 구성될 수 있다.
본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템은: 상기 고객이 상기 블랙리스트 의심 인물에 해당하지 않는 경우, 상기 고객으로부터 직업, 주소, 자금 출처, 자산 출처, 및 거래 목적을 포함하는 고객 추가 정보를 입력받고, 상기 고객 추가 정보를 기반으로 상기 고객의 위험도를 평가하도록 구성되는 위험도 자동 평가부;를 더 포함할 수 있다.
본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법은: 고객 정보 등록부에 의해, 고객 단말기로부터 입력된 고객에 관한 고객 정보를 등록하는 단계; 및 블랙리스트 판단부에 의해, 상기 고객 정보를 기초로 상기 고객이 금융 거래 제한 대상자와 관련된 블랙리스트에 해당하는지를 판단하는 단계;를 포함한다.
상기 블랙리스트에 해당하는지를 판단하는 단계는: 상기 고객 정보를 상기 블랙리스트와 비교하여 상기 블랙리스트에 상기 고객과 관련된 블랙리스트 의심 인물이 존재하는지 판단하는 단계; 상기 블랙리스트 의심 인물이 존재하는 경우, 서치엔진을 크롤링하여 상기 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색하는 단계; 및 상기 안면 이미지를 상기 고객 정보의 고객 이미지 데이터와 매칭하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 검증하는 단계;를 포함한다.
상기 블랙리스트에 해당하는지를 판단하는 단계는: 상기 고객과 상기 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출하는 단계; 각 항목 별로 산출된 유사도에 상기 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출하는 단계; 상기 1차 유사도 값을 설정된 1차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물인지를 1차 필터링하는 단계; 상기 서치 엔진에서 상기 블랙리스트 의심 인물과 관련된 복수의 안면 이미지를 검색하는 단계; 상기 고객 이미지 데이터를 상기 복수의 안면 이미지와 비교하여 평균 안면 일치도를 기반으로 2차 유사도 값을 산출하는 단계; 및 상기 2차 유사도 값을 설정된 2차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 2차 필터링하는 단계를 포함할 수 있다.
상기 블랙리스트에 해당하는지를 판단하는 단계는: 상기 고객의 금융 거래 요청 정보와 상기 블랙리스트 의심 인물의 금융 위험도를 기반으로, 상기 각 항목 별로 상기 가중치와 상기 1차 역치값 및 상기 2차 역치값을 설정하는 단계;를 더 포함할 수 있다.
상기 블랙리스트에 해당하는지를 판단하는 단계는: 상기 고객이 상기 블랙리스트 의심 인물이라는 가정 하에서 상기 신분증 사진이 촬영된 촬영 나이를 추정하는 단계; 상기 신분증 사진에 포함된 상기 고객의 얼굴에서 머리 스타일, 및 안경 착용 여부를 포함하는 인물 특징을 추출하는 단계; 및 상기 블랙리스트 의심 인물의 안면 이미지들 중에서 상기 서치엔진에서 상기 촬영 나이 및 상기 인물 특징과 일치하는 안면 이미지를 검색하는 단계;를 포함할 수 있다.
본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법은: 위험도 자동 평가부에 의해, 상기 고객이 상기 블랙리스트 의심 인물에 해당하지 않는 경우, 상기 고객으로부터 직업, 주소, 자금 출처, 자산 출처, 및 거래 목적을 포함하는 고객 추가 정보를 입력받고, 상기 고객 추가 정보를 기반으로 상기 고객의 위험도를 평가하는 단계;를 더 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법을 실행하도록 컴퓨터로 판독 가능한 기록 매체에 기록된 컴퓨터 프로그램이 제공된다.
본 발명의 실시예에 의하면, 고객 정보와 각 거래 내역을 연동하여 자금세탁 방지를 위한 고객 본인 인증을 효율적으로 수행할 수 있는 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과, 그 방법이 제공된다.
또한, 본 발명의 실시예에 의하면, 1차 및 2차 필터링을 통해 고객이 블랙리스트에 해당하는지의 검증을 보다 확실히 수행하고, 안면 이미지 크롤링에 의한 본인 인증 정확도를 보다 높일 수 있는 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과, 그 방법이 제공된다.
도 1은 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템을 구성하는 블랙리스트 판단부의 구성도이다.
도 3은 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템을 구성하는 블랙리스트 판단부의 기능을 설명하기 위한 개념도이다.
도 4는 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법의 순서도이다.
도 5는 도 4의 단계 S300을 보다 구체적으로 나타낸 순서도이다.
도 6은 도 5의 단계 S310을 보다 구체적으로 나타낸 순서도이다.
도 7은 도 5의 단계 S320 및 단계 S330을 보다 구체적으로 나타낸 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다.
본 발명의 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다.
본 명세서의 '~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 이하에서는 도면을 참조하여 본 발명의 실시예에 대해서 구체적으로 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템의 구성도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템은 자금세탁 방지 서버(100), 네임스크리닝 데이터베이스(DB; database)(200), 블랙리스트 DB(300), 및 서치엔진 DB(400)를 포함할 수 있다.
자금세탁 방지 서버(100)는 고객 단말기(10)로부터 입력된 고객에 관한 고객 정보(예를 들어, 이름, 국적, 성별, 생년월일, 신분증 등)를 기초로, 해당 고객이 금융 거래 제한 대상자와 관련된 블랙리스트에 해당하는지를 판단하도록 구성될 수 있다.
고객 단말기(10)는 예를 들어, 은행, 핀테크 업체, 블록체인 거래소, 증권사, 보험사, 그 밖의 다양한 금융 기관이나 개인 고객 등이 사용하는 단말기일 수 있다.
고객 단말기(10)는 특정 고객이 자금세탁 방지 대상자에 해당하는 블랙리스트에 해당하는지를 확인받기 위하여 자금세탁 방지 서버(100)에 고객 정보를 입력하거나 전송할 수 있다. 고객 단말기(10)는 데스크탑 PC, 랩탑, 노트북, 스마트폰, 스마트패드 등으로 구현될 수 있으나, 이에 한정되는 것은 아니다.
자금세탁 방지 서버(100)는 고객 정보 등록부(110), 위험 고객 판단부(120), 및 알람부(130)를 포함할 수 있다. 고객 정보 등록부(110)는 고객 단말기(10)로부터 입력된 고객에 관한 고객 정보를 등록하도록 구성될 수 있다. 고객 단말기(10)로부터 입력되는 고객 정보는 고객의 이름, 국적, 생년월일, 성별 및 고객 신분증 정보를 포함할 수 있다.
위험 고객 판단부(120)는 고객 정보(고객 이름, 국적, 생년월일, 성별), 고객 신분증 정보를 기반으로, 고객이 블랙리스트에 등록된 블랙리스트 의심 인물과 동일 인물인지 아닌지 여부를 판단할 수 있다. 위험 고객 판단부(120)는 네임 스크리닝부(122), 블랙리스트 판단부(124), 위험도 자동 평가부(126), 및 위험 고객 결정부(128)를 포함할 수 있다.
네임 스크리닝부(122)는 네임스크리닝 DB(200)를 활용하여 네임 스크리닝(name screening)을 수행할 수 있다. 네임 스크리닝은 세계 금융거래 블랙리스트 데이터베이스에 이름과 생년월일이 같은 인물이 있는지 확인하여 요주의 인물을 스크리닝하는 과정을 의미한다. 이러한 네임 스크리닝은 다우존스(Dow Jones) DB와 같은 네임 스크리닝 DB(200)를 활용하여 수행될 수 있다.
네임 스크리닝을 통해 고객과 관련된 블랙리스트 인물이 존재하는 것으로 확인되면, 블랙리스트 판단부(124)는 고객 정보 등록부(110)에 의해 등록된 고객 정보를 기초로, 해당 고객이 금융 거래 제한 대상자와 관련하여 등록된 블랙리스트에 있는 블랙리스트 의심 인물과 동일한 인물인지를 확인하는 필터링 절차를 수행할 수 있다.
도 2는 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템을 구성하는 블랙리스트 판단부의 구성도이다. 도 3은 본 발명의 실시예에 따른 자금세탁 방지를 위한 비대면 본인인증 및 요주의 인물 확인 시스템을 구성하는 블랙리스트 판단부의 기능을 설명하기 위한 개념도이다.
도 1 내지 도 3을 참조하면, 블랙리스트 판단부(124)는 고객이 블랙리스트 의심 인물에 해당하는지를 1차 필터링하는 1차 필터링부(1242)와, 1차 필터링 후 고객이 블랙리스트 의심 인물에 해당하는지를 2차 필터링하는 2차 필터링부(1244)를 포함할 수 있다.
1차 필터링부(1242)는 고객 정보를 블랙리스트와 비교하여 블랙리스트에 고객과 관련된 블랙리스트 의심 인물이 존재하는지 판단할 수 있다. 이를 위해, 1차 필터링부(1242)는 고객과 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출할 수 있다.
1차 필터링부(1242)는 각 항목 별로 산출된 유사도에 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출할 수 있다. 1차 필터링부(1242)는 산출된 1차 유사도 값을 설정된 1차 역치값과 비교하여 고객이 블랙리스트 의심 인물인지를 1차 필터링할 수 있다.
2차 필터링부(1244)는 서치엔진 크롤링부를 포함하는 안면 이미지 검색부(1246)와, 안면 매칭부(1248)를 포함할 수 있다. 안면 이미지 검색부(1246)는 블랙리스트 의심 인물이 존재하는 경우, 서치엔진(예를 들어, Naver, google, bidu, facebook, instagram 등)을 크롤링하여 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색할 수 있다.
안면 매칭부(1248)는 안면 이미지 검색부(1246)에 의해 크롤링된 안면 이미지를 고객 정보의 고객 이미지 데이터, 예를 들어 고객 신분증 정보(20)에 포함된 신분증 사진와 매칭하여 고객이 블랙리스트 의심 인물에 해당하는지를 검증할 수 있다.
일 실시예로, 블랙리스트 판단부(124)는 서치 엔진에서 블랙리스트 의심 인물과 관련된 하나 또는 복수의 안면 이미지를 검색하고, 고객 이미지 데이터를 복수의 안면 이미지와 비교하여 평균 안면 일치도를 기반으로 2차 유사도 값을 산출할 수 있다.
블랙리스트 판단부(124)는 산출된 2차 유사도 값을 설정된 2차 역치값과 비교하여 고객이 블랙리스트 의심 인물에 해당하는지를 2차 필터링하도록 구성될 수 있다. 본 발명의 일 실시예에서, 블랙리스트 판단부(124)는 고객의 금융 거래 요청 정보와 블랙리스트 의심 인물의 금융 위험도를 기반으로, 각 항목 별로 가중치와 1차 역치값 및 2차 역치값을 설정하도록 구성될 수 있다.
본 발명의 일 실시예에서, 블랙리스트 판단부(124)는 고객이 블랙리스트 의심 인물이라는 가정 하에서 신분증 사진이 촬영된 촬영 나이를 추정하고, 신분증 사진에 포함된 고객의 얼굴에서 머리 스타일, 및 안경 착용 여부를 포함하는 인물 특징을 추출할 수 있다.
블랙리스트 판단부(124)는 블랙리스트 의심 인물의 안면 이미지들 중에서 서치엔진에서 촬영 나이 및 인물 특징과 일치하는 안면 이미지를 검색할 수 있다. 이에 따라 고객 정보의 신분증 사진 등과 관련도가 높은 순으로 안면 이미지를 검색하여 고객의 본인 인증 및 블랙리스트 체크를 수행할 수 있다.
위험 고객 결정부(128)는 1차 필터링부(1242)에 의해 1차 블랙리스트 의심 인물로 판단됨과 동시에, 2차 필터링부(1244)에 의해서도 2차 블랙리스트 의심 인물로 판단된 고객을 블랙리스트에 해당하는 위험 고객으로 판단할 수 있다.
다시 도 1을 참조하면, 위험도 자동 평가부(126)는 고객이 블랙리스트 인물에 해당하지 않는 경우, 고객으로부터 직업, 주소, 자금 출처, 자산 출처, 및 거래 목적 등의 고객 추가 정보를 입력받고, 고객 추가 정보를 기반으로 고객의 위험도를 평가할 수 있다.
위험 고객 결정부(128)는 위험도 자동 평가부(126)에 의해 고객의 위험도가 기준값을 초과하는 고객인 경우, 해당 고객을 블랙리스트에 준하는 위험 인물로 판단할 수 있다. 위험 고객 결정부(128)에 의해 고객이 블랙리스트 또는 위험 인물로 판단된 경우, 알람부(130)는 담당자에게 위험 고객을 알리는 알람을 발생할 수 있다.
본 발명의 실시예에 의하면, 1차 필터링을 통해 블랙리스트 인물로 의심되는 고객에 한하여 2차 필터링을 수행하여 2차 필터링의 부담을 줄임과 동시에, 1차 및 2차 필터링을 통해 고객이 블랙리스트 의심 인물에 해당하는지의 검증을 보다 확실히 수행할 수 있다.
도 4는 본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법의 순서도이다. 도 1 및 도 4를 참조하면, 본 발명의 실시예에 따른 자금세탁 방지를 위한 비대면 본인인증 및 요주의 인물 확인 방법은 자금세탁 방지 서버(100), 네임스크리닝 데이터베이스(DB; database)(200), 블랙리스트 DB(300), 및 서치엔진 DB(400)를 포함하는 비대면 본인인증 및 요주의 인물 확인 시스템에 의해, 고객 단말기(10)로부터 입력된 고객에 관한 고객 정보를 기초로 고객이 금융 거래 제한 대상자와 관련된 블랙리스트에 해당하는지를 판단할 수 있다.
고객 정보 등록부(110)는 고객 단말기(10)로부터 입력된 고객에 관한 고객 정보를 등록할 수 있다(S100). 고객 단말기(10)로부터 입력되는 고객 정보는 고객의 이름, 국적, 생년월일, 성별 및 고객 신분증 정보를 포함할 수 있다. 네임 스크리닝부(122)는 네임스크리닝 DB(200)를 활용하여 네임 스크리닝(name screening)을 수행할 수 있다(S200).
이러한 네임 스크리닝은 다우존스 DB와 같은 네임 스크리닝 DB(200)를 활용하여 수행될 수 있다. 네임 스크리닝을 통해 네임 스크리닝 DB에 일치하는 사람이 존재하지 않는 것으로 판단되면, 저위험 고객으로 자동 분류하여 고객 온보딩을 수행할 수 있다.
네임 스크리닝을 통해 고객과 관련된 블랙리스트 인물이 존재하는 것으로 확인되면, 블랙리스트 판단부(124)는 고객 정보 등록부(110)에 의해 등록된 고객 정보를 기초로, 해당 고객이 금융 거래 제한 대상자와 관련하여 등록된 블랙리스트에 있는 블랙리스트 의심 인물과 동일한 인물인지를 확인하는 필터링 절차를 수행할 수 있다(S300).
이를 위해, 위험 고객 판단부(120)는 고객 정보(고객 이름, 국적, 생년월일, 성별), 고객 신분증 정보를 기반으로, 고객이 블랙리스트에 등록된 블랙리스트 의심 인물과 동일 인물인지 아닌지 여부를 판단할 수 있다. 이때 블랙리스트 판단부(124)는 1차 및 2차 필터링을 통해 고객이 블랙리스트에 해당하는 인물인지를 보다 확실히 검증할 수 있다.
도 5는 도 4의 단계 S300을 보다 구체적으로 나타낸 순서도이다. 도 1 내지 도 5를 참조하면, 1차 필터링부(1242)는 고객 정보를 블랙리스트와 비교하여 블랙리스트에 고객과 관련된 블랙리스트 의심 인물이 존재하는지 판단할 수 있다(S310).
이를 위해, 1차 필터링부(1242)는 고객과 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출할 수 있다.
1차 필터링부(1242)는 각 항목 별로 산출된 유사도에 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출한 후, 산출된 1차 유사도 값을 설정된 1차 역치값과 비교하여 고객이 블랙리스트 의심 인물에 해당하는지를 1차 필터링할 수 있다.
1차 필터링 결과 고객과 관련된 블랙리스트 의심 인물이 존재하는 경우, 2차 필터링부(1244)는 서치엔진을 크롤링하여 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색할 수 있다(S320).
안면 매칭부(1248)는 크롤링된 안면 이미지를 고객 정보의 고객 이미지 데이터, 예를 들어 고객 신분증 정보(20)에 포함된 신분증 사진와 매칭하여 고객이 블랙리스트 의심 인물에 해당하는지를 검증하는 2차 필터링을 수행할 수 있다(S330).
도 6은 도 5의 단계 S310을 보다 구체적으로 나타낸 순서도이다. 도 1 내지 도 6을 참조하면, 블랙리스트 판단부(124)는 고객의 금융 거래 요청 정보와 블랙리스트 의심 인물의 금융 위험도를 기반으로, 각 항목 별로 가중치와 1차 역치값 및 2차 역치값을 설정하도록 구성될 수 있다(S312).
1차 필터링부(1242)는 고객과 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출하고, 각 항목 별로 산출된 유사도에 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출할 수 있다(S314). 1차 필터링부(1242)는 산출된 1차 유사도 값을 설정된 1차 역치값과 비교하여 고객이 블랙리스트 의심 인물인지를 1차 필터링할 수 있다(S316).
도 7은 도 5의 단계 S320 및 단계 S330을 보다 구체적으로 나타낸 순서도이다. 도 1 내지 도 7을 참조하면, 블랙리스트 판단부(124)는 신분증 사진과 같은 고객 이미지 데이터를 기반으로 고객 이미지 데이터와 관련된 고객 정보를 분석할 수 있다(S322).
일 예로, 블랙리스트 판단부(124)는 고객이 블랙리스트 의심 인물이라는 가정 하에서 신분증 사진이 촬영된 촬영 나이를 추정하고, 신분증 사진에 포함된 고객의 얼굴에서 머리 스타일, 및 안경 착용 여부를 포함하는 인물 특징을 추출할 수 있다.
블랙리스트 판단부(124)는 블랙리스트 의심 인물의 안면 이미지들 중에서 서치엔진에서 촬영 나이 및 인물 특징과 일치하는 안면 이미지를 검색할 수 있다(S324). 이를 통해 고객의 신분증 사진 등과 가장 일치하는 안면 이미지를 크롤링하여 본인 인증 정확도를 보다 높일 수 있다.
블랙리스트 판단부(124)는 서치 엔진에서 블랙리스트 의심 인물과 관련된 복수의 안면 이미지를 검색하고, 고객 이미지 데이터를 복수의 안면 이미지와 비교하여 평균 안면 일치도를 기반으로 2차 유사도 값을 산출할 수 있다(S332). 블랙리스트 판단부(124)는 산출된 2차 유사도 값을 설정된 2차 역치값과 비교하여 고객이 블랙리스트 의심 인물에 해당하는지를 2차 필터링하도록 구성될 수 있다(S334).
위험 고객 결정부(128)는 1차 필터링부(1242)에 의해 1차 블랙리스트 의심 인물로 판단됨과 동시에, 2차 필터링부(1244)에 의해 2차 블랙리스트 의심 인물로 판단된 고객을 블랙리스트에 해당하는 위험 고객으로 판단할 수 있다. 다시 도 1을 참조하면, 위험도 자동 평가부(126)는 고객이 블랙리스트 인물에 해당하지 않는 경우, 고객으로부터 직업, 주소, 자금 출처, 자산 출처, 및 거래 목적 등의 고객 추가 정보를 입력받고, 고객 추가 정보를 기반으로 고객의 위험도를 평가할 수 있다.
위험 고객 결정부(128)는 위험도 자동 평가부(126)에 의해 고객의 위험도가 기준값을 초과하는 고객인 경우, 해당 고객을 블랙리스트에 준하는 위험 인물로 판단할 수 있다. 위험 고객 결정부(128)에 의해 고객이 블랙리스트 또는 위험 인물로 판단된 경우, 알람부(130)는 담당자에게 위험 고객을 알리는 알람을 발생할 수 있다.
본 발명의 실시예에 의하면, 고객 정보와 각 거래 내역을 연동하여 효율적인 자금세탁 방지 시스템을 구축할 수 있다. 또한, 내부 자금세탁방지를 담당하는 준법감시인이 해야하는 업무의 부담을 줄이고, 고위험 고객으로 필터링된 사람들을 위주로 자금세탁방지 감시를 시행할 수 있다. 뿐만 아니라, 자금세탁 방지를 위한 준법감시인 등의 업무시간을 단축할 뿐 아니라, 위험 고객에 대해 집중적인 관리를 할 수 있다.
본 발명의 실시예에 따른 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과, 그 방법은 예를 들어, 핀테크 업체의 앱 서비스 이용, 블록체인 거래소의 전자지갑 개설, 은행의 온라인 뱅킹 계좌 개설, 증권사의 증권 거래 앱 계좌 개설, 보험사에 관한 온라인 보험 신청 등의 금융 서비스를 위한 비대면 본인인증을 위해 활용될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.
예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.
소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (13)

  1. 고객 단말기로부터 입력된 고객에 관한 고객 정보를 등록하도록 구성되는 고객 정보 등록부; 및
    상기 고객 정보를 기초로 상기 고객이 금융 거래 제한 대상자와 관련된 블랙리스트에 해당하는지를 판단하도록 구성되는 블랙리스트 판단부;를 포함하고,
    상기 블랙리스트 판단부는:
    상기 고객 정보를 상기 블랙리스트와 비교하여 상기 블랙리스트에 상기 고객과 관련된 블랙리스트 의심 인물이 존재하는지 판단하고;
    상기 블랙리스트 의심 인물이 존재하는 경우, 서치엔진을 크롤링하여 상기 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색하고; 그리고
    상기 안면 이미지를 상기 고객 정보의 고객 이미지 데이터와 매칭하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 검증하도록 구성되는,
    자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템.
  2. 제1항에 있어서,
    상기 고객 정보는 상기 고객의 이름, 국적, 생년월일, 성별 및 고객 신분증 정보를 포함하고,
    상기 고객 이미지 데이터는 상기 고객 신분증 정보에 포함된 신분증 사진인, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템.
  3. 제2항에 있어서,
    상기 블랙리스트 판단부는:
    상기 고객과 상기 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출하고;
    각 항목 별로 산출된 유사도에 상기 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출하고;
    상기 1차 유사도 값을 설정된 1차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물인지를 1차 필터링하고;
    상기 서치 엔진에서 상기 블랙리스트 의심 인물과 관련된 복수의 안면 이미지를 검색하고;
    상기 고객 이미지 데이터를 상기 복수의 안면 이미지와 비교하여 평균 안면 일치도를 기반으로 2차 유사도 값을 산출하고; 그리고
    상기 2차 유사도 값을 설정된 2차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 2차 필터링하도록 구성되는,
    자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템.
  4. 제3항에 있어서,
    상기 블랙리스트 판단부는:
    상기 고객의 금융 거래 요청 정보와 상기 블랙리스트 의심 인물의 금융 위험도를 기반으로, 상기 각 항목 별로 상기 가중치와 상기 1차 역치값 및 상기 2차 역치값을 설정하도록 구성되는, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템.
  5. 제2항에 있어서,
    상기 블랙리스트 판단부는:
    상기 고객이 상기 블랙리스트 의심 인물이라는 가정 하에서 상기 신분증 사진이 촬영된 촬영 나이를 추정하고;
    상기 신분증 사진에 포함된 상기 고객의 얼굴에서 머리 스타일, 및 안경 착용 여부를 포함하는 인물 특징을 추출하고; 그리고
    상기 블랙리스트 의심 인물의 안면 이미지들 중에서 상기 서치엔진에서 상기 촬영 나이 및 상기 인물 특징과 일치하는 안면 이미지를 검색하도록 구성되는, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템.
  6. 제1항에 있어서,
    상기 고객이 상기 블랙리스트 의심 인물에 해당하지 않는 경우, 상기 고객으로부터 직업, 주소, 자금 출처, 자산 출처, 및 거래 목적을 포함하는 고객 추가 정보를 입력받고, 상기 고객 추가 정보를 기반으로 상기 고객의 위험도를 평가하도록 구성되는 위험도 자동 평가부;를 더 포함하는, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템.
  7. 고객 정보 등록부에 의해, 고객 단말기로부터 입력된 고객에 관한 고객 정보를 등록하는 단계; 및
    블랙리스트 판단부에 의해, 상기 고객 정보를 기초로 상기 고객이 금융 거래 제한 대상자와 관련된 블랙리스트에 해당하는지를 판단하는 단계;를 포함하고,
    상기 블랙리스트에 해당하는지를 판단하는 단계는:
    상기 고객 정보를 상기 블랙리스트와 비교하여 상기 블랙리스트에 상기 고객과 관련된 블랙리스트 의심 인물이 존재하는지 판단하는 단계;
    상기 블랙리스트 의심 인물이 존재하는 경우, 서치엔진을 크롤링하여 상기 블랙리스트 의심 인물과 관련된 적어도 하나의 안면 이미지를 검색하는 단계; 및
    상기 안면 이미지를 상기 고객 정보의 고객 이미지 데이터와 매칭하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 검증하는 단계를 포함하는,
    자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법.
  8. 제7항에 있어서,
    상기 고객 정보는 상기 고객의 이름, 국적, 생년월일, 성별 및 고객 신분증 정보를 포함하고,
    상기 고객 이미지 데이터는 상기 고객 신분증 정보에 포함된 신분증 사진인, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법.
  9. 제8항에 있어서,
    상기 블랙리스트에 해당하는지를 판단하는 단계는:
    상기 고객과 상기 블랙리스트에 포함된 블랙리스트 인물의 이름, 국적, 생년월일 및 성별을 포함하는 복수의 항목 별로 비교하여 유사도를 산출하는 단계;
    각 항목 별로 산출된 유사도에 상기 각 항목 별로 설정된 가중치를 적용하여 1차 유사도 값을 산출하는 단계;
    상기 1차 유사도 값을 설정된 1차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물인지를 1차 필터링하는 단계;
    상기 서치 엔진에서 상기 블랙리스트 의심 인물과 관련된 복수의 안면 이미지를 검색하는 단계;
    상기 고객 이미지 데이터를 상기 복수의 안면 이미지와 비교하여 평균 안면 일치도를 기반으로 2차 유사도 값을 산출하는 단계; 및
    상기 2차 유사도 값을 설정된 2차 역치값과 비교하여 상기 고객이 상기 블랙리스트 의심 인물에 해당하는지를 2차 필터링하는 단계를 포함하는,
    자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법.
  10. 제9항에 있어서,
    상기 블랙리스트에 해당하는지를 판단하는 단계는:
    상기 고객의 금융 거래 요청 정보와 상기 블랙리스트 의심 인물의 금융 위험도를 기반으로, 상기 각 항목 별로 상기 가중치와 상기 1차 역치값 및 상기 2차 역치값을 설정하는 단계;를 더 포함하는, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법.
  11. 제8항에 있어서,
    상기 블랙리스트에 해당하는지를 판단하는 단계는:
    상기 고객이 상기 블랙리스트 의심 인물이라는 가정 하에서 상기 신분증 사진이 촬영된 촬영 나이를 추정하는 단계;
    상기 신분증 사진에 포함된 상기 고객의 얼굴에서 머리 스타일, 및 안경 착용 여부를 포함하는 인물 특징을 추출하는 단계; 및
    상기 블랙리스트 의심 인물의 안면 이미지들 중에서 상기 서치엔진에서 상기 촬영 나이 및 상기 인물 특징과 일치하는 안면 이미지를 검색하는 단계;를 포함하는, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법.
  12. 제7항에 있어서,
    위험도 자동 평가부에 의해, 상기 고객이 상기 블랙리스트 의심 인물에 해당하지 않는 경우, 상기 고객으로부터 직업, 주소, 자금 출처, 자산 출처, 및 거래 목적을 포함하는 고객 추가 정보를 입력받고, 상기 고객 추가 정보를 기반으로 상기 고객의 위험도를 평가하는 단계;를 더 포함하는, 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법.
  13. 제7항 내지 제12항 중 어느 한 항의 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 방법을 실행하도록 컴퓨터로 판독 가능한 기록 매체에 기록된 컴퓨터 프로그램.
PCT/KR2021/006698 2021-05-28 2021-05-28 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법 WO2022250187A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/006698 WO2022250187A1 (ko) 2021-05-28 2021-05-28 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2021/006698 WO2022250187A1 (ko) 2021-05-28 2021-05-28 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법

Publications (1)

Publication Number Publication Date
WO2022250187A1 true WO2022250187A1 (ko) 2022-12-01

Family

ID=84229923

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/006698 WO2022250187A1 (ko) 2021-05-28 2021-05-28 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법

Country Status (1)

Country Link
WO (1) WO2022250187A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060159312A1 (en) * 2005-01-18 2006-07-20 International Biometrics Recognition Technologies Co., Ltd. Biometrics verification system and a method thereof
KR20100080114A (ko) * 2008-12-31 2010-07-08 주식회사 미래인식 얼굴인식을 이용한 신분인증 방법 및 시스템
JP2016170700A (ja) * 2015-03-13 2016-09-23 株式会社東芝 人物認証方法
KR20170052328A (ko) * 2015-11-04 2017-05-12 에스케이플래닛 주식회사 이동통신단말기를 이용한 비대면 실명확인 시스템 및 방법
KR102139257B1 (ko) * 2020-04-24 2020-07-30 주식회사 풀스택 비대면 인증 서비스 제공 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060159312A1 (en) * 2005-01-18 2006-07-20 International Biometrics Recognition Technologies Co., Ltd. Biometrics verification system and a method thereof
KR20100080114A (ko) * 2008-12-31 2010-07-08 주식회사 미래인식 얼굴인식을 이용한 신분인증 방법 및 시스템
JP2016170700A (ja) * 2015-03-13 2016-09-23 株式会社東芝 人物認証方法
KR20170052328A (ko) * 2015-11-04 2017-05-12 에스케이플래닛 주식회사 이동통신단말기를 이용한 비대면 실명확인 시스템 및 방법
KR102139257B1 (ko) * 2020-04-24 2020-07-30 주식회사 풀스택 비대면 인증 서비스 제공 시스템

Similar Documents

Publication Publication Date Title
US10810451B2 (en) ATM with biometric security
WO2017155292A1 (ko) 비정상행위 탐색방법 및 탐색프로그램
WO2017107734A1 (zh) 一种金融终端安全防护方法及系统
CN109543447B (zh) 基于区块链的信息处理方法、服务器及计算机存储介质
US20180365773A1 (en) Anti-money laundering platform for mining and analyzing data to identify money launderers
Bologa et al. Big data and specific analysis methods for insurance fraud detection.
US9069997B2 (en) Biometric matching system using input biometric sample
WO2020181910A1 (zh) 识别风险商家的方法及装置
CN109377189B (zh) 一种不动产电子权证系统
CN104335252B (zh) 个人识别方法
US9836510B2 (en) Identity confidence scoring system and method
EP3076348A1 (en) System and method for candidate profile screening
US20160125404A1 (en) Face recognition business model and method for identifying perpetrators of atm fraud
WO2021045332A1 (ko) 암호화폐 거래를 분석하기 위한 데이터 획득 방법 및 장치
WO2018097382A1 (ko) 무인 금융거래 시스템 및 이를 이용한 무인 금융거래 방법
CN114640499A (zh) 一种对用户行为进行异常识别的方法及其装置
WO2022250187A1 (ko) 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법
KR20220160996A (ko) 자금세탁 방지를 위한 안면인증 기반의 비대면 본인인증 및 요주의 인물 확인 시스템과 그 방법
Kavoliūnaitė-Ragauskienė Right to Privacy and Data Protection Concerns Raised by the Development and Usage of Face Recognition Technologies in the European Union
CN104169977B (zh) 个人识别方法
WO2020060125A2 (ko) 금융식별코드 기반 개인정보 관리 시스템 및 방법
WO2023029758A1 (zh) 一种企业经济犯罪侦查方法、系统及设备
JPH09134430A (ja) アイリスデータ照合システム
JP5500930B2 (ja) 加入審査システム及び加入審査方法、並びにプログラム
Yang et al. Improvement and Optimization of Vulnerability Detection Methods for Ethernet Smart Contracts

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21943176

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE