KR102580011B1 - 전자 상거래에서의 이상거래 추적 방법 및 시스템 - Google Patents

전자 상거래에서의 이상거래 추적 방법 및 시스템 Download PDF

Info

Publication number
KR102580011B1
KR102580011B1 KR1020210034504A KR20210034504A KR102580011B1 KR 102580011 B1 KR102580011 B1 KR 102580011B1 KR 1020210034504 A KR1020210034504 A KR 1020210034504A KR 20210034504 A KR20210034504 A KR 20210034504A KR 102580011 B1 KR102580011 B1 KR 102580011B1
Authority
KR
South Korea
Prior art keywords
product information
abnormal
information
product
risk
Prior art date
Application number
KR1020210034504A
Other languages
English (en)
Other versions
KR20220129776A (ko
Inventor
김기철
황인욱
Original Assignee
주식회사 에스투더블유
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에스투더블유 filed Critical 주식회사 에스투더블유
Priority to KR1020210034504A priority Critical patent/KR102580011B1/ko
Publication of KR20220129776A publication Critical patent/KR20220129776A/ko
Application granted granted Critical
Publication of KR102580011B1 publication Critical patent/KR102580011B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 전자 상거래에서의 이상거래 추적 방법 및 시스템에 관한 것으로, 전자 상거래 플랫폼에 업로드 된 상품 정보의 복합적인 특징 데이터를 분석하여 이상거래를 추적하는 것을 일 목적으로 한다. 이러한 목적을 달성하기 위한 본 발명은 전자 장치가 이상거래를 추적하는 방법에 있어서, 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 a 단계, 상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 b 단계, 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하는 c 단계, 상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하고, 상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하는 d 단계 및 상기 그래프 및 상기 판단 결과를 사용자 단말에 전송하는 e 단계를 포함하는 것을 특징으로 한다.

Description

전자 상거래에서의 이상거래 추적 방법 및 시스템{METHOD AND SYSTEM TRACKING ABNORMAL TRANSACTION IN E-COMMERCE}
본 발명은 전자 상거래에서의 이상거래 추적 방법 및 시스템에 관한 것으로, 보다 자세하게는 사기, 불법 제품 판매 등 이상거래를 하는 사용자를 추적하는 이상거래 추적 방법 및 시스템에 관한 것이다.
최근 인터넷 인프라가 발전함에 따라 전자 상거래가 활성화되어 사용자들이 사용하던 중고 물품을 다른 사용자에게 판매하는 등의 플랫폼이 다수 등장하였다. 이러한 중고 거래 플랫폼에는 당근마켓, 중고나라 등이 존재한다. 그러나 중고 물품을 거래함에 있어서 사기를 방지하기 위해 중고 물품의 사진을 첨부하거나 개인정보 일부를 공개하는 등 다양한 조건이 요구된다.
이에 불구하고, 중고 거래 사기로 인한 피해자는 갈수록 증가하고 있기 때문에 사기, 불법물품 판매 등 비정상 행위(이상거래)를 수행하는 사용자를 식별하는 기술이 요구되고 있다.
본 발명은 전술한 문제점을 해결하기 위한 것으로서, 전자 상거래 플랫폼에 업로드 된 상품 정보의 복합적인 특징 데이터를 분석하여 이상거래를 추적하는 것을 일 목적으로 한다.
또한 본 발명은 IP 주소, 비정상 디바이스 단말 등을 분석하여 비정상 사용자를 그룹핑 하여 집단적으로 이상거래를 수행하는 사용자를 추적하는 것을 일 목적으로 한다.
이러한 목적을 달성하기 위한 본 발명은 전자 장치가 이상거래를 추적하는 방법에 있어서, 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 a 단계, 상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 b 단계, 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하는 c 단계, 상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하고, 상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하는 d 단계 및 상기 그래프 및 상기 판단 결과를 사용자 단말에 전송하는 e 단계를 포함하는 것을 일 특징으로 한다.
또한 본 발명은 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집하고, 제1 상품 정보를 기반으로 데이터베이스를 구축하는 데이터베이스 생성 모듈, 상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 상품 정보 수집 모듈, 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하고, 상기 판단 결과에 따라 상기 데이터베이스를 업데이트 하는 상품 정보 분석 모듈, 상기 데이터베이스에 저장된 제4 상품 정보를 기반으로 그래프를 생성하고, 상기 그래프 및 상기 판단 결과를 사용자 단말에 전송하는 그래프 생성 모듈을 포함하는 것을 일 특징으로 한다.
전술한 바와 같은 본 발명에 의하면, 전자 상거래 플랫폼에 업로드 된 상품 정보의 복합적인 특징 데이터를 분석하여 이상거래를 추적할 수 있다. 또한 본 발명은 IP 주소, 비정상 디바이스 단말 등을 분석하여 비정상 사용자를 그룹핑 하여 집단적으로 이상거래를 수행하는 사용자를 추적할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 이상거래 추적 방법에 사용되는 데이터베이스를 구축하는 예시를 설명하기 위한 순서도,
도 2는 본 발명의 일 실시 예에 의한 이상거래 추적 방법의 예시를 설명하기 위한 순서도,
도 3은 본 발명의 일 실시 예에 의한 이상거래 추적 방법에 의해 생성된 그래프를 도시한 도면,
도 4는 본 발명의 일 실시 예에 의한 이상거래 추적 장치를 설명하기 위한 구성도이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다.
도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용되며, 명세서 및 특허청구의 범위에 기재된 모든 조합은 임의의 방식으로 조합될 수 있다. 그리고 다른 식으로 규정하지 않는 한, 단수에 대한 언급은 하나 이상을 포함할 수 있고, 단수 표현에 대한 언급은 또한 복수 표현을 포함할 수 있음이 이해되어야 한다.
본 명세서에서 사용되는 용어는 단지 특정 예시적 실시 예들을 설명할 목적을 가지고 있으며 한정할 의도로 사용되는 것이 아니다. 본 명세서에서 사용된 바와 같은 단수적 표현들은 또한, 해당 문장에서 명확하게 달리 표시하지 않는 한, 복수의 의미를 포함하도록 의도될 수 있다. 용어 "및/또는," "그리고/또는"은 그 관련되어 나열되는 항목들의 모든 조합들 및 어느 하나를 포함한다. 용어 "포함한다", "포함하는", "포함하고 있는", "구비하는", "갖는", "가지고 있는" 등은 내포적 의미를 갖는 바, 이에 따라 이러한 용어들은 그 기재된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트를 특정하며, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 이들의 그룹의 존재 혹은 추가를 배제하지 않는다. 본 명세서에서 설명되는 방법의 단계들, 프로세스들, 동작들은, 구체적으로 그 수행 순서가 확정되는 경우가 아니라면, 이들의 수행을 논의된 혹은 예시된 그러한 특정 순서로 반드시 해야 하는 것으로 해석돼서는 안 된다. 추가적인 혹은 대안적인 단계들이 사용될 수 있음을 또한 이해해야 한다.
또한, 각각의 구성요소는 각각 하드웨어 프로세서로 구현될 수 있고, 위 구성요소들이 통합되어 하나의 하드웨어 프로세서로 구현될 수 있으며, 또는 위 구성요소들이 서로 조합되어 복수 개의 하드웨어 프로세서로 구현될 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다.
본 발명의 일 실시 예에 의한 전자 상거래에서 발생하는 이상거래는 사기, 불법 제품 판매(섹스토이, 전자담배, 가품 등), 별점 조작, 성희롱 등을 포함할 수 있으며, 이는 모두 전자 상거래 서버에 데이터로 저장됨에 따라 이상거래 추적 장치는 전자 상거래 서버에 접근하여 데이터를 파싱해 이상거래를 하는 사용자(비정상 사용자)를 추적할 수 있다.
본 발명의 일 실시 예에 의한 상품 정보는 적어도 하나의 특징 데이터를 포함할 수 있는데, 특징 데이터는 상품 명칭, 상품 이미지, 상품의 소개글 및 사용자 간의 대화 내역을 포함하는 텍스트, 사용자 정보, 또는 가격 정보 중 적어도 하나를 포함할 수 있다. 또한 사용자 정보는 이름, 주민등록번호, SNS 계정, 이메일 주소, IP 주소, 연락처, 계좌 번호, 디바이스 모델 중 적어도 하나를 포함할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 이상거래 추적 방법에 사용되는 데이터베이스를 구축하는 예시를 설명하기 위한 순서도이다.
단계 100에서, 전자 장치는 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집할 수 있다.
단계 110에서, 전자 장치는 제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축할 수 있다. 구체적으로 전자 장치는 제1 상품 정보에 포함된 제1 텍스트, 제1 상품 이미지를 기반으로 상품 정보 데이터베이스를 구축할 수 있다.
전자 장치는 상품 정보 데이터베이스를 구축함에 있어서, 제1 상품 정보에 포함된 제1 상품 이미지를 웹 사이트 크롤링 하여 제1 상품 정보에 대응하는 제1 상품과 관련된 이미지를 더 수집할 수 있다. 전자 장치는 수집한 제1 상품과 관련된 이미지를 제1 상품 이미지로 더 포함할 것이다.
단계 120에서, 전자 장치는 관리자 단말로부터 비정상 특징 데이터를 수신하여, 이상거래 데이터베이스를 구축할 수 있다. 비정상 특징 데이터는 비정상 키워드, 위험 IP 주소, 비정상 사용자 정보 섹터를 포함할 수 있다. 비정상 키워드는 비정상 사용자가 주로 사용하는 키워드를 의미하며, 그 예로 롤 계정, 넥슨 계정, 네이버 계정, 캐시, 전자담배, 계좌거래, 성희롱, 직거래 회피 또는 택배거래 유도 등과 관련된 키워드가 포함될 수 있다. 위험 IP 주소는 전자 상거래의 사용자로부터 사기 등으로 신고되거나 전자 상거래에서 차단된 IP 주소로, 전자 장치는 신고된 IP 주소에 대한 IP 소유기관, 국가, 할당 대역범위(CIDR) 등의 부가정보를 더 수집하여 이상거래 데이터베이스에 저장할 수 있다.
단계 130에서, 전자 장치는 제1 상품 정보에 포함된 제1 특징 데이터 중 비정상 특징 데이터에 대응하는 것이 있는 지 판단하여, 제1 상품 정보의 위험도를 조정할 수 있다. 전자 장치는 위험도가 기 설정된 위험 임계 값 이상인 제1 상품 정보를 제2 상품 정보로 설정할 수 있다. 제2 상품 정보는 비정상 사용자에 의해 생성된 상품 정보를 의미한다.
단계 140에서, 전자 장치는 제2 상품 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. 전자 장치는 제2 상품 정보에 포함된 제2 특징 데이터를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. 구체적으로 설명하면, 전자 장치는 제2 특징 데이터에 '전자담배'가 포함되어 있으면 이상거래 데이터베이스의 비정상 키워드 섹터에 '전자담배'를 추가할 수 있다.
제2 텍스트를 통해 추출된 제2 상품 정보를 생성한 제2 사용자가 주로 사용하는 키워드와, 제2 사용자 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다. 이를 통해 본 발명은 추후에 동일한 비정상 사용자가 이상거래를 수행하는 것을 보다 빠르게 파악할 수 있게 한다.
도 2는 본 발명의 일 실시 예에 의한 이상거래 추적 방법의 예시를 설명하기 위한 순서도이다.
단계 210에서, 전자 장치는 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집할 수 있다. 전자 장치는 제3 상품 정보를 수집함에 있어서, 종래 기술을 따를 수 있다.
단계 220에서, 전자 장치는 제3 상품 정보를 상품 정보 데이터베이스에 저장할 수 있다.
단계 230에서, 전자 장치는 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하기 위해 제3 상품 정보의 위험도를 판단할 수 있다. 전자 장치는 제3 상품 정보에 포함된 제3 특징 데이터를 기반으로 제3 상품 정보의 위험도를 판단할 수 있다. 본 발명의 일 실시 예에 의한 이상거래 추적 방법은 특징 데이터를 이용하여 복합적으로 이상거래를 분석하기 때문에, 비정상 사용자가 이상거래 탐지를 회피하는 것이 어려워질 것이다.
이하에서는 제3 특징 데이터 각각에 대하여 이상거래를 분석하는 방법을 설명한다.
1) 제3 상품 이미지
전자 장치는, 제3 상품 정보에 포함된 제3 상품 이미지의 특징 영역을 탐지할 수 있다. 특징 영역이란, 이미지들 사이의 동일 유사 여부를 판단하기 위한 이미지의 특징에 대한 기술자, 즉 특징 기술자를 추출하는 주요 영역을 말한다.
본 발명의 일 실시 예에 의한 특징 영역은 이미지가 포함하고 있는 윤곽선, 윤곽선 중에서도 코너 등의 모퉁이, 주변 영역과 구분되는 블롭(blob), 이미지의 변형에 따라 불변하거나 공변하는 영역, 또는 주변 밝기보다 어둡거나 밝은 특징이 있는 극점일 수 있다.
전자 장치는 제3 상품 이미지의 특징 기술자를 추출할 수 있다. 특징 기술자는 제3 상품 이미지의 특징들을 벡터 값으로 표현할 것이다.
전자 장치는 제3 상품 이미지에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보를 이용하여 특징 기술자를 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산될 수도 있다.
전자 장치는 제3 상품 이미지의 특징 기술자를 기반으로 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 저장되어 있는 지를 판단할 수 있다.
상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하는 경우, 전자 장치는 제3 상품 이미지를 도용 이미지로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 이미지를 기반으로 제3 상품 정보의 위험도를 설정함에 있어서, 제3 상품 이미지가 도용 이미지로 판단되는 경우 제3 상품 정보의 위험도를 제3 위험 임계 값만큼 증가시켜 기타 제3 특징 데이터에 의해 설정되는 위험도와 무관하게 제3 상품 정보에 대응하는 제3 사용자를 비정상 사용자로 판단할 수 있다.
2) 제3 텍스트
전자 장치는 제3 텍스트에 포함된 적어도 하나의 제3 키워드를 추출할 수 있다. 본 발명의 일 실시 예에 의한 제3 키워드는 단어, sns 계정, 이메일 주소, 연락처 등을 포함할 수 있다. 이에 따라 제3 텍스트에 대한 특징 데이터는 단어, SNS 계정, 이메일 주소, 또는 연락처 중 적어도 하나를 포함할 수 있다.
전자 장치는 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 키워드가 어떤 사용자에 의해 주로 사용되는 단어인 지를 식별할 수 있다.
구체적으로, 전자 장치는 제3 키워드가 제1 상품 정보에 포함되는 제1 비율과, 제2 상품 정보에 포함되는 제2 비율을 연산하고, 제1 비율 및 제2 비율을 기반으로 제3 비율을 더 연산할 수 있다. 전자 장치는 제2 비율을 제1 비율로 나눈 값을 제3 비율로 하도록 연산할 수 있다.
전자 장치는 제3 비율이 기 설정된 제1 임계 값 이상이면 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단할 것이다. 전자 장치는 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단되면, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 정보의 위험도 증가 수치로 기 설정된 설정 값을 이용할 수 있다.
나아가 전자 장치는 제3 비율이 기 설정된 제2 임계 값 이상이면, 제3 키워드를 비정상 키워드로 설정하고 이상거래 데이터베이스의 비정상 키워드 섹터에 저장할 수 있다.
한편, 전자 장치는 제3 키워드에 연락처가 포함되어 있는 지를 더 판단할 수 있다. 전자 장치는 제3 키워드에 010-AAAA-AAAA와 같은 연락처 패턴이 존재하면, 제3 키워드에 연락처가 포함되어 있다고 판단하고 제3 사용자 정보에 포함된 제3 연락처와 비교할 수 있다.
전자 장치는 제3 연락처와 제3 키워드에 포함된 연락처가 서로 상이하면, 제3 키워드에 포함된 연락처가 대포폰과 같은 불법 단말의 번호일 것으로 판단하여, 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 전자 장치는 제3 키워드에 URL이 포함되어 있는 지를 더 판단할 수 있다. 전자 장치는 제3 키워드에 포함된 URL이 주로 사용되는 URL이 아닐 경우 제3 상품 정보의 위험도를 증가시킬 수 있다.
구체적으로 예를 들면, 'http://pa.yy-naver.com'과 같은 URL은 주로 사용되는 'http://www.naver.com/~'과 같은 URL과 유사하나 그 패턴에 있어서 전혀 상이하기 때문에 전자 장치는 불법 거래를 유도하는 URL으로 판단할 수 있다.
3) 제3 사용자 정보
전자 장치는 제3 사용자 정보를 이상거래 데이터베이스에서 검색하여, 제3 사용자 정보와 일치하는 제2 사용자 정보가 존재하는 지의 여부를 판단할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소를 이상거래 데이터베이스의 비정상 사용자 정보 섹터에서 검색하여 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소와 일치하는 것이 있는 지의 여부를 판단할 수 있다.
전자 장치는 이상거래 데이터베이스에 제3 사용자 정보와 동일한 제2 사용자 정보가 존재하거나, 주민등록번호, 연락처, IP 주소 중 적어도 하나가 동일한 경우에 제3 상품 정보가 제2 사용자에 의해 등록된 것으로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 전자 장치는 제3 사용자 정보에 포함된 IP 주소를 이상거래 데이터베이스에 더 검색할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 IP 주소가 이상거래 데이터베이스에 저장된 위험 IP 주소와 동일하거나, 같은 대역범위를 사용하고 있을 경우, 이상거래 사용자가 주로 사용하는 IP 대역에서 제3 상품 정보가 생성된 것으로 판단하여 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 전자 장치는 제3 사용자 정보에 포함된 제3 디바이스 모델을 더 이용하여 제3 상품 정보가 비정상 사용자에 의해 생성된 것인지를 판단할 수 있다. 전자 장치는 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 디바이스 모델을 평가할 수 있다. 전자 장치는 제3 디바이스 모델을 평가함에 있어서 디바이스 모델의 출시일, 출시 국가, 브랜드 정보 등을 이용할 수 있다.
구체적으로, 전자 장치는 제1 상품 정보에 포함된 제1 디바이스 모델에서 제3 디바이스 모델이 포함되는 제4 비율과, 제2 상품 정보에 포함된 제2 디바이스 모델에서 제3 디바이스 모델이 포함되는 제5 비율을 연산하고, 제4 비율과 제5 비율을 기반으로 제6 비율을 더 연산할 수 있다. 전자 장치는 제5 비율을 제4 비율로 나눈 값을 제6 비율로 하도록 연산할 수 있다.
전자 장치는 제6 비율이 기 설정된 임계 값 이상이면 제3 디바이스 모델을 비정상 디바이스 모델로 설정할 수 있다. 전자 장치는 제3 디바이스 모델이 비정상 디바이스 모델로 설정되면, 제3 상품 정보의 위험도를 증가시킬 수 있다.
예를 들어, 삼성 갤럭시 노트 10 플러스 5G의 SM-N976은 국내 발매 모델이나 유럽은 SM-N976B, 중국은 SM-N9760, 미국은 SM-N976V로 모델명을 달리하여 해외 발매 모델을 출시하였음에 따라 국외에서만 판매되는 모델인 SM-N976B, SM-N9760, SM-N976V를 비정상 디바이스 모델로 설정할 수 있으며, 이 외에도 출시된 지 10년 이상 된 디바이스 모델 또한 비정상 디바이스 모델로 설정할 수 있다.
전자 장치는 제3 디바이스 모델이 비정상 디바이스 모델이고, 제3 사용자 정보에 포함된 IP 주소가 이상거래 데이터베이스에 저장된 비정상 디바이스 모델에 대응하는 위험 IP 주소 혹은 그 대역에 존재하는 경우 제3 사용자 정보를 상기 비정상 디바이스 모델과 위험 IP 주소에 대응하는 사용자 정보와 그룹핑 할 수 있다.
본 발명의 다른 실시 예에 의하면 전자 장치는, 제3 상품 정보에 추천 정보(예를 들어, 별점) 및 후기 데이터를 더 포함하여, 추천 정보와 후기 데이터를 기반으로 추천 유사도를 연산할 수 있다.
전자 장치는 후기 데이터에 포함된 제4 키워드를 더 추출할 수 있다. 전자 장치는 제3 상품 정보 및 상품 정보 데이터베이스에 저장된 제1 및 제2 상품 정보에 포함된 추천 정보 및 후기 데이터의 키워드를 비교하여 추천 유사도를 연산할 수 있다.
전자 장치는 추천 유사도가 기 설정된 유사 임계 값 이상이고, 상기 그룹핑 된 그룹에 제3 상품 정보가 포함되는 경우, 해당 그룹이 추천 조작을 수행한다고 판단하여 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 전자 장치는 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소 등을 기반으로 다크 웹에 접속하여 비정상 사용자에게 노출되었는 지를 판단할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소가 다크 웹에 노출된 경우, 제3 상품 정보의 위험도를 증가시킬 수 있다.
다시 도 2에 대한 설명으로 복귀하면, 단계 240에서, 전자 장치는 제3 상품 정보의 위험도에 따라 상품 정보 데이터베이스 및 이상거래 데이터베이스를 업데이트할 수 있다. 구체적으로, 전자 장치는 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상이면, 제3 상품 정보를 제2 상품 정보로 설정하여 상품 정보 데이터베이스에 저장하고, 제3 사용자 정보를 이상거래 데이터베이스에 업데이트 할 수 있다.
단계 250에서, 전자 장치는 상품 정보 데이터베이스에 저장된 제4 상품 정보(제4 상품 정보는 제1 상품 정보, 제2 상품 정보 및 제3 상품 정보를 포 함함)를 기반으로 그래프를 생성할 수 있다. 전자 장치는 제4 상품 정보에 대응하는 사용자를 제1 노드로 하고, 제4 상품 정보에 대응하는 특징 데이터를 제2 노드로 하여 그래프를 생성할 수 있다. 전자 장치는 제4 상품 정보에 포함된 사용자가 복수일 경우 다른 사용자를 제3 노드로 하여 제1 노드-제2 노드-제3 노드의 관계성을 갖도록 그래프를 생성할 수 있다.
전자 장치는 상품 정보의 위험도가 위험 임계 값 이상이면, 해당 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상 및/또는 크기를 조정할 수 있다. 예를 들어, 전자 장치는 위험도가 위험 임계 값 이상인 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상을 붉은 색과 같은 가시성이 높은 색상으로 설정하거나 제1 노드의 크기를 크게 설정할 수 있다.
도 3은 본 발명의 일 실시 예에 의한 이상거래 추적 방법에 의해 생성된 그래프를 도시한 도면으로, 도 3을 참조하여 구체적으로 설명하면, 일 상품 정보에 포함된 연락처가 010-1234-5678일 경우 전자 장치는 사용자(user1)를 제1 노드에, 010-1234-5678의 특징 데이터를 제1 노드와 연결된 제2 노드로 설정하고, 사용자(user2)를 제2 노드와 연결된 제3 노드로 하여, 그래프를 생성할 수 있다.
전자 장치는 제3 노드에 대응하는 사용자가 생성한 상품 정보가 존재하면, 제3 노드를 제1 노드로 하여 그래프를 더 확장할 수 있다.
단계 260에서, 전자 장치는 제1 노드에 연결된 제2 노드가 기 설정된 제3 임계 값 이상이면, 제1 노드에 대응하는 제3 사용자가 비정상 사용자라고 판단하고 제3 사용자 정보를 이상거래 데이터베이스에 저장할 수 있다.
단계 270에서, 전자 장치는 생성된 상기 그래프 및 제3 상품 정보에 대응하는 제3 사용자의 정상 여부를 디스플레이부에 표시할 수 있다.
도 4는 본 발명의 일 실시 예에 의한 이상거래 추적 장치를 설명하기 위한 구성도이다. 이하에서는 도 4를 참조하여 이상거래 추적 장치를 설명한다. 이상거래 추적 장치에 대한 설명에 있어서, 앞서 설명한 이상거래 추적 방법과 중복되는 세부 실시 예는 생략될 수 있다. 구체적으로, 이상거래 추적 장치는 데이터베이스 생성 모듈(10), 상품 정보 수집 모듈(20), 상품 정보 분석 모듈(30), 그래프 생성 모듈(40)을 포함할 수 있다.
데이터베이스 생성 모듈(10)은 전자 상거래 서버에 기 저장된 복수 개의 제1 상품 정보를 수집할 수 있다. 데이터베이스 생성 모듈(10)은 제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축할 수 있다. 전자 장치는 상품 정보 데이터베이스를 구축함에 있어서, 제1 상품 정보에 포함된 제1 상품 이미지를 웹 사이트 크롤링 하여 제1 상품 정보에 대응하는 제1 상품과 관련된 이미지를 더 수집할 수 있다. 전자 장치는 수집한 제1 상품과 관련된 이미지를 제1 상품 이미지로 더 포함할 것이다.
데이터베이스 생성 모듈(10)은 관리자 단말로부터 비정상 특징 데이터를 수신하여, 이상거래 데이터베이스를 구축할 수 있다. 비정상 특징 데이터는 비정상 키워드, 위험 IP 주소, 비정상 사용자 정보 섹터를 포함할 수 있다.
데이터베이스 생성 모듈(10)은 제1 상품 정보에 포함된 제1 특징 데이터 중 비정상 특징 데이터에 대응하는 것이 있는 지 판단하여, 제1 상품 정보의 위험도를 조정할 수 있다. 전자 장치는 위험도가 기 설정된 위험 임계 값 이상인 제1 상품 정보를 제2 상품 정보로 설정하고, 제2 상품 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다.
데이터베이스 생성 모듈(10)은 제2 텍스트를 통해 추출된 제2 상품 정보의 제2 사용자가 주로 사용하는 키워드와, 제2 사용자 정보를 기반으로 이상거래 데이터베이스를 업데이트 할 수 있다.
상품 정보 수집 모듈(20)은 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하여 제3 상품 정보를 상품 정보 데이터베이스에 저장할 수 있다. 상품 정보 수집 모듈(20)은 제3 상품 정보를 수집함에 있어서, 종래 기술을 따를 수 있다.
상품 정보 분석 모듈(30)은 제3 상품 정보가 비정상 사용자에 의해 생성되었는 지를 판단하기 위해 제3 상품 정보의 위험도를 판단할 수 있다. 상품 정보 분석 모듈(30)은 제3 상품 정보에 포함된 제3 특징 데이터를 기반으로 제3 상품 정보의 위험도를 판단할 수 있다.
이하에서는 제3 특징 데이터 각각에 대하여 이상거래를 분석하는 방법을 설명한다.
이미지 분석 모듈(31)은 제3 상품 정보에 포함된 제3 상품 이미지의 특징 영역을 탐지할 수 있다. 이미지 분석 모듈(31)은 제3 상품 이미지의 특징 기술자를 추출할 수 있다.
이미지 분석 모듈(31)은 제3 상품 이미지에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보를 이용하여 특징 기술자를 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산될 수도 있다.
이미지 분석 모듈(31)은 제3 상품 이미지의 특징 기술자를 기반으로 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 저장되어 있는 지를 판단할 수 있다.
이미지 분석 모듈(31)은 상품 정보 데이터베이스에 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하는 경우, 제3 상품 이미지를 도용 이미지로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 이미지를 기반으로 제3 상품 정보의 위험도를 설정함에 있어서, 제3 상품 이미지가 도용 이미지로 판단되는 경우 제3 상품 정보의 위험도를 제3 위험 임계 값만큼 증가시켜 기타 제3 특징 데이터에 의해 설정되는 위험도와 무관하게 제3 상품 정보에 대응하는 제3 사용자를 비정상 사용자로 판단할 수 있다.
텍스트 분석 모듈(32)은 제3 텍스트에 포함된 적어도 하나의 제3 키워드를 추출할 수 있다. 본 발명의 일 실시 예에 의한 제3 키워드는 단어, sns 계정, 이메일 주소, 연락처 등을 포함할 수 있다. 이에 따라 제3 텍스트에 대한 특징 데이터는 단어, SNS 계정, 이메일 주소, 또는 연락처 중 적어도 하나를 포함할 수 있다.
텍스트 분석 모듈(32)은 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 키워드가 어떤 사용자에 의해 주로 사용되는 단어인 지를 식별할 수 있다.
구체적으로, 텍스트 분석 모듈(32)은 제3 키워드가 제1 상품 정보에 포함되는 제1 비율과, 제2 상품 정보에 포함되는 제2 비율을 연산하고, 제1 비율 및 제2 비율을 기반으로 제3 비율을 더 연산할 수 있다. 텍스트 분석 모듈(32)은 제2 비율을 제1 비율로 나눈 값을 제3 비율로 하도록 연산할 수 있다.
텍스트 분석 모듈(32)은 제3 비율이 기 설정된 제1 임계 값 이상이면 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단할 것이다. 전자 장치는 제3 키워드가 비정상 사용자에 의해 주로 사용되는 단어라고 판단되면, 제3 상품 정보의 위험도를 증가시킬 수 있다. 전자 장치는 제3 상품 정보의 위험도 증가 수치로 기 설정된 설정 값을 이용할 수 있다.
나아가 텍스트 분석 모듈(32)은 제3 비율이 기 설정된 제2 임계 값 이상이면, 제3 키워드를 비정상 키워드로 설정하고 이상거래 데이터베이스의 비정상 키워드 섹터에 저장할 수 있다.
한편, 텍스트 분석 모듈(32)은 제3 키워드에 연락처가 포함되어 있는 지를 더 판단할 수 있다. 전자 장치는 제3 키워드에 010-AAAA-AAAA와 같은 연락처 패턴이 존재하면, 제3 키워드에 연락처가 포함되어 있다고 판단하고 제3 사용자 정보에 포함된 제3 연락처와 비교할 수 있다.
텍스트 분석 모듈(32)은 제3 연락처와 제3 키워드에 포함된 연락처가 서로 상이하면, 제3 키워드에 포함된 연락처가 대포폰과 같은 불법 단말의 번호일 것으로 판단하여, 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 텍스트 분석 모듈(32)은 제3 키워드에 URL이 포함되어 있는 지를 더 판단할 수 있다. 텍스트 분석 모듈(32)은 제3 키워드에 포함된 URL이 주로 사용되는 URL이 아닐 경우 제3 상품 정보의 위험도를 증가시킬 수 있다.
제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보를 이상거래 데이터베이스에서 검색하여, 제3 사용자 정보와 일치하는 제2 사용자 정보가 존재하는 지의 여부를 판단할 수 있다. 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소를 이상거래 데이터베이스에서 검색하여 제3 사용자 정보에 포함된 이름, 주민등록번호, 연락처, IP 주소와 일치하는 것이 있는 지의 여부를 판단할 수 있다.
제3 사용자 정보 분석 모듈(33)은 이상거래 데이터베이스에 제3 사용자 정보와 동일한 제2 사용자 정보가 존재하거나, 주민등록번호, 연락처, IP 주소 중 적어도 하나가 동일한 경우에 제3 상품 정보가 제2 사용자에 의해 등록된 것으로 판단하고, 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 IP 주소를 이상거래 데이터베이스에 더 검색할 수 있다. 전자 장치는 제3 사용자 정보에 포함된 IP 주소가 이상거래 데이터베이스에 저장된 위험 IP 주소와 동일하거나, 같은 대역범위를 사용하고 있을 경우, 이상거래 사용자가 주로 사용하는 IP 대역에서 제3 상품 정보가 생성된 것으로 판단하여 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 제3 디바이스 모델을 더 이용하여 제3 상품 정보가 비정상 사용자에 의해 생성된 것인지를 판단할 수 있다. 제3 사용자 정보 분석 모듈(33)은 상품 정보 데이터베이스에 포함된 제1 상품 정보와 제2 상품 정보를 기반으로 제3 디바이스 모델을 평가할 수 있다. 전자 장치는 제3 디바이스 모델을 평가함에 있어서 디바이스 모델의 출시일, 출시 국가, 브랜드 정보 등을 이용할 수 있다.
구체적으로, 제3 사용자 정보 분석 모듈(33)은 제1 상품 정보에 포함된 제1 디바이스 모델에서 제3 디바이스 모델이 포함되는 제4 비율과, 제2 상품 정보에 포함된 제2 디바이스 모델에서 제3 디바이스 모델이 포함되는 제5 비율을 연산하고, 제4 비율과 제5 비율을 기반으로 제6 비율을 더 연산할 수 있다. 전자 장치는 제5 비율을 제4 비율로 나눈 값을 제6 비율로 하도록 연산할 수 있다.
제3 사용자 정보 분석 모듈(33)은 제6 비율이 기 설정된 임계 값 이상이면 제3 디바이스 모델을 비정상 디바이스 모델로 설정할 수 있다. 제3 사용자 정보 분석 모듈(33)은 제3 디바이스 모델이 비정상 디바이스 모델로 설정되면, 제3 상품 정보의 위험도를 증가시킬 수 있다.
한편, 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소 등을 기반으로 다크 웹에 접속하여 비정상 사용자에게 노출되었는 지를 판단할 수 있다. 제3 사용자 정보 분석 모듈(33)은 제3 사용자 정보에 포함된 이름, 주민등록번호, 이메일 주소가 다크 웹에 노출된 경우, 제3 상품 정보의 위험도를 증가시킬 수 있다.
상품 정보 분석 모듈(30)은 이미지 분석 모듈(31), 텍스트 분석 모듈(32), 제3 사용자 정보 분석 모듈(33)을 거친 제3 상품 정보의 위험도에 따라 상품 정보 데이터베이스 및 이상거래 데이터베이스를 업데이트할 수 있다. 구체적으로, 상품 정보 분석 모듈(30)은 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상이면, 제3 상품 정보를 제2 상품 정보로 설정하여 상품 정보 데이터베이스에 저장하고, 제3 사용자 정보를 이상거래 데이터베이스에 업데이트 할 수 있다.
그래프 생성 모듈(40)은 상품 정보 데이터베이스에 저장된 제4 상품 정보(제4 상품 정보는 제1 상품 정보, 제2 상품 정보 및 제3 상품 정보를 포 함함)를 기반으로 그래프를 생성할 수 있다. 그래프 생성 모듈(40)은 제4 상품 정보에 대응하는 사용자를 제1 노드로 하고, 제4 상품 정보에 대응하는 특징 데이터를 제2 노드로 하여 그래프를 생성할 수 있다. 그래프 생성 모듈(40)은 제4 상품 정보에 사용자가 복수일 경우, 다른 사용자를 제3 노드로 하여 그래프를 생성할 수 있다.
그래프 생성 모듈(40)은 상품 정보의 위험도가 위험 임계 값 이상이면, 해당 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상 및/또는 크기를 조정할 수 있다. 예를 들어, 그래프 생성 모듈(40)은 위험도가 위험 임계 값 이상인 상품 정보에 대응하는 사용자에 대한 제1 노드의 색상을 붉은 색과 같은 가시성이 높은 색상으로 설정하거나 제1 노드의 크기를 크게 설정할 수 있다.
그래프 생성 모듈(40)은 제3 노드에 대응하는 사용자가 생성한 상품 정보가 존재하면, 제3 노드를 제1 노드로 하여 그래프를 더 확장할 수 있다.
그래프 생성 모듈(40)은 제1 노드에 연결된 제2 노드가 기 설정된 제3 임계 값 이상이면, 제1 노드에 대응하는 제3 사용자가 비정상 사용자라고 판단하고 제3 사용자 정보를 이상거래 데이터베이스에 저장할 수 있다.
그래프 생성 모듈(40)은 생성된 상기 그래프 및 제3 상품 정보에 대응하는 제3 사용자의 정상 여부를 디스플레이부(미도시)에 표시할 수 있다.
본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (14)

  1. 전자 장치가 이상거래를 추적하는 방법에 있어서,
    비정상 특징 데이터를 기반으로 이상거래 데이터베이스를 구축하는 단계;
    전자 상거래 서버로부터 수집된 제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축하는 단계;
    상기 제1 상품 정보에 포함된 복수의 제1 특징 데이터를 상기 비정상 특징 데이터와 비교한 결과를 기반으로, 상기 제1 상품 정보를 비정상 사용자에 의해 생성되었음을 의미하는 제2 상품 정보로 설정하는 단계;
    상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하는 단계;
    상기 제3 상품 정보에 포함된 복수의 제3 특징 데이터를 상기 상품 정보 데이터베이스 및 상기 이상거래 데이터베이스와 비교한 결과를 기반으로, 상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계;
    각 상품 정보의 복수의 특징 데이터를 기반으로 그래프를 생성하는 단계 -상기 그래프에서, 각 상품 정보에 대응하는 사용자는 제1 노드로 표현되고, 각 상품 정보에 포함된 복수의 특징 데이터는 상기 제1 노드에 연결된 복수의 제2 노드로 표현되고, 서로 다른 두 사용자가 표현된 제1 노드들은 동일한 특징 데이터가 표현된 제2 노드를 통해 서로 연결됨-; 및
    상기 그래프를 기반으로 비정상 사용자를 그룹핑하여, 상기 제3 상품 정보에 대한 이상거래 여부를 추적하는 단계를 포함하는
    이상거래 추적 방법.
  2. 제1항에 있어서,
    상기 이상거래 데이터베이스를 구축하는 단계는,
    비정상 키워드, 위험 IP 주소 및 비정상 사용자 정보 중 적어도 하나를 포함하는 상기 비정상 특징 데이터와 상기 위험 IP 주소에 대한 부가정보를 기반으로 상기 이상거래 데이터베이스를 구축하는 단계를 포함하고,
    상기 비정상 키워드는 비정상 사용자에 의해 기준치 이상의 빈도로 사용된 단어를 의미하고,
    상기 위험 IP 주소는 전자 상거래의 사용자로부터 사기로 신고된 IP 및 전자 상거래에서 차단된 IP 주소 중 하나 이상을 포함하고,
    상기 위험 IP 주소에 대한 부가정보는 IP 소유기관, IP 소유국가 및 할당 대역범위(CIDR, Classless Inter-Domain Routing) 중 하나 이상을 포함하는
    이상거래 추적 방법.
  3. 제1항에 있어서,
    상기 상품 정보 데이터베이스를 구축하는 단계는,
    상기 제1 상품 정보에 포함된 제1 텍스트와 제1 상품 이미지를 기반으로 상기 상품 정보 데이터베이스를 구축하는 단계;
    상기 제1 상품 이미지를 크롤링 하여 상기 제1 상품 정보에 대응하는 제1 상품과 관련된 이미지를 수집하는 단계; 및
    수집된 이미지를 상기 제1 상품 이미지로 추가하는 단계를 포함하는
    이상거래 추적 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 제3 특징 데이터는 제3 상품 이미지, 제3 텍스트 및 제3 사용자 정보 중 적어도 하나를 포함하고,
    상기 제3 텍스트는 상품 명칭, 상품의 소개글, 사용자 간의 대화 내역 및 가격 정보 중 적어도 하나를 포함하고,
    상기 제3 사용자 정보는 이름, 주민등록번호, SNS 계정, 이메일 주소, IP 주소, 연락처, 계좌 번호 및 디바이스 모델 중 적어도 하나를 포함하는
    이상거래 추적 방법.
  6. 제5항에 있어서,
    상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계는,
    상기 제3 상품 이미지의 특징 영역을 탐지하고, 상기 특징 영역을 기반으로 특징 기술자를 추출하는 단계;
    상기 제3 상품 이미지의 특징 기술자를 기반으로 상기 상품 정보 데이터베이스에 저장된 상기 제1 상품 정보의 제1 상품 이미지 중 상기 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하는 지 판단하는 단계;
    판단 결과, 상기 제3 상품 이미지와 동일한 제1 상품 이미지가 존재하면, 상기 제3 상품 이미지를 도용 이미지로 판단하고, 상기 제3 상품 정보의 위험도를 증가시키는 단계;
    상기 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상인 경우, 상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계; 및
    상기 제2 상품 정보로 설정된 상기 제3 상품 정보를 기반으로 상기 상품 정보 데이터베이스와 상기 이상거래 데이터베이스를 업데이트하는 단계를 포함하는
    이상거래 추적 방법.
  7. 제5항에 있어서,
    상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계는,상기 제3 텍스트에 포함된 적어도 하나의 제3 키워드를 추출하는 단계;
    상기 제3 키워드가 상기 제1 상품 정보에 포함되는 제1 비율을 연산하는 단계;
    상기 제3 키워드가 상기 제2 상품 정보에 포함되는 제2 비율을 연산하는 단계;
    상기 제2 비율을 상기 제1 비율로 나눈 값이 기 설정된 임계 값 이상이면, 상기 제3 키워드를 비정상 사용자에 의해 기준치 이상의 빈도로 사용된 단어로 판단하고, 상기 제3 상품 정보의 위험도를 증가시키는 단계;
    상기 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상인 경우, 상기 제3 키워드를 비정상 키워드로 설정하는 단계; 및
    상기 제3 키워드를 상기 이상거래 데이터베이스에 저장하는 단계를 포함하는
    이상거래 추적 방법.
  8. 제7항에 있어서,
    상기 제3 키워드에 포함된 연락처가 상기 제3 사용자 정보의 연락처와 다른 경우, 상기 제3 키워드에 포함된 연락처가 불법 단말의 번호인 것으로 판단하고, 상기 제3 상품 정보의 위험도를 증가시키는 단계; 및
    상기 제3 키워드에 포함된 URL이 기준치 이상의 빈도로 사용되는 URL이 아닌 경우, 상기 제3 키워드에 포함된 URL이 불법 거래를 유도하는 URL인 것으로 판단하고, 상기 제3 상품 정보의 위험도를 증가시키는 단계를 더 포함하는
    이상거래 추적 방법.
  9. 제5항에 있어서,
    상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계는,
    상기 제3 사용자 정보를 상기 이상거래 데이터베이스에서 검색하는 단계;
    검색 결과, 상기 이상거래 데이터베이스에 상기 제3 사용자 정보가 이미 존재하면, 상기 제3 상품 정보가 비정상 사용자에 의해 등록된 것으로 판단하고, 상기 제3 상품 정보의 위험도를 증가시키는 단계;
    상기 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상인 경우, 상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계; 및
    상기 제2 상품 정보로 설정된 상기 제3 상품 정보를 기반으로 상기 상품 정보 데이터와 상기 이상거래 데이터베이스를 업데이트하는 단계를 포함하는
    이상거래 추적 방법.
  10. 제5항에 있어서,
    상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계는,
    상기 제3 사용자 정보를 다크 웹에서 검색하는 단계;
    상기 다크 웹에 상기 제3 사용자 정보가 노출되어 있으면, 상기 제3 상품 정보의 위험도를 증가시키는 단계;
    상기 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상인 경우, 상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계; 및
    상기 제2 상품 정보로 설정된 상기 제3 상품 정보를 기반으로 상기 상품 정보 데이터베이스와 상기 이상거래 데이터베이스를 업데이트하는 단계를 포함하는
    이상거래 추적 방법.
  11. 제5항에 있어서,
    상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계는,
    상기 제3 사용자 정보에 포함된 제3 디바이스 모델이 상기 제1 상품 정보에 포함된 제1 디바이스 모델에 포함되는 제4 비율을 연산하는 단계;
    상기 제3 디바이스 모델이 상기 제2 상품 정보에 포함된 제2 디바이스 모델에 포함되는 제5 비율을 연산하는 단계;
    상기 제5 비율을 상기 제4 비율로 나눈 값이 기 설정된 임계 값 이상이면, 상기 제3 디바이스 모델을 비정상 디바이스 모델로 설정하고, 상기 제3 상품 정보의 위험도를 증가시키는 단계;
    상기 제3 상품 정보의 위험도가 기 설정된 위험 임계 값 이상인 경우, 상기 제3 상품 정보를 상기 제2 상품 정보로 설정하는 단계; 및
    상기 제2 상품 정보로 설정된 상기 제3 상품 정보를 기반으로 상기 상품 정보 데이터베이스와 상기 이상거래 데이터베이스를 업데이트하는 단계를 포함하되,
    상기 제4 비율 및 상기 제5 비율을 연산함에 있어서 상기 제3 디바이스 모델의 출시일, 출시 국가 및 브랜드 정보 중 적어도 하나를 이용하는
    이상거래 추적 방법.
  12. 제11항에 있어서,
    비정상 디바이스 모델로 판단된 상기 제3 사용자 정보에 포함된 IP 주소가 상기 비정상 특징 데이터에 포함된 비정상 디바이스 모델에 대응하는 위험 IP 주소에 해당하거나 상기 위험 IP 주소의 대역에 존재하는 경우, 상기 제3 사용자 정보는 상기 비정상 특징 데이터에 포함된 비정상 디바이스 모델에 대응하는 사용자 정보와 그룹핑되는
    이상거래 추적 방법.
  13. 제1항에 있어서,
    상기 그래프를 디스플레이부에 표시하는 단계를 더 포함하되,
    상기 그래프에 표시된 제1 노드들 중 기 설정된 위험 임계 값 이상의 위험도를 가지는 상품 정보에 대응하는 제1 노드는 그렇지 않은 제1 노드들과 다르게 표시되는
    이상거래 추적 방법.
  14. 하나 이상의 프로세서; 및
    상기 하나 이상의 프로세서에 의해 실행될 때, 상기 하나 이상의 프로세서가 작업을 수행하도록 하는 명령들을 저장하도록 구성되는, 하나 이상의 메모리를 포함하고,
    상기 하나 이상의 프로세서는,
    비정상 특징 데이터를 기반으로 이상거래 데이터베이스를 구축하고;
    전자 상거래 서버로부터 수집된 제1 상품 정보를 기반으로 상품 정보 데이터베이스를 구축하고;
    상기 제1 상품 정보에 포함된 복수의 제1 특징 데이터를 상기 비정상 특징 데이터와 비교한 결과를 기반으로, 상기 제1 상품 정보를 비정상 사용자에 의해 생성되었음을 의미하는 제2 상품 정보로 설정하고;
    상기 전자 상거래 서버에 새로 업로드 되는 제3 상품 정보를 수집하고;
    상기 제3 상품 정보에 포함된 복수의 제3 특징 데이터를 상기 상품 정보 데이터베이스 및 상기 이상거래 데이터베이스와 비교한 결과를 기반으로, 상기 제3 상품 정보를 상기 제2 상품 정보로 설정하고;
    각 상품 정보의 특징 데이터를 기반으로 그래프를 생성하고 -상기 그래프에서, 각 상품 정보에 대응하는 사용자는 제1 노드로 표현되고, 각 상품 정보에 포함된 복수의 특징 데이터는 상기 제1 노드에 연결된 복수의 제2 노드로 표현되고, 서로 다른 사용자가 표현된 제1 노드들은 동일한 특징 데이터가 표현된 제2 노드를 통해 서로 연결됨-;
    상기 그래프를 기반으로 비정상 사용자를 그룹핑하여, 상기 제3 상품 정보에 대한 이상거래 여부를 추적하는,
    이상거래 추적 장치.
KR1020210034504A 2021-03-17 2021-03-17 전자 상거래에서의 이상거래 추적 방법 및 시스템 KR102580011B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210034504A KR102580011B1 (ko) 2021-03-17 2021-03-17 전자 상거래에서의 이상거래 추적 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210034504A KR102580011B1 (ko) 2021-03-17 2021-03-17 전자 상거래에서의 이상거래 추적 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20220129776A KR20220129776A (ko) 2022-09-26
KR102580011B1 true KR102580011B1 (ko) 2023-09-19

Family

ID=83452461

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210034504A KR102580011B1 (ko) 2021-03-17 2021-03-17 전자 상거래에서의 이상거래 추적 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102580011B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101473671B1 (ko) * 2013-06-25 2014-12-17 주식회사 안랩 이미지 비교를 통한 피싱 사이트 탐지 방법 및 장치
WO2018074027A1 (ja) * 2016-10-17 2018-04-26 日本電気株式会社 異常検出装置、制御方法、及びプログラム
KR101869264B1 (ko) * 2018-01-11 2018-07-23 주식회사 업루트 피싱 사이트 탐지 장치 및 방법
KR101996018B1 (ko) * 2018-08-13 2019-10-01 넷마블 주식회사 비정상 유저 검출 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070067651A (ko) * 2007-05-09 2007-06-28 한재호 인터넷 사이트 패턴 분석을 통한 피싱방지 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101473671B1 (ko) * 2013-06-25 2014-12-17 주식회사 안랩 이미지 비교를 통한 피싱 사이트 탐지 방법 및 장치
WO2018074027A1 (ja) * 2016-10-17 2018-04-26 日本電気株式会社 異常検出装置、制御方法、及びプログラム
KR101869264B1 (ko) * 2018-01-11 2018-07-23 주식회사 업루트 피싱 사이트 탐지 장치 및 방법
KR101996018B1 (ko) * 2018-08-13 2019-10-01 넷마블 주식회사 비정상 유저 검출 장치 및 방법

Also Published As

Publication number Publication date
KR20220129776A (ko) 2022-09-26

Similar Documents

Publication Publication Date Title
US11880414B2 (en) Generating structured classification data of a website
CN106133774B (zh) 广告中的广告主标识符的自动验证
KR100692209B1 (ko) 맞춤형 상품 정보 제공 방법 및 그 시스템
CN101534306B (zh) 一种钓鱼网站的检测方法及装置
US9785989B2 (en) Determining a characteristic group
CN110245069B (zh) 页面版本的测试方法和装置、页面的展示方法和装置
TW201812689A (zh) 惡意地址／惡意訂單的識別系統、方法及裝置
US20160041988A1 (en) Systems and methods for identifying and analyzing internet users
CN112541787B (zh) 广告推荐方法、***、存储介质及电子设备
US20140324578A1 (en) Systems and methods for instant e-coupon distribution
WO2014152352A1 (en) Similarity engine for facilitating re-creation of an application collection of a source computing device on a destination computing device
US20180336279A1 (en) Computer-implemented methods of website analysis
US8788521B2 (en) Information processing device, information processing method, program for information processing device, and recording medium
US20210105302A1 (en) Systems And Methods For Determining User Intent At A Website And Responding To The User Intent
WO2014110950A1 (en) Method and device for pushing information
US20190139077A1 (en) Providing reporting and analysis for campaign-driven messages and websites
CN114119146A (zh) 一种推荐方法、装置、电子设备及可读存储介质
CN110210886A (zh) 识别虚假操作方法、装置、服务器、可读存储介质、***
US20130282443A1 (en) Seller url monitoring systems and methods
CN106779899B (zh) 恶意订单识别方法及装置
CN110035053A (zh) 用于检测欺诈性的用户-内容提供者对的方法和***
KR102580011B1 (ko) 전자 상거래에서의 이상거래 추적 방법 및 시스템
CN104486313B (zh) 网络多媒体文件投放检测方法及装置
CN112182386B (zh) 一种基于知识图谱的目标推荐方法及装置
CN111026981B (zh) 热点话题的可视化展示方法、装置和设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant