[한국조폐공사] AI 학습을 통한
모바일 신분증 안면인식 품질 개선

한국조폐공사 모바일 신분증 AI – 더 다양한 얼굴을 정확하게 인식하고 위·변조까지 막다

스마트폰 속 모바일 신분증은 이제 단순한 디지털 카드가 아닙니다.

운전면허증을 시작으로 국가보훈등록증, 주민등록증, 외국인등록증까지 모바일 신분증의 범위가 계속 확대되고 있고, 공공·민간·금융 서비스에서도 본인확인 수단으로 활용되고 있습니다.

서비스가 넓어질수록 한 가지 문제가 더 중요해집니다.

“누구의 얼굴이든 정확하게 인식하면서, 사진이나 영상으로 속이는 시도는 확실하게 막을 수 있는가?”

한국조폐공사는 이 문제를 해결하기 위해 모바일 신분증의 안면인식 모델을 다시 학습하고 있습니다.

기존 모델을 그대로 운영하는 것이 아니라 실제 이용과정에서 발생하는 다양한 얼굴과 환경, 위·변조 공격 데이터를 학습해 사용성·포용성·보안을 함께 높이는 AI 품질 개선 프로젝트입니다.

Challenge – 얼굴은 같은데 환경이 달라지면 인식 결과도 달라질 수 있어요

안면인식은 통제된 환경에서만 작동하지 않습니다.

사용자는 집이나 거리, 사무실처럼 서로 다른 공간에서 모바일 신분증을 사용합니다. 조명과 촬영 각도, 스마트폰 기종도 모두 달라요.

이런 차이는 안면인식 실패로 이어질 수 있습니다.

외국인등록증과 장애인등록증까지 모바일 신분증 대상이 확대되면서 고려해야 할 얼굴의 범위도 넓어졌습니다. 특정 사용자군이나 촬영환경에 편중된 데이터만 학습하면 실제 서비스에서는 인식률 차이가 발생할 수 있기 때문입니다.

보안 문제도 함께 커지고 있습니다. 단순 사진을 카메라 앞에 보여주는 방식에서 벗어나 딥페이크, 스푸핑 등 공격기술도 정교해지고 있습니다.

모바일 신분증의 안면인식은 결국 두 가지를 동시에 만족해야 합니다. 실제 사용자는 불편 없이 통과시키고, 가짜 얼굴은 정확하게 차단하는 것입니다.

Solution – 실제 사용환경의 얼굴 데이터를 다시 학습해요

한국조폐공사는 2025년 AI 학습에 필요한 사용자 라이브니스 데이터의 법률 검토와 저장 인프라 구축을 완료하고, 2026년부터 본격적인 안면인식 모델 고도화를 진행하고 있습니다.

핵심은 크게 세 가지입니다. 사용성 개선, 보안 강화, 지속 가능한 AI 학습체계 구축입니다.

① 실제 모바일 신분증 사용환경을 학습해요

라이브니스는 카메라 앞의 대상이 사진이나 영상이 아니라 실제로 존재하는 사람인지 확인하기 위한 정보입니다.

안면인식 성능을 개선하려면 실제 서비스 환경에서 발생하는 다양한 라이브니스 데이터를 학습할 필요가 있습니다.

다만 얼굴 데이터는 민감정보이기 때문에 단순히 많이 모으는 것만으로는 안 됩니다.

한국조폐공사는 먼저 라이브니스 정보의 수집·이용에 대한 법률 검토를 진행하고, 데이터 저장과 처리 시스템을 별도로 구축했습니다.

수집된 데이터는 학습에 적합한 형태로 정제·분류되고, 모델의 품질 개선에 활용됩니다.

즉 AI 성능만 높이는 것이 아니라 개인정보 처리와 데이터 관리체계까지 함께 설계한 것입니다.

② 장애인·외국인까지 인식 범위를 넓혀요

이번 고도화에서는 단순히 기존 이용자의 인식률을 높이는 데 그치지 않습니다.

장애인 안면인식을 새로운 학습 영역으로 개척하고, 외국인 얼굴 데이터도 확대합니다.

이를 통해 특정 사용자군이나 얼굴 형태에 따라 발생할 수 있는 인증 격차를 줄이는 것이 목표입니다.

모바일 신분증은 국민 생활에서 사용하는 공공 인증수단인 만큼, 일부 사람에게만 잘 작동하는 기술이어서는 안 됩니다.

AI 학습데이터 자체를 다양하게 구성함으로써 서비스 대상이 늘어나도 일관된 인식 품질을 제공하는 것이 핵심입니다.

③ 딥페이크와 3D 마스크까지 학습해요

안면인식 품질을 높인다는 것은 단순히 얼굴을 더 잘 알아보는 것만을 의미하지 않습니다.

가짜 얼굴을 얼마나 잘 찾아내는지도 중요합니다. 한국조폐공사는 기존 안면인식 모델에 새로운 위·변조 공격 데이터를 추가해 학습하고 있습니다.

대상에는

• 인쇄된 사진

• 화면 재생

• 딥페이크

• Replay·Mask 유형

• 3D 마스크 등

난도가 높은 공격 유형이 포함됩니다.

특히 기존보다 복잡한 3D 마스크 공격까지 대응 범위를 넓혀 Anti-Spoofing 성능을 높이는 방향으로 모델을 고도화합니다.

실제 사용자와 가짜 얼굴의 차이를 더 정확하게 구별해 모바일 신분증의 보안 수준을 높이는 것입니다.

④ 스마트폰 기종이 달라도 같은 품질을 확인해요

AI 모델의 성능이 좋아도 특정 스마트폰에서만 잘 작동한다면 실제 서비스에 적용하기 어렵습니다.

기존 시험은 8종의 단말을 중심으로 진행됐지만, 2026년에는 신규 단말을 포함한 15종으로 시험 범위를 확대합니다.

안면인식 정확도뿐 아니라 다양한 스마트폰 환경에서도 안정적으로 작동하는지를 함께 확인하는 것입니다.

학습데이터 규모 역시 기존 시험 기준 약 110만 건에서 200만 건 이상으로 확대하는 것을 목표로 하고 있습니다.

모델을 학습한 뒤에는 자체 평가에서 끝내지 않고 외부기관 검증까지 진행합니다.

보안 검증 – 공격 유형도 더 까다롭게 시험해요

모바일 신분증 안면인식은 성능평가만큼 보안시험도 중요합니다.

기존에는 총 13종의 공격 시나리오를 시험했으며, 사진·영상·마스크 등 여러 형태의 위·변조 시도를 단계별로 검증했습니다.

2026년에는 여기에 고품질 3D 마스크 제작, 다양한 딥페이크 영상 등 새로운 공격유형을 추가합니다.

외부 평가에서는 TTA 시험과 함께 Anti-Spoofing 성능을 확인하기 위한 정량지표도 검증합니다.

목표는 단순합니다. 새로운 공격기술이 등장해도 모바일 신분증이 같은 수준의 신뢰성을 유지하도록 만드는 것입니다.

기대효과 – 인증을 더 강하게 만들면서 사용자 불편은 줄여요

이번 프로젝트는 2026년까지 모델 학습과 검증을 진행하는 단계이기 때문에, 최종적인 안면인식 정확도나 민원 감소율은 아직 제시되지 않았습니다.

대신 개선 방향은 명확합니다.

첫째, 다양한 스마트폰과 촬영환경에서 발생하는 인식 실패를 줄입니다.

둘째, 장애인과 외국인 등 기존 학습데이터에서 충분히 반영되지 않았던 사용자군까지 학습해 디지털 인증의 포용성을 높입니다.

셋째, 딥페이크와 조형 마스크 등 고도화된 위·변조 공격에 대한 대응력을 강화합니다.

넷째, 일회성 모델 개발에 그치지 않고 데이터를 다시 수집하고 학습해 주기적으로 AI 모델을 업데이트할 수 있는 환경을 구축합니다.

안면인식 AI도 한 번 개발하고 끝나는 기술이 아니라, 사용자와 공격환경의 변화에 맞춰 계속 학습하는 서비스로 바뀌는 것입니다.

이미 700만 명이 사용하는 모바일 신분증, AI 품질이 더 중요해져요

모바일 신분증의 누적 발급 사용자 수는 700만 명 이상, 누적 발급 건수는 1,100만 회 이상입니다.

외부 서비스 연계도 확대됐습니다.

공공 232개, 민간 65개, 금융 122개 등 총 419개 기관이 모바일 신분증을 활용한 로그인·본인인증·금융 등의 서비스를 제공하고 있습니다.

서비스 이용자가 늘어날수록 작은 인식 오류도 더 많은 사람의 불편으로 이어질 수 있습니다.

그래서 이번 프로젝트의 의미는 새로운 AI 기능 하나를 추가한다는 데 있지 않습니다.

이미 국민 생활에 들어온 인증서비스가 더 많은 사용자를 안정적으로 받아들이고, 새로운 위·변조 공격에도 대응할 수 있도록 AI 자체를 지속적으로 개선하는 기반을 만드는 것입니다.

마무리 – 좋은 안면인식 AI는 ‘더 많이 알아보는 AI’만을 의미하지 않아요

모바일 신분증의 안면인식은 두 방향을 동시에 봐야 합니다.

실제 사용자는 얼굴이나 환경의 차이 때문에 인증에서 배제되지 않아야 하고, 공격자는 정교한 위·변조 기술을 사용하더라도 인증을 통과할 수 없어야 합니다.

한국조폐공사는 이를 위해 실제 서비스에서 축적되는 데이터를 다시 AI 학습에 활용하고 있습니다.

장애인과 외국인까지 학습 범위를 넓히고, 스마트폰 기종별 성능을 확인하고, 딥페이크와 3D 마스크까지 공격유형을 확대합니다.

결국 안면인식 AI의 품질은 단순한 정확도 숫자 하나가 아닙니다.

누구에게나 잘 작동하는가, 실제 환경에서도 안정적인가, 가짜 얼굴을 제대로 차단하는가. 모바일 신분증의 다음 단계는 이 세 가지를 함께 높이는 데 있습니다.