개요
오늘날의 디지털 환경에서 고객 파악(KYC) 규정을 준수하는 것은 금융 서비스, 온라인 마켓플레이스 및 사용자 식별이 필요한 기타 부문에서 운영되는 기업에 매우 중요합니다. 전통적으로 KYC 프로세스는 시간이 많이 걸리고 오류가 발생하기 쉬운 접근 방식인 수동 문서 확인에 의존해 왔습니다. 이 가이드에서는 얼굴 인식 및 분석을 전문으로 하는 AWS의 강력한 클라우드 기반 AI 서비스인 Amazon Rekognition이 어떻게 온라인 KYC 전략을 혁신하여 간소화되고 안전하며 비용 효율적인 프로세스로 전환할 수 있는지 자세히 알아봅니다.
학습 목표
- 다양한 산업 분야에서 고객 파악(KYC) 규정의 중요성과 수동 검증 프로세스와 관련된 과제를 이해합니다.
- 얼굴 인식 및 분석을 전문으로 하는 클라우드 기반 AI 서비스인 Amazon Rekognition의 기능을 살펴보세요.
- 사용자 온보딩을 포함하여 Amazon Rekognition을 사용하여 신원 확인을 구현하는 단계를 알아보세요. 텍스트 추출, 생체 감지, 얼굴 분석 및 얼굴 매칭.
- 보안 조치를 강화하고 사용자 인증 프로세스를 간소화하며 사용자 경험을 개선하기 위해 AI 기반 신원 확인을 활용하는 것의 중요성을 이해합니다.
이 기사는 데이터 과학 블로그.
차례
KYC 과제 이해
KYC 규정에 따라 기업은 사용자의 신원을 확인해야 합니다. 사기를 완화하다, 자금 세탁 및 기타 금융 범죄. 이 확인에는 일반적으로 정부가 발행한 신분증을 수집하고 검증하는 작업이 포함됩니다. 이러한 규정은 안전한 금융 생태계를 유지하는 데 필수적이지만 수동 검증 프로세스는 다음과 같은 문제를 야기합니다.
- 팬데믹 영향: 팬데믹 기간 동안 금융 부문은 이동이 제한되면서 신규 고객을 유치하는 데 심각한 어려움을 겪었습니다. 따라서 일괄적으로 수동 검증이 불가능합니다. 따라서 온라인 KYC를 구현함으로써 귀하의 비즈니스는 미래의 이벤트에 대비할 수 있습니다.
- 인적 오류: 수동 확인은 오류가 발생할 가능성이 높기 때문에 사기성 등록이 틈을 탈 가능성이 있습니다.
- ID 관리: 문서는 인쇄된 사본이기 때문에 이를 관리하는 것이 점점 더 어려워지고 있습니다. 복사본은 분실, 소각, 도난, 오용 등의 위험이 있습니다.
Amazon Rekognition이란 무엇입니까?
Amazon Rekognition은 Amazon Web Services(AWS)에서 제공하는 강력한 이미지 및 비디오 분석 서비스입니다. 고급 기계 학습 알고리즘을 활용하여 이미지와 비디오의 시각적 콘텐츠를 분석하여 개발자가 귀중한 통찰력을 추출하고 객체 감지, 얼굴 인식, 신원 확인과 같은 다양한 작업을 수행할 수 있도록 합니다. 아래의 단순한 다이어그램은 관련된 기능과 서비스에 대한 좋은 아이디어를 제공합니다.
Amazon Rekognition을 통한 신원 확인
구현을 안내하기 전에 온라인 KYC에 대한 신원 확인 구현과 관련된 높은 수준의 아이디어와 단계를 알려드리겠습니다.
- 사용자 온보딩: 이 프로세스는 비즈니스에 따라 다릅니다. 그러나 최소한 이름, 중간 이름, 성, 생년월일, 신분증 만료일 및 여권 크기 사진이 필요합니다. 이 모든 정보는 사용자에게 국가 신분증 이미지 업로드를 요청함으로써 수집될 수 있습니다.
- 텍스트 추출: AWS Textract 서비스는 업로드된 ID 카드에서 위의 모든 정보를 깔끔하게 추출할 수 있습니다. 뿐만 아니라 Textract를 쿼리하여 ID 카드에서 특정 정보를 가져올 수도 있습니다.
- 활동성 및 얼굴 인식: KYC를 시도하는 사용자가 화면에서 활성화되어 있고 활성 세션이 시작될 때 활성화되어 있는지 확인합니다. Amazon Rekognition은 이미지나 비디오 스트림 내에서 얼굴을 정확하게 감지하고 비교할 수 있습니다.
- 얼굴 분석: 얼굴이 캡처되면 나이, 성별, 감정, 얼굴 특징 등 얼굴 속성에 대한 자세한 통찰력을 제공합니다. 뿐만 아니라 사용자가 선글라스를 착용하고 있는지 또는 얼굴이 다른 물체에 의해 가려져 있는지도 확인합니다.
- 얼굴 매칭: Liveness 검증 후, 주민등록증에서 추출한 참조 이미지와 Liveness 세션의 현재 이미지를 기반으로 개인의 신원을 확인하기 위해 얼굴 매칭을 수행할 수 있습니다.
보시다시피 Rekognition은 캡처된 셀카를 분석하고 이를 사용자가 업로드한 정부 발급 ID와 비교하여 신속한 사용자 등록을 촉진합니다. Rekognition의 생체 감지 기능은 사용자에게 눈을 깜박이거나 머리를 돌리는 등의 특정 작업을 수행하도록 요청하여 스푸핑 시도를 방지하는 데 도움이 됩니다. 이를 통해 등록하는 사용자가 교묘하게 위장한 사진이나 딥 페이크가 아닌 실제 사람임을 보장합니다. 이 자동화된 프로세스는 온보딩 시간을 크게 줄여 사용자 경험을 향상시킵니다. Rekognition은 수동 검증에 내재된 인적 오류 가능성을 제거합니다. 또한 얼굴 인식 알고리즘은 높은 정확도를 달성하여 안정적인 신원 확인을 보장합니다.
이제 여러분이 실제로 작동하는 모습을 보고 매우 기뻐하실 거라 생각합니다. 곧바로 시작해 보겠습니다.
신원 확인 구현: 자동화된 KYC 솔루션
1단계: AWS 계정 설정
시작하기 전에 활성 AWS 계정이 있는지 확인하십시오. 아직 가입하지 않았다면 AWS 웹 사이트에서 AWS 계정에 가입할 수 있습니다. 가입한 후 Rekognition 서비스를 활성화하세요. AWS는 이 프로세스를 용이하게 하기 위해 포괄적인 문서와 자습서를 제공합니다.
2단계: IAM 권한 설정
Python 또는 AWS CLI를 사용하려면 이 단계가 필요합니다. Rekognition, S3 및 Textract에 액세스하려면 권한을 제공해야 합니다. 이 작업은 콘솔에서 수행할 수 있습니다.
3단계: 사용자 국가 ID 업로드
CLI, Python 및 그래픽 인터페이스를 통해 이를 보여 드리겠습니다. 그래픽 인터페이스용 코드를 찾고 있다면 AWS에서 멋진 코드를 업로드했습니다. 자식의 예. 이 기사에서는 그래픽 인터페이스를 표시하기 위해 동일한 코드를 배포했습니다.
aws textract analyze-id --document-pages
'{"S3Object":{"Bucket":"bucketARN","Name":"id.jpg"}}'
"IdentityDocuments": [
{
"DocumentIndex": 1,
"IdentityDocumentFields": [
{
"Type": {
"Text": "FIRST_NAME"
},
"ValueDetection": {
"Text": "xyz",
"Confidence": 93.61839294433594
}
},
{
"Type": {
"Text": "LAST_NAME"
},
"ValueDetection": {
"Text": "abc",
"Confidence": 96.3537826538086
}
},
{
"Type": {
"Text": "MIDDLE_NAME"
},
"ValueDetection": {
"Text": "",
"Confidence": 99.16631317138672
}
},
{
"Type": {
"Text": "SUFFIX"
},
"ValueDetection": {
"Text": "",
"Confidence": 99.16964721679688
}
},
{
"Type": {
"Text": "CITY_IN_ADDRESS"
},
"ValueDetection": {
"Text": "",
"Confidence": 99.17261505126953
}
},
{
"Type": {
"Text": "ZIP_CODE_IN_ADDRESS"
},
"ValueDetection": {
"Text": "",
"Confidence": 99.17854309082031
}
},
{
"Type": {
"Text": "STATE_IN_ADDRESS"
},
"ValueDetection": {
"Text": "",
"Confidence": 99.15782165527344
}
},
{
"Type": {
"Text": "STATE_NAME"
},
"ValueDetection": {
"Text": "",
"Confidence": 99.16664123535156
}
},
{
"Type": {
"Text": "DOCUMENT_NUMBER"
},
"ValueDetection": {
"Text": "123456",
"Confidence": 95.29527282714844
}
},
{
"Type": {
"Text": "EXPIRATION_DATE"
},
"ValueDetection": {
"Text": "22 OCT 2024",
"NormalizedValue": {
"Value": "2024-10-22T00:00:00",
"ValueType": "Date"
},
"Confidence": 95.7198486328125
}
},
{
"Type": {
"Text": "DATE_OF_BIRTH"
},
"ValueDetection": {
"Text": "1 SEP 1994",
"NormalizedValue": {
"Value": "1994-09-01T00:00:00",
"ValueType": "Date"
},
"Confidence": 97.41930389404297
}
},
{
"Type": {
"Text": "DATE_OF_ISSUE"
},
"ValueDetection": {
"Text": "23 OCT 2004",
"NormalizedValue": {
"Value": "2004-10-23T00:00:00",
"ValueType": "Date"
},
"Confidence": 96.1384506225586
}
},
{
"Type": {
"Text": "ID_TYPE"
},
"ValueDetection": {
"Text": "PASSPORT",
"Confidence": 98.65157318115234
}
}
위 명령은 AWS Textract analyze-id 명령을 사용하여 S3에 이미 업로드된 이미지에서 정보를 추출합니다. 출력 JSON에는 경계 상자도 포함되어 있으므로 핵심 정보만 표시하기 위해 잘렸습니다. 보시다시피 텍스트 값의 신뢰 수준과 함께 필요한 모든 정보를 추출했습니다.
Python 함수 사용
textract_client = boto3.client('textract', region_name='us-east-1')
def analyze_id(document_file_name)->dict:
if document_file_name is not None:
with open(document_file_name, "rb") as document_file:
idcard_bytes = document_file.read()
'''
Analyze the image using Amazon Textract.
'''
try:
response = textract_client.analyze_id(
DocumentPages=[
{'Bytes': idcard_bytes},
])
return response
except textract_client.exceptions.UnsupportedDocumentException:
logger.error('User %s provided an invalid document.' % inputRequest.user_id)
raise InvalidImageError('UnsupportedDocument')
except textract_client.exceptions.DocumentTooLargeException:
logger.error('User %s provided document too large.' % inputRequest.user_id)
raise InvalidImageError('DocumentTooLarge')
except textract_client.exceptions.ProvisionedThroughputExceededException:
logger.error('Textract throughput exceeded.')
raise InvalidImageError('ProvisionedThroughputExceeded')
except textract_client.exceptions.ThrottlingException:
logger.error('Textract throughput exceeded.')
raise InvalidImageError('ThrottlingException')
except textract_client.exceptions.InternalServerError:
logger.error('Textract Internal Server Error.')
raise InvalidImageError('ProvisionedThroughputExceeded')
result = analyze_id('id.jpeg')
print(result) # print raw output
그래픽 인터페이스 사용
보시다시피 Textract는 모든 관련 정보를 가져왔고 ID 유형도 표시합니다. 이 정보는 고객이나 사용자를 등록하는 데 사용될 수 있습니다. 하지만 그 전에 실제 사람인지 확인하기 위해 Liveness 검사를 수행해 보겠습니다.
활동성 확인
사용자가 아래 이미지에서 시작 확인을 클릭하면 먼저 얼굴을 감지하고 화면에 얼굴이 하나만 있으면 Liveness 세션이 시작됩니다. 개인정보 보호를 위해 전체 Liveness 세션을 표시할 수 없습니다. 그러나 이것을 확인할 수 있습니다 데모 영상 링크. Liveness 세션은 % 신뢰도로 결과를 제공합니다. 또한 Liveness 세션이 실패하는 임계값을 설정할 수도 있습니다. 이와 같은 중요한 애플리케이션의 경우 임계값을 95%로 유지해야 합니다.
Liveness 세션은 자신감 외에도 얼굴에서 감지된 감정과 이물질도 제공합니다. 사용자가 선글라스를 착용하거나 분노 등의 표정을 나타내는 경우 애플리케이션에서 이미지를 거부할 수 있습니다.
파이썬 코드
rek_client = boto3.client('rekognition', region_name='us-east-1')
sessionid = rek_client.create_face_liveness_session(Settings={'AuditImagesLimit':1,
'OutputConfig': {"S3Bucket": 'IMAGE_BUCKET_NAME'}})
session = rek_client.get_face_liveness_session_results(
SessionId=sessionid)
얼굴 비교
사용자가 Liveness 세션을 성공적으로 완료하면 애플리케이션은 ID에서 감지된 얼굴과 얼굴을 비교해야 합니다. 이것이 우리 애플리케이션에서 가장 중요한 부분입니다. 아이디와 얼굴이 일치하지 않는 사용자는 등록하고 싶지 않습니다. 업로드된 ID에서 감지된 얼굴은 참조 이미지 역할을 하는 코드에 의해 이미 S3에 저장되어 있습니다. 마찬가지로 활성 세션의 얼굴도 S3에 저장됩니다. 먼저 CLI 구현을 확인해 보겠습니다.
CLI 명령
aws rekognition compare-faces
--source-image '{"S3Object":{"Bucket":"imagebucket","Name":"reference.jpg"}}'
--target-image '{"S3Object":{"Bucket":"imagebucket","Name":"liveness.jpg"}}'
--similarity-threshold 0.9
산출
{
"UnmatchedFaces": [],
"FaceMatches": [
{
"Face": {
"BoundingBox": {
"Width": 0.12368916720151901,
"Top": 0.16007372736930847,
"Left": 0.5901257991790771,
"Height": 0.25140416622161865
},
"Confidence": 99.0,
"Pose": {
"Yaw": -3.7351467609405518,
"Roll": -0.10309021919965744,
"Pitch": 0.8637830018997192
},
"Quality": {
"Sharpness": 95.51618957519531,
"Brightness": 65.29893493652344
},
"Landmarks": [
{
"Y": 0.26721030473709106,
"X": 0.6204193830490112,
"Type": "eyeLeft"
},
{
"Y": 0.26831310987472534,
"X": 0.6776827573776245,
"Type": "eyeRight"
},
{
"Y": 0.3514654338359833,
"X": 0.6241428852081299,
"Type": "mouthLeft"
},
{
"Y": 0.35258132219314575,
"X": 0.6713621020317078,
"Type": "mouthRight"
},
{
"Y": 0.3140771687030792,
"X": 0.6428444981575012,
"Type": "nose"
}
]
},
"Similarity": 100.0
}
],
"SourceImageFace": {
"BoundingBox": {
"Width": 0.12368916720151901,
"Top": 0.16007372736930847,
"Left": 0.5901257991790771,
"Height": 0.25140416622161865
},
"Confidence": 99.0
}
}
위에서 볼 수 있듯이 일치하지 않는 얼굴은 없으며 얼굴은 99% 신뢰 수준으로 일치합니다. 또한 추가 출력으로 경계 상자를 반환했습니다. 이제 Python 구현을 살펴보겠습니다.
파이썬 코드
rek_client = boto3.client('rekognition', region_name='us-east-1')
response = rek_client.compare_faces(
SimilarityThreshold=0.9,
SourceImage={
'S3Object': {
'Bucket': bucket,
'Name': idcard_name
}
},
TargetImage={
'S3Object': {
'Bucket': bucket,
'Name': name
}
})
if len(response['FaceMatches']) == 0:
IsMatch = 'False'
Reason = 'Property FaceMatches is empty.'
facenotMatch = False
for match in response['FaceMatches']:
similarity:float = match['Similarity']
if similarity > 0.9:
IsMatch = True,
Reason = 'All checks passed.'
else:
facenotMatch = True
위 코드는 임계값을 90%로 유지하면서 신분증과 Liveness 세션에서 감지된 얼굴을 비교합니다. 얼굴이 일치하면 IsMatch 변수가 True로 설정됩니다. 따라서 단 한 번의 함수 호출로 두 얼굴을 비교할 수 있으며 두 얼굴 모두 이미 S3 버킷에 업로드되어 있습니다.
마지막으로 유효한 사용자를 등록하고 KYC를 완료할 수 있습니다. 보시다시피 이는 완전히 자동화되고 사용자가 시작하며 다른 사람은 관여하지 않습니다. 또한 이 프로세스는 현재 수동 프로세스에 비해 사용자 온보딩 시간을 단축했습니다.
4단계: GPT와 같은 문서 쿼리
저는 Textract의 매우 유용한 기능 중 하나가 마음에 들었습니다. "ID 번호는 무엇입니까?"와 같은 구체적인 질문을 할 수 있습니다. AWS CLI를 사용하여 이 작업을 수행하는 방법을 보여 드리겠습니다.
aws textract analyze-document --document '{"S3Object":{"Bucket":"ARN","Name":"id.jpg"}}'
--feature-types '["QUERIES"]' --queries-config '{"Queries":[{"Text":"What is the Identity No"}]}'
이전에는 analyze-id 기능을 사용했지만 지금은 analyze-document를 사용하여 문서를 쿼리하고 있습니다. 이는 analyze-id 기능으로 추출되지 않은 ID 카드의 특정 필드가 있는 경우 매우 유용합니다. 분석 ID 기능은 모든 미국 ID 카드에서 잘 작동하지만 인도 정부 ID 카드에서도 잘 작동합니다. 그래도 일부 필드가 추출되지 않은 경우 쿼리 기능을 사용할 수 있습니다.
AWS는 DynamoDB에 저장된 사용자 자격 증명, 사용자 ID 및 얼굴 ID를 관리하기 위해 cognito 서비스를 사용합니다. 또한, AWS 샘플 코드에서는 동일한 사용자가 다른 ID나 사용자 이름을 사용하여 재등록할 수 없도록 기존 데이터베이스의 이미지를 비교합니다. 이러한 종류의 검증은 강력한 자동화된 KYC 시스템을 위해 필수입니다.
결론
자동 셀프 KYC를 위한 AWS Rekognition을 도입하면 사용자 온보딩 프로세스를 힘든 장애물에서 원활하고 안전한 환경으로 전환할 수 있습니다. Amazon Rekognition은 고급 얼굴 인식 기능을 갖춘 신원 확인 시스템을 구현하기 위한 강력한 솔루션을 제공합니다. 개발자는 해당 기능을 활용하여 보안 조치를 강화하고, 사용자 인증 프로세스를 간소화하며, 다양한 애플리케이션과 산업 전반에 걸쳐 원활한 사용자 경험을 제공할 수 있습니다.
위에 설명된 종합 가이드를 통해 Amazon Rekognition을 사용하여 신원 확인을 효과적으로 구현하는 여정을 시작할 수 있습니다. AI 기반 신원 확인의 힘을 활용하고 디지털 신원 관리 영역에서 새로운 가능성을 열어보세요.
주요 요점
- Amazon Rekognition은 고급 얼굴 인식 및 분석 기능을 제공하여 간소화되고 안전한 신원 확인 프로세스를 촉진합니다.
- 정부가 발급한 신분증에서 필수 정보를 추출하고 생체 확인을 수행하여 자동화된 사용자 온보딩을 가능하게 합니다.
- 구현 단계에는 AWS 서비스 설정, IAM 권한 구성, 텍스트 추출 및 얼굴 비교를 위한 Python 기능 또는 그래픽 인터페이스 활용이 포함됩니다.
- 실시간 생체 검사는 확인 중에 사용자가 있는지 확인하여 보안을 강화하는 동시에 얼굴 비교를 통해 참조 이미지와 신원을 확인합니다.
이 기사에 표시된 미디어는 Analytics Vidhya의 소유가 아니며 작성자의 재량에 따라 사용됩니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://www.analyticsvidhya.com/blog/2024/03/how-to-implement-identity-verification-using-amazon-rekognition/
- :있다
- :이다
- :아니
- $UP
- 00
- 1
- 100
- 1994
- 2%
- 2024
- 22
- 23
- 4
- 65
- 9
- 95%
- 97
- 98
- a
- ABC
- 위의
- ACCESS
- 계정
- 정확히
- 달성
- 가로질러
- 행동
- 동작
- 행위
- 활성화
- 활동적인
- 고착
- 많은
- 후
- 반대
- 나이
- AI
- 알고리즘
- All
- 허용
- 따라
- 이미
- 또한
- 아마존
- 아마존 인식
- 아마존 텍사스
- Amazon Web Services
- Amazon Web Services (AWS)
- an
- 분석
- 분석
- 분석 Vidhya
- 분석하다
- 분석하는
- 및
- 분노
- 어플리케이션
- 어플리케이션
- 접근
- 있군요
- 기사
- AS
- 문의
- 질문
- 관련
- At
- 시도
- 속성
- 인증
- 자동화
- 떨어져
- AWS
- 기반으로
- BE
- 전에
- 시작하다
- 이하
- 출생
- 블로거톤
- 두
- 박스
- 대부분
- 탄
- 사업
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 바이트
- 전화
- CAN
- 얻을 수 있습니다
- 기능
- 캡처
- 카드
- 카드
- 도전
- 과제
- 검사
- 확인하는 것이 좋다.
- 클리
- 암호
- 모은
- 수집
- 비교
- 비교
- 비교
- 비교
- 완전한
- 진행완료
- 포괄적 인
- 자신
- 구성
- 콘솔에서
- 이 포함되어 있습니다
- 함유량
- 사본들
- 복사
- 비용 효율적인
- 적용
- 만들
- 범죄
- 임계
- Current
- 고객
- 고객
- 데이터베이스
- 날짜
- 깊은
- def
- 배달하다
- 탐구하다
- 보여
- 배포
- 상세한
- 검색
- 탐지 된
- Detection System
- 개발자
- 도표
- DICT
- 다른
- 디지털
- 디지털 정체성
- 신중
- do
- 문서
- 선적 서류 비치
- 서류
- 하지 않습니다
- 한
- ...동안
- 이전
- 생태계
- 효과적으로
- 거림
- 그렇지 않으면
- 태우다
- 포옹
- 포용
- 감정
- 빈
- 수
- 가능
- 강화
- 강화
- 확인
- 보장
- 보장
- 오류
- 오류
- 필수
- 등
- 에테르 (ETH)
- 이벤트
- 초과
- 외
- 흥분한
- 현존하는
- 경험
- 체험
- 만료
- 표현
- 여분의
- 추출물
- 추출
- 페이스메이크업
- 직면
- 얼굴
- 얼굴 마사지
- 얼굴 인식
- 용이하게하다
- 을 용이하게
- 촉진
- 실패
- 모조품
- 그릇된
- 특색
- 특징
- 가져옴
- Fields
- 최종적으로
- 금융
- 금융 범죄
- 금융 부문
- 금융 서비스
- 먼저,
- 흙손
- 럭셔리
- 외국의
- 사기의
- 에
- 가득 찬
- 충분히
- 기능
- 기능
- 미래
- 성별
- 얻을
- 점점
- 주기
- 제공
- 좋은
- Government
- 성장하는
- 안내
- 있다
- 머리
- 머리
- 신장
- 도움
- 높은
- 고수준
- 그의
- 방법
- How To
- 그러나
- HTTPS
- 사람의
- 장애물
- i
- IAM
- ID
- 생각
- 식별
- 정체성
- 통합 인증
- 신원 관리
- 신원 확인
- 식별자
- if
- 영상
- 형상
- 영향
- 구현
- 이행
- 구현
- 중요성
- 개선
- in
- 포함
- 포함
- 옥수수
- 인도 정부
- 개인
- 산업
- 정보
- 고유의
- 통찰력
- 인터페이스
- 인터페이스
- 내부의
- 으로
- 무효의
- 참여
- 포함
- IT
- 그
- 여행
- JPEG
- JPG
- JSON
- 다만
- 딱 하나만
- 유지
- 유지
- 키
- 종류
- 알아
- 고객 알기
- KYC
- 랜드 마크
- 경치
- 넓은
- 성
- 세탁
- 배우기
- 왼쪽 (left)
- 하자
- 레벨
- 레버리지
- 처럼
- 살고있다
- 생동감
- 찾고
- 잃어버린
- 기계
- 기계 학습
- 유지
- 확인
- 구축
- 관리
- 위임
- 조작
- 장터
- 경기
- 성냥
- 어울리는
- 최대 폭
- me
- 조치들
- 미디어
- 중간
- 최저한의
- 돈
- 자금세탁
- 또한
- 가장
- 운동
- 절대로 필요한 것
- name
- 국가의
- 깔끔하게
- 필요
- 신제품
- 좋은
- 아니
- 없음
- 코
- 주의
- 지금
- 대상
- 객체 감지
- 사물
- 10월
- of
- 제공
- 제공
- on
- 온 보딩
- 일단
- ONE
- 온라인
- 온라인 마켓 플레이스
- 만
- 운영
- or
- 기타
- 우리의
- 설명
- 출력
- 소유
- 세계적 유행병
- 최고의
- 부품
- 합격
- 여권
- 수행
- 실행할 수 있는
- 허가
- 권한
- 사람
- 사진
- 피치
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 포즈를 취하게하다
- 가능성
- 가능한
- 가능성
- 잠재적으로
- 힘
- 강한
- 제시
- 인쇄
- 개인 정보 보호
- 방법
- 프로세스
- 재산
- 제공
- 제공
- 제공
- 출판
- Python
- 품질
- 쿼리
- 질문
- 문의
- 모집
- 빠른
- 거주비용
- 살갗이 벗어 진
- 준비
- 현실
- 왕국
- 이유
- 이유
- 인식
- 감소
- 참고
- 회원가입
- 등록
- 등록
- 규정
- 규정은
- 거부
- 관련된
- 신뢰할 수있는
- 필수
- 응답
- 한정된
- 결과
- 결과
- return
- 혁명적 인
- 강력한
- 롤
- 같은
- 견본
- 라고
- 과학
- 화면
- 원활한
- 부문
- 부문
- 안전해야합니다.
- 보안
- 보안 조치
- 참조
- 본인
- Selfie
- 섬기는 사람
- 서비스
- 서비스
- 세션
- 세트
- 설정
- 단축
- 영상을
- 표시
- 보여주는
- 표시
- 쇼
- 기호
- 서명
- 의미
- 상당한
- 크게
- 비슷하게
- 단순
- 이후
- 크기
- 펴다
- So
- 해결책
- 일부
- 출처
- 전문
- 구체적인
- 스타트
- 시작
- 시작
- 단계
- 단계
- 아직도
- 훔친
- 저장
- 직진
- 전략
- 유선
- 간소화 된
- 능률화
- 스트림
- 성공적으로
- 이러한
- 확인
- 느끼기 쉬운
- 체계
- 시스템은
- 받아
- 작업
- 본문
- 그
- XNUMXD덴탈의
- 그들의
- 그들
- 그때
- 그곳에.
- 따라서
- Bowman의
- 이
- 임계값
- 을 통하여
- 처리량
- 방해하다
- 시간이 많이 걸리는
- 시대
- 에
- 오늘의
- 너무
- 상단
- 전통적으로
- 변환
- 변화
- 참된
- 시도
- 노력
- 선회
- 자습서
- 두
- 유형
- 일반적으로
- 아래에
- 잠금을 해제
- 타의 추종을 불허하는
- 업로드
- us
- 사용
- 익숙한
- 유용
- 사용자
- 사용자 경험
- 사용자
- 사용
- 사용
- 이용하다
- 활용
- 유효한
- 유효 기간
- 검증
- 확인
- 가치 있는
- 가치
- 변수
- 여러
- 확인
- 확인
- 확인하는
- 대단히
- Video
- 동영상
- 시각
- 필요
- 였다
- we
- 웹
- 웹 서비스
- 웹
- 웹 사이트
- 잘
- 뭐
- 언제
- 어느
- 동안
- 누구의
- 의지
- 과
- 이내
- 일
- X
- XYZ
- 당신
- 너의
- 제퍼 넷