• 지능정보연구
• /
• 제28권3호
• /
• pp.259-278
• /
• 2022

인공지능(AI)의 확산과 함께 금융 분야에서도 상품추천, 고객 응대 자동화, 이상거래탐지, 신용 심사 등 다양한 인공지능 기반 서비스가 확대되고 있다. 하지만 데이터에 기반한 기계학습의 특성상 신뢰성과 관련된 문제 발생과 예상하지 못한 사회적 논란도 함께 발생하고 있다. 인공지능의 효용은 극대화하고 위험과 부작용은 최소화할 수 있는 신뢰할 수 있는 인공지능에 대한 필요성은 점점 더 커지고 있다. 이러한 배경에서 본 연구는 소비자의 금융 생활에 직접 영향을 끼치는 인공지능 기반 개인신용평가의 공정성 확보를 위한 체크리스트 제안을 통해 인공지능 기반 금융서비스에 대한 신뢰 향상에 기여하고자 하였다. 인공지능 신뢰성의 주요 핵심 요소인 투명성, 안전성, 책무성, 공정성 중 포용 금융의 관점에서 자동화된 알고리즘의 혜택을 사회적 차별 없이 모두가 누릴 수 있도록 공정성을 연구 대상으로 선정하였다. 문헌 연구를 통해 공정성이 영향을 끼치는 서비스 운용의 전 과정을 데이터, 알고리즘, 사용자의 세 개의 영역으로 구분하고, 12가지 하위 점검 항목과 항목별 세부 권고안으로 체크리스트를 구성하였다. 구성한 체크리스트는 이해관계자(금융 분야 종사자, 인공지능 분야 종사자, 일반 사용자)별 계층적 분석과정(AHP)을 통해 점검 항목에 대한 상대적 중요도 및 우선순위를 도출하였다. 이해관계자별 중요도에 따라 세 개의 그룹으로 분류하여 분석한 결과 학습데이터와 비금융정보 활용에 대한 타당성 검증 및 신규 유입 데이터 모니터링의 필요성 등 실용적 측면에서 구체적인 점검 사항을 파악하였고, 금융 소비자인 일반 사용자의 경우 결과에 대한 해석 오류 및 편향성 확인에 대한 중요도를 높게 평가한다는 것을 확인할 수 있었다. 본 연구의 결과가 더 공정한 인공지능 기반 금융서비스의 구축과 운영에 기여할 수 있기를 기대한다.

• 감성과학
• /
• 제13권3호
• /
• pp.541-550
• /
• 2010

본 연구에서는 P300-기반 숨긴정보검사(P300 CIT)에서 검사자극들 간의 물리적 유사성이 P300 진폭과 검사의 효율성에 미치는 영향을 검증하였다. 사고를 당하여 자신의 이름을 기억하지 못한다고 허위로 주장하는 허위기억상실을 가정한 상황에서, 실험참여자의 이름을 숨긴정보(관련자극)로 사용하여 P300 CIT를 실시하였다. 이 검사에서 실험참여자의 과제는 목표자극과 나머지 자극을 변별하는 것이었다. 한 집단의 실험참여자들은 목표자극과 관련자극, 무관련자극들 간의 물리적 유사성이 낮은 조건(저난도 조건)에서 검사를 받았으며, 다른 한 집단의 실험참여자들은 검사자극들 간의 물리적 유사성이 높은 조건(고난도 조건)에서 검사를 받았다. 기저선-정점 P300 진폭을 측정치로 사용한 경우, 난이도 조건과 자극유형의 상호작용효과가 $\alpha$=.10 수준에서 유의하였다(p=.052). 저난도 조건에서는 관련자극과 무관련자극 간의 P300 진폭차이가 유의하였으며, 고난도 조건에서는 관련자극과 무관련자극 간의 P300 진폭차이가 유의하지 않았다. 정점-정점 P300 진폭을 측정치로 사용한 경우, 난이도 조건과 자극유형의 상호작용효과가 유의하지 않았으며, 저난도 조건과 고난도 조건 모두에서 관련자극과 무관련자극간의 P300 진폭차이가 유의하였다. 기저선-정점 P300 진폭을 이용한 개인별 판단결과, 저난도 조건과 고난도 조건 간의 정확판단율 차이가 유의하지 않았으며, 정점-정점 P300 진폭을 이용한 개인별 판단결과도 저난도 조건과 고난도 조건 간의 정확판단율 차이가 유의하지 않았다. 그러나, 난이도 조건 간의 정확판단율 차이가 기저선-정점 P300 진폭을 이용한 경우보다 정점-정점 P300 진폭을 이용한 경우에 더 작은 경향이 있었다. 이러한 결과는 검사자극들 간의 물리적 유사성이 높을 때에도 P300 CIT의 효율성이 크게 감소하지 않는다는 것을 의미한다.

• 한국컴퓨터정보학회논문지
• /
• 제16권5호
• /
• pp.79-91
• /
• 2011

본 논문에서는 모바일 통신 환경을 위한 자료동기화 서버를 구축하였으며, 구축된 서버의 적합성 및 성능 검증결과를 제시한다. 본 논문에서 구축한 자료동기화 서버는 클라이언트(모바일 단말기)가 최신의 자료를 유지할 수 있게 도와주며, 클라이언트와 서버 간 자료의 일치성을 보장하도록 한다. 또한 다양한 자료동기화 타입을 제공하며, 자료의 변경 및 충돌을 탐지하고 충돌 발생 시 이를 해결하기 위한 정책을 제공한다. 게다가, OMA(Open Mobile Alliance) DS(Data Synchronization) 프로토콜을 준수함으로써, 상호 호환성을 보장하도록 설계 구현되었다. 뿐만 아니라, 기존의 자료동기화 서버들이 사용하는 레코드 단위 전송방식의 단점을 보완하기 위해 필드 단위 전송 방식도 지원하도록 구현되었다. 구축된 자료동기화 서버의 기능 및 성능 적합성을 검증하기 위해 OMA에서 제공하는 적합성 검증 도구인 SCTS(SyncML Conformance Test Suit)와의 동기화를 수행하였으며, 다양한 상황에서 의 성능을 평가하였다. 검증 결과, SCTS 항목 중 대용량 오브젝트 기능을 제외한 모든 검증 항목을 만족함을 알 수 있었다. 대용량의 오브젝트를 분할하여 전송하는 기능은, 개인정보 동기화 목적의 본 연구에는 필요치 않아 구현하지 않았으며, 향후 구현할 예정이다. 서버의 성능을 평가하기 위한 동기화 소요시간 측정 결과, 본 논문의 자료동기화 서버는 동기화 자료 및 클라이언트 수의 증가에 따른 동기화 소요시간의 증가가 완만함을 확인할 수 있었으며, 확장성이 있다고 판단하였다. 또한, 제안된 서버와 동일한 프로토콜을 사용하는 SCTS 서버, Synthesis와 성능을 비교 한 결과, SCTS 서버에 비해 제안된 서버를 사용하였을 때가 동기화에 요구되는 시간이 더 짧음을 알 수 있었다. Synthesis 서버와 비교해보면, 제안된 서버가 더 많은 동기화 소요시간을 요구하지만, 동기화 할 자료의 수가 많고 동기화 대상 자료(레코드)의 일부 필드만 변경된 상황에서는 제안된 서버가 더 우수함을 알 수 있었다. 즉, 제안된 서버는 기존의 자료동기화 서버들과 비교해 동일하거나 추가된 기능을 제공하면서도, 동기화 자료의 수가 증가할수록 더 우수한 성능을 보여줌을 뜻한다. OMA DS를 준수하는 자료동기화 서버를 직접 구축해봄으로써, 향후 모바일 DS 기능을 개선하기 위한 다양한 연구의 기초 프레임이 될 것이라고 기대한다.

• 한국지능시스템학회논문지
• /
• 제20권3호
• /
• pp.422-427
• /
• 2010

2004년 이후 정보기술의 성장과 더불어 게임 서비스에 대한 피해 사례가 해 마다 빠르게 증가하고 있는 실정이다. 특히 게임 봇(자동사냥 프로그램)에 대한 피해규모가 가장 크게 조사되고 있으며 이를 방지하기 위한 연구도 활발히 진행되고 있다. 게임 봇은 사용자가 입력하는 키보드나 마우스의 움직임을 대신해 자동으로 게임을 수행하는 프로그램으로 어떠한 사용자의 조작 없이도 게임 속에서의 이득 활동을 무한정 행할 수 있다. 이와 같은 행동은 일반적인 사용자에게 상대적인 불쾌감을 줄 뿐만 아니라 게임의 수명을 단축시키는 등 게임 회사 및 사용자에게 큰 피해를 발생시키고 있어 이를 방지하기 위한 방법이 주목 되고 있다. 기존의 게임 봇 검출 연구들은 단순이 사용자 개인 PC에 설치되어 동작중인 프로그램을 감시하기 때문에 게임 봇 사용자의 조작에 의해 쉽게 피해갈수 있는 단점을 가지고 있다. 따라서 본 논문에서는 게임 서버측면에서 사람과 게임 봇의 행동을 비교하여 게임 봇 사용자들이 조작이나 회피가 힘든 게임 봇 검출 방법을 제안한다. 제안 방법으로는 게임 봇과 사람의 행동 패턴 차이 모델을 정의하고 나이브 베이지안 분류기를 사용하여 게임 봇을 검출한다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.143-174
• /
• 2023

인공지능의 발전과 함께 딥러닝을 활용한 인공지능 광학문자인식 기법 (Artificial Intelligence powered Optical Character Recognition, AI-OCR) 의 등장은 기존의 이미지 처리 기반 OCR 기술의 한계를 넘어 다양한 형태의 이미지로부터 여러 언어를 높은 정확도로 읽어낼 수 있는 모델로 발전하였다. 특히, AI-OCR은 인력을 통해 대량의 다양한 서류 처리 업무를 수행하는 금융업에 있어 그 활용 잠재력이 크다. 본 연구에서는 금융권내 활용을 위한 AI-OCR 모델의 구성과 설계를 제시하고, 이를 효율적으로 적용하기 위한 플랫폼 구축 및 활용 사례에 대해 논한다. 금융권 특화 딥러닝 모델을 만듦에 있어 금융 도메인 데이터 사용은 필수적이나, 개인정보보호법 이하 실 데이터의 사용이 불가하다. 이에 본 연구에서는 딥러닝 기반 데이터 생성 모델을 개발하였고, 이를 활용하여 AI-OCR 모델 학습을 진행하였다. 다양한 서류 처리에 있어 유연한 데이터 처리를 위해 단계적 구성의 AI-OCR 모델들을 제안하며, 이는 이미지 전처리 모델, 문자 탐지 모델, 문자 인식 모델, 문자 정렬 모델 및 언어 처리 모델의 선택적, 단계적 사용을 포함한다. AI-OCR 모델의 배포를 위해 온프레미스(On-Premise) 및 프라이빗 클라우드(Private Cloud) 내 GPU 컴퓨팅 클러스터를 구성하고, Hybrid GPU Cluster 내 컨테이너 오케스트레이션을 통한 고효율, 고가용 AI-OCR 플랫폼 구축하여 다양한 업무 및 채널에 적용하였다. 본 연구를 통해 금융 특화 AI-OCR 모델 및 플랫폼을 구축하여 금융권 서류 처리 업무인 문서 분류, 문서 검증 및 입력 보조 시스템으로의 활용을 통해 업무 효율 및 편의성 증대를 확인하였다.