KR-102960963-B1 - METHOD AND ELECTRONIC DEVICE OF PROVIDING ONLINE IDENTIFY VERFICATION BASED ON FACIAL RECOGNITION OF ARTIFICIAL INTELIGENCE MODEL

Abstract

온라인 신분 증명을 제공하는 기술이 제공된다. 본 개시의 일 실시예에 있어서, 방법이 제공될 수 있다. 상기 방법은, 사용자의 신분을 증명하는 신분 증명 이미지와 상기 사용자의 안면을 촬영한 인증 동영상을 획득하는 단계, 상기 신분 증명 이미지로부터 추출된 텍스트에 기초하여, 상기 신분 증명 이미지의 진위 여부를 판정하는 단계, 상기 신분 증명 이미지에 포함된 제1 안면 영역과, 상기 인증 동영상에 포함된 제2 안면 영역의 동일성 여부를 판정하는 단계 및 상기 신분 증명 이미지의 상기 진위 여부의 판정과 상기 동일성 여부의 판정을 모두 만족한다는 판정에 기초하여, 상기 사용자의 온라인 신분 증명을 생성하는 단계를 포함할 수 있다.

Inventors

• 이남식
• 김종현

Assignees

• (주) 니즈페이

Dates

Publication Date

20260506

Application Date

20251015

Claims (10)

1. 전자 장치에 의해 실행되는 방법에 있어서, 사용자의 신분을 증명하는 신분 증명 이미지와 상기 사용자의 안면을 촬영한 인증 동영상을 획득하는 단계; 상기 신분 증명 이미지로부터 추출된 텍스트에 기초하여, 상기 신분 증명 이미지의 진위 여부를 판정하는 단계; 상기 신분 증명 이미지에 포함된 제1 안면 영역과, 상기 인증 동영상에 포함된 제2 안면 영역의 동일성 여부를 판정하는 단계; 및 상기 신분 증명 이미지의 상기 진위 여부의 판정과 상기 동일성 여부의 판정을 모두 만족한다는 판정에 기초하여, 상기 사용자의 온라인 신분 증명을 생성하는 단계를 포함하고, 상기 제1 안면 영역과 상기 제2 안면 영역의 상기 동일성 여부를 판정하는 단계는, 인공 지능 모델의 출력에 기초하여, 상기 동일성 여부를 판정하는 단계를 포함하고, 상기 인공 지능 모델은, 사람의 안면을 각각 포함하는 이미지와 동영상을 입력으로 하고, 상기 이미지와 상기 동영상에 포함된 안면이 동일한지 여부를 출력으로 하는 모델이고, 상기 방법은, 상기 동일성 여부의 판정 동작에서의 사용자 이탈에 기초하여, 상기 인공 지능 모델을 업데이트하는 단계를 더 포함하고, 상기 인공 지능 모델을 업데이트하는 단계는, 상기 사용자의 이탈을 반복 실패 이탈, 기술적 오류 이탈 및 중도 이탈 중 어느 하나로 분류하는 단계; 및 상기 반복 실패 이탈이 기준 횟수 이상이라는 판정에 기초하여, 상기 반복 실패 이탈로 분류된 데이터 중에서 성공의 경계 사례 데이터를 이용하여, 상기 인공 지능 모델을 업데이트하는 단계를 포함하는, 방법.
2. 제1항에 있어서, 상기 사용자의 사용자 단말에 대한 인증에 기초하여, 상기 온라인 신분 증명의 생성 요청의 진위 여부를 판정하는 단계를 더 포함하고, 상기 사용자 단말에 대한 상기 인증은, 상기 사용자 단말의 가입자 명의에 대한 인증을 생략하고, 기준 기간 이내에 요청 메시지에 대한 회신 메시지가 전송되었는지 여부에 기초하여 진위 여부를 판정하는 인증이고, 상기 온라인 신분 증명을 생성하는 단계는, 상기 생성 요청의 상기 진위 여부의 판정을 만족한다는 판정에 기초하여, 상기 사용자의 온라인 신분 증명을 생성하는 단계를 포함하는, 방법.
3. 제1항에 있어서, 상기 신분 증명 이미지의 상기 진위 여부를 판정하는 단계는, 상기 신분 증명 이미지로부터 텍스트를 추출하는 단계; 상기 텍스트의 유형에 기초하여, 상기 신분 증명 이미지의 유형을 결정하는 단계; 상기 신분 증명 이미지의 상기 유형에 기초하여, 상기 신분 증명 이미지에 대응되는 외부 기관을 식별하는 단계; 및 상기 외부 기관과의 상호 작용에 기초하여, 상기 신분 증명 이미지의 상기 진위 여부를 판정하는 단계를 포함하는, 방법.
4. 제1항에 있어서, 상기 인공 지능 모델은, 상기 동영상의 조도 정보, 조명의 피부 반사율 정보, 움직임 정보, 깊이 정보 및 표정 변화 정보 중 적어도 일부에 기초하여, 상기 동영상의 비정상 패턴을 감지하고 상기 이미지와 상기 동영상에 포함된 안면이 동일하지 않다고 판정하는 모델이고, 상기 비정상 패턴은, 딥페이크 동영상, 2차원 이미지를 촬영하여 제작된 동영상, 모형을 촬영하여 제작된 동영상 및 안면에 대한 부분적 가림을 포함하는 동영상 중 적어도 일부를 포함하는, 방법.
5. 제4항에 있어서, 상기 인공 지능 모델의 출력에 기초하여, 상기 동일성 여부를 판정하는 단계는, 상기 신분 증명 이미지로부터 상기 제1 안면 영역을 추출하고, 상기 인증 동영상으로부터 상기 제2 안면 영역을 추출하는 전처리 단계; 상기 제1 안면 영역 및 상기 제2 안면 영역 각각의 특징점에 기초하여, 상기 제1 안면 영역 및 상기 제2 안면 영역을 벡터화 하는 단계; 및 상기 인공 지능 모델에 상기 제1 안면 영역에 대응되는 제1 벡터 및 상기 제2 안면 영역에 대응되는 제2 벡터를 입력하여, 상기 동일성 여부를 판정하는 단계를 포함하는, 방법.
6. 삭제
7. 삭제
8. 제1항에 있어서, 트랜잭션 정보를 블록체인 네트워크에 전송하여, 상기 블록체인 네트워크의 원장에 기록하는 단계를 더 포함하고, 상기 트랜잭션 정보는, 상기 사용자의 온라인 신분 증명, 상기 사용자의 진위 여부의 판정 값, 상기 사용자의 상기 안면의 특징점 및 타임스탬프 중 적어도 일부가 암호화된 정보인, 방법.
9. 제1항에 있어서, 외부 서비스 장치에 상기 온라인 신분 증명을 전송하는 단계를 더 포함하는, 방법.
10. 네트워크와의 통신이 가능하도록 구성된 통신 인터페이스; 하나 이상의 인스트럭션을 포함하는 컴퓨터 프로그램을 실행하도록 구성된 프로세서; 및 상기 컴퓨터 프로그램이 저장된 메모리를 포함하고, 상기 컴퓨터 프로그램은, 제1항 내지 제5항 및 제8항 내지 제9항의 방법 중 어느 하나를 실행시키기 위한 하나 이상의 인스트럭션을 포함하는, 전자 장치.

Description

인공 지능 모델의 안면 인식에 기반하여 온라인 신분 증명을 제공하는 방법 및 전자 장치{METHOD AND ELECTRONIC DEVICE OF PROVIDING ONLINE IDENTIFY VERFICATION BASED ON FACIAL RECOGNITION OF ARTIFICIAL INTELIGENCE MODEL} 본 개시는 온라인 신분 증명을 제공하는 기술에 관한 것이다. 온라인을 통한 신분 증명 기술은 현대 사회에서 다양한 분야에 걸쳐 널리 활용되고 있다. 특히, 금융 서비스, 전자 상거래, 공공 서비스 등에서 사용자의 신원을 확인하는 과정은 필수적인 요소로 자리 잡았다. 이러한 기술은 사용자의 편의성을 높이고, 시간과 비용을 절감하며, 보안을 강화하는데 기여하고 있다. 스마트폰과 같은 모바일 기기의 보급과 인터넷 기술의 발전은 이러한 신분 증명 기술의 활용 범위를 더욱 확장시키고 있다. 그러나 현재의 인증 절차는 여전히 복잡하고 번거로운 경우가 많아 사용자 경험을 저해하는 문제를 야기하고 있다. 사용자는 여러 단계의 인증 과정을 거쳐야 하며, 이는 시간 소모와 불편함을 초래한다. 특히, 비밀번호, OTP, 생체 인증 등 다양한 인증 방식이 혼합되어 사용되면서 사용자는 혼란을 겪을 수 있다. 이러한 복잡성은 기술에 익숙하지 않은 사용자들에게 더욱 큰 장벽으로 작용한다. 또한, 대부분의 기존 인증 기술은 스마트폰의 가입자 명의에 기반하여 작동한다. 이는 대한민국에 일시적으로 방문한 여행객이나 교포와 같은 사용자들에게 큰 불편을 초래한다. 이들은 국내 통신사에 가입하지 않았거나, 일시적인 체류로 인해 국내 번호를 보유하지 않은 경우가 많아 인증 과정에서 어려움을 겪는다. 결과적으로, 이러한 사용자들은 필요한 서비스를 이용하지 못하거나, 복잡한 대체 인증 절차를 거쳐야 하는 상황에 직면하게 된다. 도 1a 및 도 1b는 본 개시의 일 실시예에 따른 관리 장치가 적용될 수 있는 환경을 도시한다. 도 2는 도 1a 및 도 1b를 참조하여 설명된 관리 장치를 구현할 수 있는 전자 장치를 도시한다. 도 3은 본 개시의 일 실시예에 따른 방법을 나타내는 순서도를 도시한다. 도 4는 도 3을 참조하여 설명된 신분 증명 이미지의 진위 여부의 판정 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 5는 도 4를 참조하여 설명된 외부 기관과의 상호 작용 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 6은 도 3을 참조하여 설명된 안면 영역의 동일성 여부의 판정 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 7은 도 6을 참조하여 설명된 인공 지능 모델의 판정 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 8은 도 7을 참조하여 설명된 벡터를 이용한 동일성 여부의 판정 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 9는 도 6을 참조하여 설명된 인공 지능 모델의 판정 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 10 내지 도 11은 도 9를 참조하여 설명된 비정상 패턴의 감지 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 12는 도 3을 참조하여 설명된 온라인 신분 증명의 생성 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 13은 본 개시의 일 실시예에 따른 방법을 나타내는 순서도를 도시한다. 도 14는 도 13을 참조하여 설명된 인공 지능 모델의 업데이트 동작의 세부 동작을 나타내는 순서도를 도시한다. 도 15는 본 개시의 일 실시예에 따른 방법을 나타내는 순서도를 도시한다. 도 16은 본 개시의 일 실시예에 따른 방법을 나타내는 순서도를 도시한다. 도 17은 본 개시의 다양한 실시예에서 참조될 수 있는 온라인 신분 증명의 생성 화면을 도시한다. 본 개시에 기재된 다양한 실시예는 본 개시의 기술적 사상을 명확히 설명하기 위한 목적으로 예시된 것이며, 이를 특정한 실시 형태로 한정하려는 것이 아니다. 본 개시의 기술적 사상은 본 개시에 기재된 각 실시예의 다양한 변경(modifications), 균등물(equivalents), 대체물(alternatives) 및 각 실시예의 전부 또는 일부로부터 선택적으로 조합된 실시예를 포함한다. 또한, 본 개시의 기술적 사상의 범위는 이하에 제시되는 다양한 실시예나 이에 대한 구체적 설명으로 한정되지 않는다. 기술적이거나 과학적인 용어를 포함하여 본 개시에서 사용되는 용어는, 달리 정의되지 않는 한, 본 개시가 속한 기술 분야의 통상의 기술자에게 일반적으로 이해되는 의미를 가질 수 있다. 이러한 용어는 기술의 발달, 변화, 관례, 기술자의 선호 등에 따라 얼마든지 다른 용어로 지칭될 수 있으므로, 이하에서 사용되는 용어의 의미에 따라 본 개시의 기술적 사상의 범위가 한정 해석되지 않는다. 본 개시에서 사용되는 "포함한다", "포함할 수 있다", "구비한다", "구비할 수 있다", "가진다", "가질 수 있다" 등과 같은 표현은, 대상이 되는 특징(예: 기능, 동작 또는 구성 요소 등)이 존재함을 의미하며, 다른 추가적인 특징의 존재를 배제하지 않는다. 즉, 이와 같은 표현은 다른 실시예를 포함할 가능성을 내포하는 개방형 용어(open-ended terms)로 해석되어야 한다. 본 개시에서 사용되는 단수형의 표현은, 문맥상 다르게 뜻하지 않는 한 복수형의 의미를 포함할 수 있으며, 이는 청구항에 기재된 단수형의 표현에도 마찬가지로 적용된다. 본 개시에서 사용되는 "제1", "제2" 또는 "첫째", "둘째" 등과 같은 서수의 표현은, 문맥상 다르게 뜻하지 않는 한, 복수의 동종 대상들을 지칭함에 있어 한 대상을 다른 대상과 구분하기 위해 사용되며, 대상들 간의 순서 또는 중요도를 한정하는 것은 아니다. 본 개시에서 사용되는 "A, B 및 C", "A, B 또는 C", "A, B 및 C 중 적어도 하나", "A, B 또는 C 중 적어도 하나" 등의 표현은, 각각의 나열된 항목 또는 나열된 항목들의 가능한 모든 조합들을 의미할 수 있다. 예를 들어, "A 또는 B 중 적어도 하나"는, (i) 적어도 하나의 A, (ii) 적어도 하나의 B, (iii) 적어도 하나의 A 및 적어도 하나의 B를 모두 지칭할 수 있다. 본 개시에서 사용되는 "~에 기초하여"라는 표현은, 이 표현이 포함되는 어구 또는 문장에서 기술되는, 결정, 판단의 행위 또는 동작에 영향을 주는 하나 이상의 인자를 기술하는데 사용되고, 이 표현은 그 결정, 판단의 행위 또는 동작에 영향을 주는 추가적인 인자를 배제하지 않는다. 본 개시에서 사용되는, 어떤 구성 요소(예: 제1 구성 요소)가 다른 구성 요소(예: 제2 구성 요소)에 "연결되어" 있다거나 "접속되어" 있다는 표현은, 상기 어떤 구성 요소가 상기 다른 구성 요소에 직접적으로 연결 또는 접속되는 것뿐 아니라, 새로운 다른 구성 요소(예: 제3 구성 요소)를 매개로 하여 연결 또는 접속되는 것을 의미할 수 있다. 본 개시에서 사용되는 표현 "~하도록 구성된(configured to)"은 문맥에 따라, "~하도록 설정된", "~하는 능력을 가지는", "~하도록 변경된", "~하도록 만들어진", "~를 할 수 있는" 등의 의미를 가질 수 있다. 이 표현은, "하드웨어적으로 특별히 설계된"의 의미로 제한되지 않으며, 예를 들어 특정 동작을 수행하도록 구성된 프로세서란, 소프트웨어를 실행함으로써 그 특정 동작을 수행할 수 있는 범용 프로세서(generic purpose processor)를 의미하거나, 그 특정 동작을 수행하도록 프로그래밍을 통해 구조화된 특수 목적 컴퓨터(special purpose computer)를 의미할 수 있다. 본 개시에서 사용되는 "부", "모듈", "모델" 등의 표현은, 소프트웨어 또는 FPGA(field-programmable gate array), ASIC(application specific integrated circuit)과 같은 하드웨어 구성 요소를 의미한다. 여기서, "부", "모듈", "모델" 등은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, "부", "모듈", "모델" 등은 소프트웨어 구성 요소, 객체 지향 소프트웨어 구성 요소, 클래스 구성 요소 및 태스크 구성 요소와 같은 구성 요소와, 프로세서, 함수, 속성, 프로시저, 서브 루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조, 테이블, 어레이 및 변수를 포함할 수 있다. 또한, "부", "모듈", "모델" 등을 통해 제공되는 기능은 더 작은 단위의 "부", "모듈", "모델"로 결합될 수 있다. 본 개시에서 사용되는 용어 "인공 지능(artificial intelligence, AI)"은 인간의 학습 능력, 추론 능력, 지각 능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미할 수 있다. 이러한 인공 지능은 기계 학습 또는 심볼릭 로직 등의 개념을 포함할 수 있다. 본 개시에서 사용되는 용어 "기계 학습(machine learning, ML)"은데이터를 처리한 경험을 이용해 인공 지능 모델을 훈련시키는 처리를 의미할 수 있다. 구체적인 예로서, 인공 지능 모델에 입력된 입력데이터의 특징을 스스로 분류 또는 학습하게 하는 기술이 기계 학습일 수 있다. 인공 지능 모델은 기계 학습의 알고리즘으로써 입력데이터를 분석하고, 그 분석의 결과에 기초하여 학습하며, 그 학습의 결과에 기초하여 신규의 입력에 대한 판단이나 예측을 할 수 있다. 예시된 것과 달리, 인간 두뇌의 인지, 판단의 기능(예: 언어적 이해, 시각적 이해, 추론, 예측, 지식 표현, 동작 제어 등)을 모사하기 위해 학습하는 모든 기술이 기계 학습의 범주로 이해될 수 있다. 기계 학습의 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning) 등이 있다. 이러한 기계 학습은 인공 지능 모델이 실행되는 기기 자체에서 이루어질 수 있고, 별도의 서버 또는 시스템을 통해 이루어질