ID 위험 점수 이해 및 활용법

오늘날의 디지털 환경에서 사용자의 진위 여부를 확인하는 것은 무엇보다 중요합니다. ID가 유효한지 확인하는 것만으로는 충분하지 않습니다. 개발자는 해당 ID와 관련된 위험 수준을 이해해야 합니다. 바로 이 지점에서 ID 위험 점수가 중요한 역할을 합니다. Didit은 ID 확인 서비스와 함께 종합적인 위험 점수를 제공하여 개발자가 사용자 접근, 거래 승인 및 전반적인 사기 방지에 대한 정보에 입각한 결정을 내릴 수 있도록 지원합니다. 이 가이드는 이러한 점수가 어떻게 작동하는지, 어떻게 해석해야 하는지, 그리고 애플리케이션에 원활하게 통합하는 방법에 대해 자세히 설명합니다.

핵심 내용 1 ID 위험 점수는 사용자가 사기 행위를 저지를 가능성 또는 플랫폼에 위험을 초래할 가능성을 나타내는 숫자입니다.

핵심 내용 2 Didit의 위험 점수는 문서 분석, 생체 인식 확인, 기기 인텔리전스 및 글로벌 감시 목록을 포함한 다양한 소스의 데이터를 결합합니다.

핵심 내용 3 위험 점수의 효과적인 통합에는 적절한 임계값을 설정하고 강력한 의사 결정 엔진에 통합하는 것이 포함됩니다.

핵심 내용 4 최적의 사기 탐지율을 유지하고 오탐을 최소화하려면 위험 점수 임계값을 모니터링하고 조정하는 것이 중요합니다.

ID 위험 점수란 무엇인가요?

ID 위험 점수는 잠재적인 사기 활동을 나타내는 다양한 요소를 평가하여 사용자에게 할당된 숫자 값입니다. 단순한 이진 “성공/실패” 결과가 아니라 미묘한 의사 결정을 내릴 수 있도록 위험의 기울기를 제공합니다. Didit의 위험 점수는 0에서 100까지 범위이며, 점수가 낮을수록 위험이 낮고 점수가 높을수록 사기 가능성이 높습니다. 이러한 점수는 확인 프로세스 중에 실시간으로 동적으로 계산됩니다.

다음과 같은 여러 요인이 최종 위험 점수에 기여합니다.

• 문서 품질: 제출된 ID 문서의 명확성, 진위 여부, 변조 방지 여부.
• 생체 인식 일치: 문서 사진과 실시간 셀카 간의 얼굴 일치 신뢰도.
• 활성 감지: 사용자가 확인 중에 실제 사람인지 확인합니다.
• 기기 인텔리전스: 의심스러운 패턴에 대한 기기 특성(OS, 브라우저, IP 주소) 분석.
• 감시 목록 확인: 글로벌 제재 목록, PEP 데이터베이스 및 사기 블랙리스트에 대한 확인.
• IP 주소 위험: 위치, 프록시 감지 및 알려진 사기 활동과의 연관성.

위험 점수 해석

효과적인 통합을 위해서는 숫자가 의미하는 바를 이해하는 것이 중요합니다. Didit의 위험 점수를 해석하기 위한 일반적인 지침은 다음과 같습니다.

점수 범위	위험 수준	권장 조치
0-20	낮음	사용자를 자동으로 승인합니다.
21-40	중간	주의를 기울이며 추가 확인 단계 또는 모니터링을 고려합니다.
41-60	높음	수동 검토를 위해 표시합니다. 추가 문서 또는 정보를 요청합니다.
61-80	매우 높음	사용자 거부. 사기 활동의 강력한 징후.
81-100	심각	즉시 사용자를 차단하고 추가 조사를 진행합니다.

이러한 임계값은 지침입니다. 특정 위험 감수 수준 및 업계 규정에 따라 조정해야 합니다.

의사 결정 엔진에 위험 점수 통합

ID 위험 점수의 진정한 힘은 애플리케이션의 의사 결정 엔진과의 통합에 있습니다. 이를 통해 수동 개입 없이 위험 기반 작업을 자동화할 수 있습니다. Python과 Didit의 API를 사용하는 간단한 예는 다음과 같습니다.

import requests
import json

API_KEY = "YOUR_DIDIT_API_KEY"

def verify_user(user_data):
  url = "https://api.didit.me/v1/verification"
  headers = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
  data = json.dumps(user_data)
  response = requests.post(url, headers=headers, data=data)
  return response.json()

user_data = {
  "document_type": "driver_license",
  "document_image": "...base64 encoded image...",
  "selfie_image": "...base64 encoded image...",
}

verification_result = verify_user(user_data)

risk_score = verification_result["risk_score"]

if risk_score <= 20:
  print("User auto-approved.")
elif risk_score <= 40:
  print("User flagged for monitoring.")
else:
  print("User flagged for manual review.")

이 예제는 API 응답에서 위험 점수를 검색하고 이를 사용하여 다른 작업을 트리거하는 방법을 보여줍니다. 보다 정교한 의사 결정 엔진은 거래 금액, 사용자 위치 및 과거 데이터와 같은 다른 요소도 고려할 수 있습니다.

Didit은 어떻게 도움이 될까요?

Didit은 강력한 위험 점수 시스템을 갖춘 안정적이고 신뢰할 수 있는 ID 확인 플랫폼을 제공합니다. 다음을 제공합니다.

• 종합적인 데이터 소스: 정확한 위험 평가를 제공하기 위해 광범위한 데이터 포인트를 활용합니다.
• 실시간 점수: 위험 점수는 확인 프로세스 중에 동적으로 계산됩니다.
• 유연한 API: API를 통해 기존 시스템과 원활하게 통합할 수 있습니다.
• 사용자 지정 가능한 임계값: 특정 요구 사항에 맞게 위험 점수 임계값을 조정할 수 있습니다.
• 자세한 감사 로그: 규정 준수 및 사기 조사를 위해 모든 확인 활동을 추적합니다.

지금 시작할 준비가 되셨나요?

플랫폼을 사기에 취약하게 두지 마십시오. 오늘 Didit의 ID 위험 점수를 애플리케이션에 통합하십시오.

리소스:

• 기술 문서
• Didit Business Console
• 가격 정보