Amazon Rekognition을 사용한 아이덴티티 확인

기계 학습을 사용하여 온라인에서 사용자 아이덴티티를 확인합니다.

대면 사용자 아이덴티티 확인은 빠른 확장이 어렵고 비용이 많이 들며 높은 사용자 마찰을 야기합니다. 기계 학습 기반의 안면 생체 인식을 사용하면 온라인으로 사용자 아이덴티티를 확인할 수 있습니다. Amazon Rekognition은 미리 훈련된 안면 인식 및 분석 기능을 제공합니다. 고객은 이 기능을 사용자 온보딩 및 인증 워크플로에 빠르게 추가하여 옵트인한 사용자의 아이덴티티를 온라인으로 확인할 수 있습니다. 기계 학습 전문성이 필요하지는 않습니다. Amazon Rekognition을 사용하면 사기 또는 중복 계정을 탐지하면서 몇 초 안에 사용자를 온보딩하고 인증할 수 있습니다. 결과적으로 사용자 수를 더 빠르게 늘리고 사기를 줄이며 사용자 확인 비용을 낮출 수 있습니다.

Amazon Rekognition 아이덴티티 확인이란(1:22)

이점

사용자 수를 빠르게 증가

온보딩 시간을 줄이고 사용자 편의성을 높여 더 많은 방문자를 고객으로 전환합니다. Amazon Rekognition을 사용하면 전 세계 모든 위치에서 사용자를 온라인으로 몇 초 안에 확인하고 시간당 아이덴티티 확인 수를 수백에서 수백만으로 확장할 수 있습니다. 이제 사용자는 대면 방문 없이 온라인으로 서비스에 액세스할 수 있습니다.

사기 감소

암호 기반 인증을 시각적 온라인 아이덴티티 확인으로 보완하여 사기 탐지 기능을 강화합니다. 사용자의 셀카 사진을 아이덴티티 문서 사진 또는 보유한 기존 사용자 사진 모음과 비교하여 사기 계정 개설 또는 트랜잭션으로부터 보호합니다.

비용 및 오버헤드 절감

Amazon Rekognition의 미리 훈련되고 사용자 지정이 가능한 API를 사용하여 대면 아이덴티티 확인의 시간 및 비용을 절감합니다. Amazon Rekognition을 사용하면 자체 ML 인프라를 구축하고 관리하지 않고도 사용자를 온라인으로 온보딩하고 인증할 수 있습니다.

작동 방식

Redshift 데이터 공유 방식

기능

셀카 사진 검증

Amazon Rekognition Face Detection은 사용자의 셀카 사진이 올바르게 캡처되었는지 감지하는 데 도움이 됩니다. 얼굴이 사진에 있는지 여부를 감지할 수 있습니다. 또한 경계 상자 크기, 자세, 밝기, 선명도, 눈을 뜬 상태, 입을 벌린 상태 및 안경 착용과 같은 예상 속성을 사용하여 사잔 품질을 확인할 수 있습니다.

CBS

셀카 사진을 사용자 ID와 비교

Amazon Rekognition Face Comparison은 두 얼굴의 유사성을 측정하여 동일한 사람인지 결정하는 데 도움이 됩니다. 사용자의 아이덴티티 문서 사진을 기준으로 사용자의 셀카 사진에 대한 유사성 점수 예측을 거의 실시간으로 받을 수 있습니다.

CBS

중복 사용자 감지

Amazon Rekognition Face IndexSearch 기능을 사용하여 기존 사용자의 얼굴 모음을 만들고 모음에 있는 모든 얼굴을 기준으로 새 사용자의 셀카 사진을 검색하여 중복 또는 사기 계정 생성 시도를 탐지할 수 있습니다.

CBS

ID 문서 분류

Amazon Rekognition Object Detection은 사용자 아이덴티티 문서의 유형(예: 운전면허증 또는 여권)을 확인하는 데 도움이 됩니다. 또한 Amazon Rekognition Custom Labels를 사용하면 주석이 추가된 이미지 몇 개로 사용자 지정 기계 학습 모델을 훈련하여 해당 지역에 고유한 아이덴티티 문서 유형을 감지할 수 있습니다.

사용자 데이터 추출

Amazon Rekognition Text Detection은 ID 카드에서 이름, 발급일, 연령 및 ID 번호와 같은 핵심 텍스트를 추출하는 데 도움이 됩니다. 이 정보를 사용자 신청서 데이터와 비교할 수 있습니다.

고객

Aella Credit은 생체 인증, 고용주 및 휴대폰 데이터를 사용하여 신흥 시장에서 검증 가능한 수입원을 통해 개인에게 즉각적인 대출 상품을 제공합니다.

"그동안 신흥 시장에서는 자격 증명 확인 및 검증이 주요 당면 과제였습니다. 사용자를 적절히 식별하는 능력은 신흥 시장에서 수십억 명의 사람에 대한 신용 정보를 구축하는 데 있어 큰 장애 요소입니다. 모바일 애플리케이션에서 신원 확인을 위해 Amazon Rekognition을 사용하면서 검증 오류가 크게 감소하고 확장성이 향상되었습니다. 이제 사람의 개입 없이 실시간으로 개인의 신원을 탐지하고 확인할 수 있게 되어 제품에 대한 액세스 속도가 개선되었습니다. 우리는 광고를 통해 알게 된 다양한 솔루션을 시도해 보았지만 널리 사용되는 대안 중 다양한 피부색을 정확하게 식별하는 솔루션은 없었습니다. Amazon Rekognition은 우리 시장에서 고객의 얼굴을 효과적으로 인식하는 데 도움이 되었습니다. 또한 KYC와 함께 중복되는 프로필과 중복 데이터 세트를 발견하는 데 도움이 되었습니다."

Wale Akanbi, Aella Credit의 CTO 겸 공동 창립자

CBS

Banco de Bogotá

150년의 운영 경험을 보유한 Banco de Bogotá는 Aval Group 소속이며 콜롬비아 은행 체계에서 자산 규모 2위인 국내 중요 은행 중 한 곳입니다.

"당사는 AWS를 사용하여 콜롬비아 최초로 디지털 채널을 통해 5분 내에 구매할 수 있는 대출 및 신용 제품을 출시했습니다."

Gabriel Morris, Bank of Bogotá 디지털 전략 및 데이터 부서 기술 책임자

CBS

Banco Inter SA

Banco Inter SA는 브라질 최고 소매업체를 한데 모은 쇼핑몰을 보유하고 있으며 뱅킹, 투자, 신용 및 보험을 아우르는 전체 서비스를 제공합니다. 1,100만 명의 고객을 보유한 이 회사는 94억 BRL의 신용 포트폴리오, 33억 BRL의 주주자본 및 198억 BLR의 총 자산을 확장했습니다.

"3년 전에는 하루 200개의 계좌를 개설했습니다. 현재는 매일 29,000개의 계좌가 개설됩니다. Amazon Rekognition이 없었다면 하지 못했을 것입니다.”

Bruno Picchioni, Banco Inter 기계 학습 엔지니어

CBS

CreditVidya

CreditVidya는 인도에 본사를 둔 스타트업으로, 금융 혜택에서 소외된 2억 5천만 명 이상의 시민들에게 국내 대출 시장을 열어준 인수 기술을 개발했습니다. CreditVidya는 Amazon Rekognition을 통해 안면 인식을 애플리케이션에 추가하고 곧 운영을 시작할 계획입니다.

"Amazon Rekognition을 사용하여 전자식 ‘고객 확인’ 프로세스를 완성할 계획입니다. 사용자가 업로드한 아이덴티티 카드와 셀카를 비교하여 신청자가 자신의 아이덴티티 카드를 업로드하고 있는지 확인할 예정이죠.”

Srikanth Gaddam, CreditVidya IT 및 보안 VP

Carbon은 OneFi로 구동되는 디지털 금융 서비스 플랫폼입니다. 이 플랫폼은 9십만 회 이상 다운로드된 Android 모바일 앱을 통해 서아프리카 지역의 금융 소외 계층에 서비스를 제공합니다.

"2016년 5월에 Carbon은 대출 신청 프로세스를 위한 모바일 앱을 출시했습니다. 이 모바일 앱을 통한 이미지 생성 및 소비 속도는 전례 없는 수준입니다. Carbon은 사기 탐지 및 위험 분석을 위한 이미지 분석의 증가하는 요구 사항을 충족해야 했습니다. 업로드된 이미지에서 사람의 얼굴이 제대로 감지되고 성별 및 아이덴티티 같은 다른 레이블이 식별되는지 확인해야 했습니다. Amazon Rekognition을 선택한 이유는 이미지 분석을 모바일 앱에 추가하기가 쉽고 안면 분석의 정확성이 높았기 때문입니다."

Olawale Olaleye, OneFi IT 인프라 엔지니어링 책임자

K-STAR Group은 콘서트 티켓 발행 및 결제 서비스를 제공하는 엔터테인먼트 회사입니다. 

“당사는 콘서트 티켓 발행 및 결제 서비스를 제공하는 엔터테인먼트 회사입니다. 콘서트에서는 구매한 종이 티켓의 증거를 제시한 다음 입구에서 확인을 받아야 하기 때문에 참가자들이 긴 줄을 기다려야 하는 문제가 반복적으로 발생합니다. 이 문제를 해결하기 위해 당사는 Amazon Rekognition을 사용하여 ‘Face Ticket’ 서비스를 개발했습니다. 이제 참가자들은 긴 줄을 기다릴 필요 없이 구매를 빠르게 확인하여 티켓을 받거나 종이 티켓을 스캔하여 입장할 수 있습니다. 당사에서 후원하는 콘서트에는 긴 줄이 없습니다. 이제 참가자들은 새로운 ‘Face Ticket’ 시스템을 사용하여 편리하게 콘서트 경험을 즐길 수 있습니다. 이 서비스를 개발할 때 Rekognition과 다른 현지 얼굴 분석 서비스를 비교했는데 최종적으로 Rekognition을 사용하기로 결정한 이유는 S3를 통한 확장성과 다른 AWS 서비스와의 원활한 통합에 있었습니다.”

김효진, K-STAR Group 회장

Amazon Rekognition 요금 자세히 알아보기

요금 페이지로 이동하기
구축할 준비가 되셨나요?
Amazon Rekognition 시작하기
추가 질문이 있으신가요?
문의하기