Study on the real owner distinction in financial transactions using deep learning

2021, 32

4)

781–797

딥러닝 기술을 활용한 금융거래 실소유주 구별에 대한 연구

ᄋ

ᅵ승언

¹

²

³

⁴

5

12345

ᄉ

ᅵᆫ한은행 AI Competency Center ·⁵기술경영전문대학원

ᄌ ᅥ

ᆸᄉ ᅮ 2021ᄂ ᅧ ᆫ 6ᄋ ᅯ ᆯ 26ᄋ ᅵ ᆯ, ᄉ ᅮᄌ ᅥ ᆼ 2021ᄂ ᅧ ᆫ 7ᄋ ᅯ ᆯ 13ᄋ ᅵ ᆯ, ᄀ ᅦᄌ ᅢ ᄒ ᅪ ᆨᄌ ᅥ ᆼ 2021ᄂ ᅧ ᆫ 7ᄋ ᅯ ᆯ 15ᄋ ᅵ ᆯ

요 약

ᄃ ᅵ

ᆸᄅ ᅥᄂ ᅵ ᆼᄋ ᅳ ᆯ ᄒ ᅪ ᆯᄋ ᅭ ᆼ ᄒ ᅡ ᆫ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅥ ᄎ ᅥᄅ ᅵ ᄀ ᅵᄉ ᅮ ᆯ ᄋ ᅵ ᄇ ᅡ ᆯᄌ ᅥ ᆫᄒ ᅡ ᆷᄋ ᅦ ᄄ ᅡᄅ ᅡ, ᄀ ᅳ ᆷᄋ ᅲ ᆼ ᄉ ᅡ ᆫᄋ ᅥ ᆸᄋ ᅦᄃ ᅩ ᄆ ᅮ ᆫ ᄌ ᅡᄋ ᅵ ᆫᄉ ᅵ ᆨ, ᄀ ᅩᄀ ᅢ ᆨ ᄉ ᅡ ᆼᄃ ᅡ ᆷ, ᄌ ᅡᄅ ᅭ ᄀ ᅥ ᆷ ᄉ ᅢ

ᆨ ᄃ ᅳ ᆼ ᄃ ᅵ ᆸᄅ ᅥᄂ ᅵ ᆼ ᄀ ᅵᄇ ᅡ ᆫ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅥ ᄇ ᅮ ᆫ ᄅ ᅲ ᄆ ᅵ ᆾ ᄆ ᅮ ᆫ ᄌ ᅡ ᆼ ᄋ ᅵᄒ ᅢ ᄀ ᅵᄉ ᅮ ᆯᄋ ᅳ ᆯ ᄌ ᅥ ᆨᄋ ᅭ ᆼ ᄒ ᅡᄂ ᅳ ᆫ ᄉ ᅡᄅ ᅨᄃ ᅳ ᆯ (Choᄋ ᅪ Kim, 2021) (Chun ᄃ ᅳ ᆼ, 2021)ᄋ ᅵ ᄌ ᅳ ᆼ ᄀ ᅡᄒ ᅡᄀ ᅩ ᄋ ᅵ ᆻᄃ ᅡ. ᄀ ᅳ ᆷᄋ ᅲ ᆼ ᄀ ᅥᄅ ᅢᄋ ᅦᄉ ᅥ ᄀ ᅥᄅ ᅢᄋ ᅴ ᄉ ᅵ ᆯᄌ ᅦ ᄉ ᅩᄋ ᅲᄌ ᅡᄀ ᅡ ᄇ ᅥ ᆸᄋ ᅵ ᆫᄋ ᅵ ᆫᄌ ᅵ ᄄ ᅩᄂ ᅳ ᆫ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅵ ᆫᄋ ᅵ ᆫᄌ ᅵ ᄑ ᅡ ᆫᄃ ᅡ ᆫᄒ ᅡᄂ ᅳ ᆫ ᄀ ᅥ ᆺ ᄋ

ᅳ

ᆫ ᄀ ᅩᄀ ᅢ ᆨᄒ ᅪ ᆨ ᄋ ᅵ ᆫᄌ ᅦᄃ ᅩᄋ ᅴ ᄒ ᅢ ᆨᄉ ᅵ ᆷᄉ ᅡᄒ ᅡ ᆼᄋ ᅵᄃ ᅡ. ᄒ ᅡᄌ ᅵᄆ ᅡ ᆫ, ᄋ ᅡ ᇁᄉ ᅥ ᄀ ᅵᄌ ᅩ ᆫ ᄃ ᅵ ᆸᄅ ᅥᄂ ᅵ ᆼ ᄀ ᅵᄇ ᅡ ᆫᄋ ᅴ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅥ ᄎ ᅥᄅ ᅵᄀ ᅵᄉ ᅮ ᆯᄋ ᅳ ᆫ ᄃ ᅡ ᆫᄋ ᅥᄅ ᅳ ᆯ ᄎ ᅬᄉ ᅩ ᄃ

ᅡ ᆫᄋ ᅱᄅ ᅩ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅥᄅ ᅳ ᆯ ᄋ ᅵ ᆫᄉ ᅵ ᆨᄒ ᅡᄀ ᅵ ᄄ ᅢᄆ ᅮ ᆫ ᄋ ᅦ ᄌ ᅮᄋ ᅥᄌ ᅵ ᆫ ᄃ ᅡ ᆫᄋ ᅥᄀ ᅡ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅵ ᆫ ᄋ ᅵᄅ ᅳ ᆷᄋ ᅵ ᆫᄌ ᅵ ᄇ ᅥ ᆸᄋ ᅵ ᆫᄆ ᅧ ᆼᄋ ᅵ ᆫᄌ ᅵ ᄋ ᅧᄇ ᅮᄅ ᅳ ᆯ ᄑ ᅡ ᆫᄃ ᅡ ᆫᄒ ᅡᄂ ᅳ ᆫ ᄃ ᅦ ᄌ ᅥ ᆨ ᄋ

ᅭ

ᆼ ᄒ ᅡ ᆯ ᄉ ᅮ ᄋ ᅥ ᆹᄃ ᅡᄂ ᅳ ᆫ ᄃ ᅡ ᆫᄌ ᅥ ᆷᄋ ᅵ ᄌ ᅩ ᆫ ᄌ ᅢᄒ ᅡ ᆫᄃ ᅡ. ᄋ ᅵ ᄂ ᅩ ᆫᄆ ᅮ ᆫ ᄋ ᅦᄉ ᅥᄂ ᅳ ᆫ ᄃ ᅵ ᆸᄅ ᅥᄂ ᅵ ᆼ ᄀ ᅵᄇ ᅡ ᆫᄋ ᅳᄅ ᅩ ᄒ ᅡ ᆫᄀ ᅮ ᆨ ᄋ ᅥᄋ ᅦᄉ ᅥ ᄃ ᅡ ᆫᄋ ᅥᄅ ᅳ ᆯ ᄀ ᅮᄉ ᅥ ᆼᄒ ᅡᄂ ᅳ ᆫ ᄎ ᅬᄉ ᅩ ᄃ

ᅡ ᆫᄋ ᅱᄋ ᅵ ᆫ ᄋ ᅳ ᆷᄌ ᅥ ᆯᄋ ᅦ ᄃ ᅢᄒ ᅡ ᆫ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄋ ᅳ ᆯ ᄐ ᅩ ᆼ ᄒ ᅢᄉ ᅥ, ᄌ ᅮᄋ ᅥᄌ ᅵ ᆫ ᄃ ᅡ ᆫᄋ ᅥᄋ ᅦ ᄃ ᅢᄒ ᅢᄉ ᅥ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅵ ᆫ ᄋ ᅵᄅ ᅳ ᆷ ᄋ ᅧᄇ ᅮᄅ ᅳ ᆯ ᄑ ᅡ ᆫᄃ ᅡ ᆫᄒ ᅡᄂ ᅳ ᆫ ᄆ ᅩᄃ ᅦ ᆯᄋ ᅳ ᆯ ᄀ ᅳ ᆷᄋ ᅲ ᆼ ᄀ

ᅯ

ᆫ ᄎ ᅬᄎ ᅩᄅ ᅩ ᄌ ᅦᄋ ᅡ ᆫᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄌ ᅦᄋ ᅡ ᆫ ᄃ ᅬ ᆫ ᄇ ᅡ ᆼᄇ ᅥ ᆸᄋ ᅳ ᆯ ᄐ ᅩ ᆼ ᄒ ᅢᄉ ᅥ, ᄀ ᅳ ᆷᄋ ᅲ ᆼ ᄀ ᅥᄅ ᅢ ᄃ ᅦᄋ ᅵᄐ ᅥᄋ ᅦᄉ ᅥ ᄇ ᅥ ᆸᄋ ᅵ ᆫᄀ ᅪ ᄌ ᅡᄋ ᅧ ᆫᄋ ᅵ ᆫᄋ ᅳ ᆯ ᄂ ᅩ ᇁᄋ ᅳ ᆫ ᄉ ᅮᄌ ᅮ ᆫ ᄋ ᅴ ᄌ ᅥ ᆼ ᄒ ᅪ

ᆨ ᄃ ᅩᄋ ᅪ ᄈ ᅡᄅ ᅳ ᆫ ᄉ ᅩ ᆨ ᄃ ᅩᄅ ᅩ ᄀ ᅮᄇ ᅮ ᆫ ᄒ ᅡ ᆯ ᄉ ᅮ ᄋ ᅵ ᆻᄀ ᅦ ᄃ ᅬ ᆫ ᄃ ᅡ. ᄄ ᅡᄅ ᅡᄉ ᅥ ᄀ ᅵᄌ ᅩ ᆫ ᄀ ᅳ ᆷᄋ ᅲ ᆼ ᄉ ᅥᄇ ᅵᄉ ᅳ ᄌ ᅵ ᆫᄒ ᅢ ᆼᄉ ᅵ ᄌ ᅥ ᆫᄆ ᅮ ᆫ ᄋ ᅵ ᆫᄅ ᅧ ᆨᄋ ᅴ ᄀ ᅧ ᆼᄒ ᅥ ᆷᄋ ᅦ ᄋ ᅴᄌ ᅩ ᆫ ᄒ

ᅡᄃ ᅥ ᆫ ᄌ ᅡ ᆨᄋ ᅥ ᆸᄋ ᅳ ᆯ ᄋ ᅵ ᆫᄀ ᅩ ᆼ ᄌ ᅵᄂ ᅳ ᆼ ᄋ ᅳᄅ ᅩ ᄃ ᅢᄎ ᅦᄒ ᅡ ᆯ ᄉ ᅮ ᄋ ᅵ ᆻᄋ ᅳᄆ ᅧ ᄎ ᅥᄅ ᅵᄅ ᅣ ᆼ ᄄ ᅩᄒ ᅡ ᆫ ᄂ ᅳ ᆯ ᄋ ᅥᄂ ᅡ ᆯ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄀ ᅵᄃ ᅢ ᄃ ᅬ ᆫ ᄃ ᅡ. ᄄ ᅩᄒ ᅡ ᆫ, ᄋ ᅵ ᆫᄀ ᅩ ᆼ ᄌ ᅵᄂ ᅳ ᆼ ᄀ ᅵ ᄇ

ᅡ ᆫᄋ ᅴ ᄃ ᅡᄋ ᅣ ᆼᄒ ᅡ ᆫ ᄆ ᅩᄃ ᅦ ᆯᄋ ᅳ ᆯ ᄀ ᅡᄌ ᅵᄀ ᅩ ᄀ ᅩᄀ ᅢ ᆨᄒ ᅪ ᆨ ᄋ ᅵ ᆫᄆ ᅩᄒ ᅧ ᆼᄋ ᅦ ᄃ ᅢᄒ ᅡ ᆫ ᄇ ᅵᄀ ᅭ ᄉ ᅵ ᆯᄒ ᅥ ᆷᄋ ᅳ ᆯ ᄌ ᅦᄀ ᅩ ᆼ ᄒ ᅡᄋ ᅧ, ᄒ ᅣ ᆼᄒ ᅮ ᄀ ᅳ ᆷᄋ ᅲ ᆼ ᄉ ᅡ ᆫᄋ ᅥ ᆸᄋ ᅦᄉ ᅥ ᄋ ᅵᄅ ᅥᄒ ᅡ ᆫ ᄇ

ᅡ ᆼᄇ ᅥ ᆸᄋ ᅳ ᆯ ᄃ ᅩᄋ ᅵ ᆸᄒ ᅡ ᆯ ᄄ ᅢ ᄎ ᅡ ᆷᄀ ᅩᄒ ᅡ ᆯ ᄉ ᅮ ᄋ ᅵ ᆻᄂ ᅳ ᆫ ᄇ ᅦ ᆫᄎ ᅵᄆ ᅡᄏ ᅳᄅ ᅳ ᆯ ᄌ ᅦᄀ ᅩ ᆼ ᄒ ᅡᄋ ᅧ ᆻᄃ ᅡᄂ ᅳ ᆫ ᄌ ᅥ ᆷᄋ ᅦᄉ ᅥ ᄏ ᅳ ᆫ ᄋ ᅴᄆ ᅵᄀ ᅡ ᄋ ᅵ ᆻᄃ ᅡ.

ᄌ

ᅮᄋ ᅭᄋ ᅭ ᆼ ᄋ ᅥ: ᄀ ᅩᄀ ᅢ ᆨᄒ ᅪ ᆨ ᄋ ᅵ ᆫᄌ ᅦᄃ ᅩ, ᄃ ᅵᄌ ᅵᄐ ᅥ ᆯ ᄀ ᅳ ᆷᄋ ᅲ ᆼ, ᄋ ᅥ ᆫᄋ ᅥᄆ ᅩᄃ ᅦ ᆯ.

1. 서론 ᄉ

ᅦ계적으로금융거래가 증가함에 따라 자금세탁에 대한 문제 역시 증가하고 있다. 이에 따라 각국정 ᄇ

ᅮ들은 금융실명제도를 비롯한 각종 제도를 도입하여 자금세탁을방지하고 자금거래의 투명성과 건전 서

ᆼ을 강화하기 위해 노력하고 있다. 국내에서도 1993년, 금융실명법 도입을시작으로금융거래의 투명 서

ᆼ을 강화하기 위한 다양한 제도들이금융권에 도입되고 있다. 그 중하나로 고객확인제도 (Customer Due Diligence, 이하 CDD)는 금융회사가 고객과 거래 시 고객의 신원을검증하고 실제 소유자, 거래 ᄆ

ᅩᆨ적, 자금의 원천을확인하여금융거래가 불법적인 목적에 이용되지 않도록고객에 대해 합당한 주의를 ᄀ

ᅵ울이도록하는제도이다 (Kim, 2019).

그

ᆷ융회사의 입장에서는 CDD를수행하여 자금세탁 등의 리스크를방지해야 할 필요가 있다. 특금법 ᄌ

ᅦ 5조의 2에 따라 법인의 실제소유자 (고객을최종적으로 지배하거나 통제하는사람)는주주명부 등을 화

ᆨ인한 후 자연인 (개인)으로 입력되어야 한다. 은행 내규에 따라 1∼3년 주기로 법인 CDD가 반복적으

1

(04513) ᄉ ᅥᄋ ᅮ ᆯᄐ ᅳ ᆨᄇ ᅧ ᆯᄉ ᅵ ᄌ ᅮ ᆼ ᄀ ᅮ ᄉ ᅦᄌ ᅩ ᆼ ᄃ ᅢᄅ ᅩ 55, ᄉ ᅵ ᆫᄒ ᅡ ᆫᄋ ᅳ ᆫᄒ ᅢ ᆼ AI Competency Center, ᄒ ᅢ ᆼᄋ ᅯ ᆫ.

2

(04513) ᄉ ᅥᄋ ᅮ ᆯᄐ ᅳ ᆨᄇ ᅧ ᆯᄉ ᅵ ᄌ ᅮ ᆼ ᄀ ᅮ ᄉ ᅦᄌ ᅩ ᆼ ᄃ ᅢᄅ ᅩ 55, ᄉ ᅵ ᆫᄒ ᅡ ᆫᄋ ᅳ ᆫᄒ ᅢ ᆼ AI Competency Center, ᄒ ᅢ ᆼᄋ ᅯ ᆫ.

3

(04513) ᄉ ᅥᄋ ᅮ ᆯᄐ ᅳ ᆨᄇ ᅧ ᆯᄉ ᅵ ᄌ ᅮ ᆼ ᄀ ᅮ ᄉ ᅦᄌ ᅩ ᆼ ᄃ ᅢᄅ ᅩ 55, ᄉ ᅵ ᆫᄒ ᅡ ᆫᄋ ᅳ ᆫᄒ ᅢ ᆼ AI Competency Center, ᄒ ᅢ ᆼᄋ ᅯ ᆫ.

4

(04513) ᄉ ᅥᄋ ᅮ ᆯᄐ ᅳ ᆨᄇ ᅧ ᆯᄉ ᅵ ᄌ ᅮ ᆼ ᄀ ᅮ ᄉ ᅦᄌ ᅩ ᆼ ᄃ ᅢᄅ ᅩ 55, ᄉ ᅵ ᆫᄒ ᅡ ᆫᄋ ᅳ ᆫᄒ ᅢ ᆼ AI Competency Center, ᄒ ᅢ ᆼᄋ ᅯ ᆫ.

5

ᄀ ᅭᄉ ᅵ ᆫᄌ ᅥᄌ ᅡ: (04513) ᄉ ᅥᄋ ᅮ ᆯᄐ ᅳ ᆨᄇ ᅧ ᆯᄉ ᅵ ᄌ ᅮ ᆼ ᄀ ᅮ ᄉ ᅦᄌ ᅩ ᆼ ᄃ ᅢᄅ ᅩ 55, ᄉ ᅵ ᆫᄒ ᅡ ᆫᄋ ᅳ ᆫᄒ ᅢ ᆼ AI Competency Center, ᄇ ᅮᄇ ᅮᄌ ᅡ ᆼ, ᄀ ᅩᄅ ᅧᄃ ᅢ ᄀ

ᅵᄉ ᅮ ᆯᄀ ᅧ ᆼᄋ ᅧ ᆼᄌ ᅥ ᆫᄆ ᅮ ᆫ ᄃ ᅢᄒ ᅡ ᆨᄋ ᅯ ᆫ, ᄀ ᅧ ᆷᄋ ᅵ ᆷᄀ ᅭᄉ ᅮ. Email: jihwan [email protected]

ᄅ

ᅩ 수행되고 있으며, 해당 항목이 허위로 기재되었을경우 과태료 건당 18백만원부과 및 임직원제재가 이

ᆻ다. 그러나 업무 담당자에 따라 실제 소유자가 법인명으로 오류 기재되는사례가 적지 않다. 그 까닭 ᄋ

ᅳ

ᆫ업무 담당자의 실수가 발생하여도 이를사후적으로 검증하는프로세스가 부재했기 때문이다. 기존에 느

ᆫ 실제소유자 법인명 오류 입력 사례를방지하기 위해금지어, 주의어 필터링만으로 전산 입력 제어를 ᄒ

ᅡ는 방식으로 사전 검증을 하였다. 하지만 고유명사의 특징상 새로운 이름들이 많이 생겨나므로 단순 피

ᆯ터링으로는 한계가 있다. 이러한 한계로 은행 내부적으로는사후 점검을수기로 진행하며 오류 항목 ᄋ

ᅦ 대한 전산 수정 및 장표 수정을수행하는데, 이에는많은시간과 비용이 소요되고 있다.

보

ᆫ 논문에서는고객 거래확인 과정에서 법인의 실제 소유자가 자연인으로 기재되었는지 검증하는 딥 ᄅ

ᅥ닝 기반 모형을제안하고자 한다. 다시 말해, 실제 소유자가 법인명으로 잘못 입력되었는지 여부를검 ᄌ

ᅳ

ᆼ하는 인공지능모형에 대하여 설명하고자 한다. 이러한 모형 개발을 통해 실제 소유자에 대한 올바른 ᄀ

ᅵ재를 실시간으로 사전 검증할 수 있다면, 사후 검증프로세스를 진행하는비용을 줄이고 고객확인제도 르

ᆯ 준수하는 동시에 자금세탁으로 발생할 수 있는금융회사의 리스크를 줄이고 자금거래의 투명성과 건 ᄌ

ᅥᆫ성을강화할 수 있을것으로 기대된다.

2. 문헌연구 ᄌ

ᅡ연어 처리 분야에서 단어 또는 문장을 분류하는 문제는 주된 관심사 중 하나로 계속해서 연구되 ᄋ

ᅥ 왔다. 이에 따라 단어 또는 문장을 분류하는 다양한 방법론들 (Smaili 등, 1996; Ushioda, 1996;

Joachims, 1998; Pekar와 Saab, 2003)이 제안되었다. 특히 컴퓨터과학 및 응용수학의 발전에 발맞추어 ᄉ

ᅢ로운접근을취한 연구들 (Kim, 2014; Vaswani 등, 2017; Devlin 등, 2018)이 제시되어왔다. 본연 ᄀ

ᅮ에서는이러한 방법론들을크게 네 가지로 분류하여 검토하여 보았다.

2.1. 동시 등장 (co-occurrence)을 고려한 방법론

Joachims (1998)가 제안한 동시 등장 (co-occurrence)을 고려한 방법론은 아래 식 (2.1)과 같이 문 ᄉ

ᅥ 안에서 단어별 등장 빈도를기록한 동시 등장 행렬 (co-occurrence matrix)을구성한 뒤, 문서에 대 ᄋ

ᅳ

ᆼ되는 행벡터로 문서를수학적으로 표현한다. 이후, 문서 벡터들을 입력으로 하는 SVM (soft vector machine) 분류기를이용해서 문서들을 분류한다.











T1 T2 T3

D1 w11 w12 w13

D2 w₂₁ w₂₂ w₂₃ D3 w₃₁ w₃₂ w₃₃











, (2.1)

Wang 등 (2012)은이와 동일한 방법을차용하되, 문서 분류에 따라 단어의 분포가 다른점에 착안하 ᄋ

ᅧ, 분류 간 빈도 차이가 선명하게 나타나는단어에 높은가중치를 부여한다. Swetha 등 (2020)은 같 ᄋ

ᅳ

ᆫ접근을 문장이 아닌 단어 분류의 문제에 취한 경우이다. 해당 연구에서는아래 수식과 같이 계산되는 TF-IDF (term frequency-inverse document frequency)수치로 동시 등장 행렬을구성한 뒤, 단어에 대 ᄋ

ᅳ

ᆼ되는열벡터를단어의 수학적 표현으로 삼아 군집화 (clustering)를한다. TF-IDF는 식 (2.2)에서 알 ᄉ

ᅮ 있듯 문서에서 나타나는단어의 빈도뿐아니라 단어의 범용성을함께 고려하므로, 분류에 중요한 역 ᄒ

ᅡᆯ을하는단어에 더큰가중치를주는 특징이 있다.

T F − IDF (x, y) = T F (x, y) × log( N

DF (x)), (2.2)