그래프 신경망을 활용한 신원 사기 탐지 혁신 (KO)

숨겨진 연결 발견그래프 신경망은 방대한 신원 데이터 세트에서 명확하지 않은 관계를 밝혀내는 데 탁월하며, 이는 기존 방식으로는 놓칠 수 있는 정교한 사기 조직 및 합성 신원을 탐지하는 데 중요합니다.

정교한 사기와의 싸움GNN은 상호 연결된 데이터 포인트를 분석하여 합성 신원 사기 및 복잡한 계정 탈취 계획과 같은 새로운 사기 전술에 대한 강력한 방어책을 제공합니다.

향상된 예측 능력신원 데이터를 그래프로 처리함으로써 GNN은 사기 활동을 더 높은 정확도로 예측하여 사기 방지 시스템의 효율성과 효과를 향상시킬 수 있습니다.

Didit의 AI-네이티브 접근 방식Didit은 그래프 기반 분석을 포함한 고급 AI를 모듈형 신원 플랫폼 전반에 통합하여 데이터베이스 유효성 검사 및 차단 목록 기능으로 대표되는 우수한 실시간 사기 탐지 및 방지를 제공합니다.

진화하는 신원 사기 환경

신원 사기는 기업에 매년 수십억 달러의 피해를 입히는 지속적이고 증가하는 위협입니다. 규칙 기반 시스템이나 고립된 데이터 포인트에 의존하는 기존의 사기 탐지 방법은 사기꾼의 정교함 증가에 보조를 맞추기 어렵습니다. 사기꾼이 실제 정보와 위조 정보를 결합하여 새로운 신원을 생성하는 합성 신원 사기와 상호 연결된 계정을 악용하는 복잡한 계정 탈취 계획은 특히 어렵습니다. 이러한 고급 전술은 사용자 데이터 및 그 관계에 대한 전체적인 시각 없이는 탐지하기 어려운 미묘하고 분산된 흔적을 남기는 경우가 많습니다. 인공 지능으로 가능한 것의 경계를 넓히는 보다 지능적이고 적응력 있는 사기 탐지 시스템의 필요성이 그 어느 때보다 중요해졌습니다.

사기 탐지를 위한 그래프 신경망(GNN) 소개

그래프 신경망(GNN)은 사기 탐지에 대한 접근 방식을 근본적으로 변화시킵니다. 데이터를 개별적으로 처리하는 기존의 기계 학습 모델과 달리 GNN은 엔티티(노드)가 관계(엣지)로 연결된 그래프로 구조화된 데이터를 처리하도록 설계되었습니다. 신원 확인 및 사기 방지 맥락에서 이는 모든 신원 데이터 조각(이메일 주소, 전화번호, IP 주소, 문서 ID, 얼굴 생체 인식 또는 장치 지문)을 노드로 취급하는 것을 의미합니다. 동일한 이메일 또는 전화번호를 공유하는 여러 계정, 또는 동일한 IP 주소에서 발생하는 다른 신원과 같은 이러한 노드 간의 연결은 엣지가 됩니다. 이러한 복잡한 네트워크를 분석함으로써 GNN은 기존 방법으로는 보이지 않는 숨겨진 패턴을 찾아내고, 이상 징후를 감지하고, 사기성 클러스터를 식별할 수 있습니다. 이러한 네트워크 중심 접근 방식은 상호 연결된 기만적인 특성으로 본질적으로 특징지어지는 정교한 사기 조직 및 합성 신원을 탐지하는 데 특히 강력합니다.

GNN이 사기성 패턴을 밝혀내는 방법

GNN의 강점은 그래프 구조 전체에서 정보를 학습하고 전파하는 능력에 있습니다. 신원 데이터에 적용될 때 GNN은 다음을 수행할 수 있습니다.

• 의심스러운 클러스터 식별: 여러 개의 관련이 없어 보이는 계정이 갑자기 상호 작용을 시작하거나 공통적이고 특이한 속성(예: 동일한 희귀 장치 ID 또는 자주 변경되는 IP 주소)을 공유하는 경우, GNN은 이 클러스터를 잠재적으로 사기성으로 플래그 지정할 수 있습니다.
• 합성 신원 탐지: 합성 신원은 종종 일관성 없거나 부분적으로 위조된 데이터를 가지고 있습니다. GNN은 새로운 신원이 네트워크의 기존, 합법적 또는 의심스러운 노드에 어떻게 연결되는지 관찰하여 이러한 불일치를 찾아낼 수 있습니다. 예를 들어, 새로운 신원의 주소는 합법적으로 보이지만 전화번호가 수많은 알려진 사기성 계정과 연결되어 있다면 GNN은 더 높은 위험 점수를 할당할 수 있습니다.
• 계정 탈취 시도 공개: GNN은 행동 패턴과 연결을 분석할 수 있습니다. 비정상적인 IP 주소에서 갑작스러운 로그인(Didit의 IP 분석으로 감지)이 발생하여 중요한 계정 세부 정보를 변경하려고 시도하는 경우, 특히 해당 IP 주소가 다른 의심스러운 활동과 관련되어 있었다면 빠르게 식별할 수 있습니다.
• 기능 엔지니어링 강화: GNN은 그래프 구조에서 의미 있는 기능을 자동으로 학습하여 기존 ML에서 노동 집약적인 프로세스인 수동 기능 엔지니어링의 필요성을 줄입니다. 예를 들어, GNN은 'N'개의 의심스러운 계정에 연결되어 있는 것이 사기의 강력한 지표임을 학습할 수 있습니다.

이러한 관계에 대한 깊은 이해를 통해 GNN은 보다 정확하고 상황에 맞는 사기 점수를 제공하여 사기 탐지 시스템의 효율성을 크게 향상시킬 수 있습니다.

기존 신원 확인 도구와 GNN 통합

강력하지만 GNN은 독립적인 솔루션이 아니라 기존 신원 확인 프레임워크를 향상시키는 정교한 계층입니다. GNN은 Didit의 ID 확인(OCR, MRZ, 바코드), 수동 및 능동 라이브니스, 1:1 얼굴 매치와 같은 도구를 보완합니다. 예를 들어, 문서가 확인되고 라이브니스가 확인되면 추출된 데이터(이름, 주소, 생년월일, 문서 번호)가 GNN에 입력될 수 있습니다. 그러면 GNN은 이 정보를 방대한 과거 데이터 네트워크와 교차 참조하여 의심스러운 연결을 찾습니다. 문서 번호가 이전에 차단 목록에 있는 신원과 연결되었거나 얼굴 생체 인식이 차단 목록에 있는 얼굴과 일치하는 경우, GNN 강화 시스템은 즉시 플래그를 지정할 수 있습니다. Didit의 데이터베이스 유효성 검사는 30개 이상의 국가에서 정부 및 금융 데이터베이스와 사용자 데이터를 비교하여 검사하며, 이 그래프 기반 사고의 이점을 얻어 서로 다른 데이터 소스에 걸쳐 1x1 및 2x2 매칭을 통해 합성 사기를 탐지하는 데 도움을 줍니다. 이러한 모듈형 접근 방식을 통해 기업은 각 구성 요소의 강점을 활용하여 강력하고 다층적인 사기 방지 전략을 구축할 수 있습니다.

Didit이 돕는 방법

Didit은 AI 네이티브, 개발자 우선 신원 플랫폼으로서 그래프 신경망(또는 GNN과 유사한 기능)과 같은 고급 기술을 활용하여 정교한 신원 사기와 싸우는 데 앞장서고 있습니다. 당사의 모듈식 아키텍처는 이러한 최첨단 기술과 원활하게 통합되도록 설계되어 전 세계 기업에 강력하고 유연한 솔루션을 제공합니다. Didit의 플랫폼은 신원을 데이터 포인트의 연결된 그래프로 취급하여 AI 엔진이 사기를 나타내는 복잡한 관계와 이상 징후를 식별할 수 있도록 합니다. 예를 들어, 당사의 데이터베이스 유효성 검사 기능은 다양한 데이터 소스에 걸쳐 중요한 1x1 및 2x2 매칭을 수행하여 신뢰할 수 있는 데이터베이스와 사용자 데이터의 불일치를 식별함으로써 합성 사기를 효과적으로 탐지합니다. 또한 Didit의 포괄적인 차단 목록 기능을 통해 기업은 이전에 식별된 사기성 문서, 얼굴, 전화번호 또는 이메일과 일치하는 확인 세션을 자동으로 거부할 수 있습니다. 이는 차단 목록에 있는 노드(예: 알려진 사기성 이메일)가 새로운 확인 시도에 연결되면 경고를 트리거하는 그래프 기반 원리의 실질적인 적용입니다. 당사의 IP 분석 및 장치 인텔리전스는 VPN, 프록시 및 Tor 네트워크를 감지하고 사기 조직이 활동 중임을 나타낼 수 있는 의심스러운 장치 패턴을 식별함으로써 기여합니다. Didit은 수동 검토보다 자동화를 선호하며, 무료 핵심 KYC 및 설정 비용이 없으므로 모든 규모의 기업이 최신 AI 발전을 기반으로 한 세계적 수준의 사기 방지 기능을 이용할 수 있습니다.

시작할 준비가 되셨습니까?

Didit의 작동 방식을 확인할 준비가 되셨습니까? 지금 무료 데모를 받으세요.

Didit의 무료 티어로 무료로 신원 확인을 시작하세요.