저작자 표시 비영리 변경 금지
신고
Posted by manga0713

 

 

 

 

 

■ 인공지능 금융업 도입 이슈와 현황

 

 

 

1. 로보어드바이저

 

 

□ 현황

 

- 로보어드바이저에 대한 사람들의 통념 또는 바라는 생각은 스스로 경제 상황을 판단하고 이에 따른 투자를 수행하여 마이더스의 손과 같은 전지전능한 투자로봇을 생각하고 있음

 

- 그러나, 예측모형을 만드는 것은 매우 고난이도의 작업이고 현재 개발된 모델의 정확도도 매우 낮아서, 현재 로보어드바이저는 포트폴리오와 시스템 트레이딩을 합친 수준임

 

- (기술력 한계) ①경험 부족으로 예측모형 개발이 단시간에 어렵고 ②관련 기업들 내에서 개발할만한 인력도 매우 부족

 

- (적자 시현) 해외에서 활동 중인 기업들은 수수료에 대한 장점을 홍보하며 매출은 증가하고 있으나, 순이익은 마이너스

 

- 미국의 경우 자산관리 규모가 160억 달러를 초과해야 수익이 나는 구조이나 가장 선도업체인 베터먼트(’08년 설립, 자산규모 50억달러)의 경우도 규모가 이에 미치지 못하며, 운용비용(3,000만달러)에 비해 수수료수익(800만달러)은 매우 적음

 

- (향후 과제) 딥러닝이 개발되며 이미지 인식 수준이 획기적으로 향상된 사례처럼, 지표예측에서 혁신적인 머신러닝 방법론 개발이 선행되어야 성공 가능성이 높아짐

 

 

 

2. 챗봇 and 음성비서

 

 

□ 현황

 

- 사용자들은 영화 아이언맨의 ‘자비스나’ Her의 ‘사만다’와 같은 SF영화 수준의 챗봇, 음성비서를 기대하고 있으나 현실은 매우 상이

 

- 실제 N사의 챗봇을 이용해보면 메뉴얼이 되어있는 대답만 하고 그 이외의 고객이 원하는 질문은 일괄대답으로 처리

 

- 음성을 텍스트로 바꿔주는 기술은 어느정도 수준에 올라와 있으나 언어를 이해시키는 기술수준은 한참 뒤떨어져 있음

 

- 한국어에 대한 기초연구와 데이터 규모가 쌓여야, 머신러닝을 제대로 도입할 수 있고, 그 이후 비약적인 발전을 할 것

 

- 텍스트와 음성에 대한 보안 기술도 같이 발전해야 더 안전한 서비스를 받을 수 있음

 

 

 

3. 신용평가

 

 

□ 현황

 

- 선진국들은 머신러닝을 활용하여 신용평가 모형을 도입중이고국내에도 머신러닝을 활용한 초기모형 개발 시도 중

 

- (미국) 제스트파이낸스(구글 CIO 더글라스 메릴 설립)는 신용평가 판별시 머신러닝에 활용하는 변수만 1만개 이상(Fico 변수+카드 이용+SNS+인터넷 이용정보 등) 활용

 

- 크레디테크(독), 렌도(홍), 소프트뱅크+미즈호은행(일) 등도 비슷한 방법으로 빅데이터를 활용하여 머신러닝 기반 신용평가 개발 중

 

- (국내) 신한은행이 머신러닝을 도입하여 ‘중금리 소매고객 신용평가 모형개발’ 프로젝트에 착수

 

- (국내) IBK경제연구소에서도 머신러닝을 이용하여 장기카드대출 가망고객 모형(’15)과 악성한계기업 색출 모형(’17)을 자체개발

 

- 선진국들은 머신러닝 활용에 대한 축적된 지식과 경험 뿐만 아니라 개인정보활용에 대한 규제(옵트아웃 방식)도 적어 발전속도가 빠름

 

- 은행들은 내부적으로 머신러닝 개발 시도가 이루어 질 것으로 보이나 성공사례가 외부에 알려지기까지는 많은 시간이 걸릴 것

 

 

 

4. 이상거래탐지시스템(FDS)

 

 

□ 현황

 

- 현재 도입되는 시스템들은 일정한 패턴을 입력하고 이에 벗어난 부분을 감지함

 

- 주로 신용카드사에서 중점적으로 사용했으나, 최근 은행, 증권사도 구축하고 있음

 

- 머신러닝을 이용하여 스스로 정상과 사기 패턴들을 학습하고, 고도화된 사기패턴을 찾는 방법이 연구 중

 

- 빌가드(BillGuard, 미)社는 시간의 흐름에 따라 고객의 바뀌는 소비패턴을 학습하여 신용카드 사용내역과 은행 계좌이체 등을 실시간 감시

 

 

 

 

** 출처: [IBK경제연구소] 인공지능에 대한 금융업의 기대와 현실

** 문서:

인공지능_.pdf

 

저작자 표시 비영리 변경 금지
신고
Posted by manga0713

 

 

 

■ 스마트 디바이스 정의

 

- 기존 1, 2세대 디바이스를 넘어 IoT 환경에서 정보통신 서비스를 이용자간, 사물간에 전달하는 지능화된 단말을 포괄적으로 지칭

 

 

 

■ 스마트 디바이스 시장 전망

 

 

 

 

 

 

 

■ 스마트 디바이스 산업 동향

 

 

1. 스마트 디바이스 플랫폼 경쟁의 심화

 

2. 인공지능 서비스 탑재 디바이스 확산

 

 

 

■ 스마트 디바이스에 대한 소비자 인식

 

 

- 만족도

 

 

 

 

 

 

 

** 출처: [ITFIND] 스마트 디바이스 산업 동향과 소비자 인식

** 문서:

179402.pdf

 

저작자 표시 비영리 변경 금지
신고
Posted by manga0713

 

 

 

 

 

■ 바이오인식 기술 시장 전망

 

 

- 2017년 148억 달러, 2019년 304억 달러 예상

- 2020년, 대부분의 모바일 기기에 바이오인식 기술이 탑재될 것으로 예상, 시장 규모 346억 달러 예상

 

 

 

 

 

 

 

■ 고전적인 위조지문 탐지 방법

 

 

□ 하드웨어 방식

 

- 지문인식 센서에 추가적인 하드웨어를 설치하여 맥박이나 온도와 같은 생체 고유의 신호를 측정하는 것

 

 

① 사람의 피부 온도

 

- 사람 표피의 온도가 26~30 ℃에서 분포함을 이용

- 야외에서 사용이 어려움

 

② 광학적 특성

 

- 빛의 흡수, 반사, 투과, 감쇠 특성을 이용하여 위조 판별

 

③ 맥박

 

- 손가락 끝의 맥박을 측정하여 이용

- 매우 얇고 투명한 위조지문을 사용하는 경우 쉽게 통과 가능

 

④ 전기 저항

 

- 사람의 표피에는 전기가 흐르므로, 지문의 전기저항을 측정하여 판별

- 표면의 습하고 건조함에 따라 차이가 많이 나므로 소프트웨어적으로 처리하는 것을 더 선호함

 

⑤ 혈류 감지

 

- 손가락 내의 혈관의 유무를 판단하여 위조 판별

 

⑥ 가시광 영역의 다수파장(Multi-spectrum)

 

- 위조지문과 사람의 피부는 광학적인 차이가 매우 큰 것을 이용하여 판별

 

 

□ 소프트웨어 방식

 

- 지문인식 센서로부터 얻은 영상에서 생체 지문과 위조 지문의 영상의 차이를 소프트웨어적으로 분별

 

 

① 발한작용 기반

 

- 지문 융선의 중심선에서의 발한현상을 전기신호로 측정함으로 위조 판별

- 지문이 센서에 접촉하는 2~5초 사이에 일어나는 발한현상을 이용하여 0초와 2초 혹은 5초에서 각각 영상을 취득

- 오랜 시간(5초 가량) 지문 센서에 대고 있어야 하는 단점이 있음

 

② 피부왜곡 기반

 

- 지문의 탄성을 측정

- 센서에 접촉 후 일정 동작을 수행하여 왜곡 맵을 제작하고 계산하는 식의 방법을 사용 함

- 실리콘 같이 피부의 탄성과 비슷한 경우 탐지 성능이 낮아질 수 있음

 

③ 품질 기반

 

- 위조지문은 제작 시에 많은 요소에 영향을 받기 때문에, 영상의 품질이 일정치 않음. 그 특성을 이용

- 지문영상의 밝기, 전경의 윤곽, 융선/곡선의 명확도, 텍스처, 땀샘 등의 다양한 영향을 미치는 요소가 존재 함

- 퓨리에 변환을 이용한 선명도 측정을 이용하거나, 파워스펙트럼 등을 이용하는 등의 방법이 존재

 

 

 

 

■ 딥러닝을 이용한 위조지문 탐지방법 동향

 

 

- CNN(Conventional Neural Networks)이 매우 뛰어난 성능을 보여 최근에 많이 연구되고 있다.

 

 

 

 

** 출처: [ITFIND] 핀테크 시대에 필요한 위조지문 탐지 기술

** 파일:

179401.pdf

 

저작자 표시 비영리 변경 금지
신고
Posted by manga0713


티스토리 툴바