• 화. 10월 20th, 2020

정보통신 기술 및 전자기 술의 발전

Avatar

Byadmin

8월 25, 2020

1920년대에 처음 도입되었고, 1950년대 후반에 미국 주요 은행들이 참여한 이후로, 신용카드는 현금과 함께 사람들의 주요 거래 혹은 결제 수단이 되어왔다. 한국은 행이 조사한 <2016년 지급수단 이용 행태 조사 >에 따 르면 대한민국 개인의 신용카드 및 체크, 직불카드 보유 비율은 각각 93.3%, 98.3%로 성인 거의 대부분이 카드 를 보유하고 있다. 수많은 이점 및 편의성을 제공해주는 신용카드이지만, 탄생한 이후로 신용카드와 관련하여 수 많은 이상 거래(Fraud) 방법들이 생겨났다.

이러한 이상 거래를 어떻게 예방할 것인지, 그리고 이상 거래가 발생 하였을 때 이를 어떻게 탐지할 것인가는 금융권의 가장 중요한 이슈 중 하나이다. 처음에는 단순히 장부에 기록 되는 형태의 신용카드였지만, 정보통신 기술 및 전자기 술의 발전으로 전산화되었고, 이는 이상 거래 탐지를 위 하여 관련 도메인 지식만을 활용하던 초기의 탐지 방식 을 넘어서, 사용된 카드의 데이터를 축적하고 이를 전산 적으로 분석하는 데이터 기반 분석을 가능하게 해주었다.

신용카드 사용 관련 이상 거래 혹은 이상 패턴 탐지 (Fraud Detection)는 카드 사용이 실시간으로 이루어지 고, 이상 거래가 발생하자마자 이를 탐지해야 한다는 점 에서 스트리밍 분석이고, 이는 일반적인 배치 분석과는 차이점을 가진다. 카드 사용 데이터가 실시간으로 스트 림 되고, 즉각적인 이상 거래 탐지가 필요하기 때문에 배치 분석보다는 보다 빠른 분석이 필요하고, 새로 들어 온 데이터로부터의 재학습에도 보다 빠른 학습이 요구 된다. 데이터에서 필요한 혹은 중요한 정보만을 추출 혹 은 압축함으로써 처리해야 할 데이터의 크기을 줄일 수 있고[1], 이는 스트림 데이터 분석이 필요로 하는 빠른 연산 속도 성취에 도움이 될 것이다.

본 논문에서는 인공신경망을 활용한 데이터 축소 방 식인 오토인코더를 사용하여, 이상 거래 탐지를 위한 탐 지 성능은 유지하면서, 학습 및 탐지 속도를 향상시키는 방법을 제안하고자 한다. 데이터의 특성 혹은 변수들간의 선형 결합만을 포착할 수 있는 주성분 분석(Principle Component Analysis – PCA)에 비하여 오토인코더는 Sigmoid, Relu, Tanh 등의 Activation Function을 사 용하여 변수들간의 비선형적인 관계를 추출할 수 있을 뿐만 아니라, 주성분 분석을 사용하여 압축된 변수들 간 에서도 관계를 추출할 수 있는 유용한 데이터 축소 방 법이다. 이상 거래 탐지를 위한 기계학습 방법 중에서는 Random Forest 방식을 사용하였다. Random Forest는 이상 거래 탐지에 대하여 다른 기계학습 기법들보다 높 은 정밀도 및 재현율을 보여주었다[

출처 : 메이저토토사이트 ( https://scaleupacademy.io/ )

댓글 남기기