단스케 은행의 기존 사기 탐지 시스템은 시간이 지남에 따라 수작업 규칙을 더욱 폭넓게 적용시켜야 다. 이로 인해 전체 거래의 99.5 %에 이르는 엄청난 양의 오탐지(false positive)를 조사하는데 소요되는 비용과 시간은 증가했다. 반면 은행의 대규모 사기 탐지 팀의 업무피로도는 높아지고 활용도는 떨어지는 문제가 생기게 되었다.
이에 2016년 가을, 테라데이타의 씽크빅 애널리틱스(Think Big Analytics) 팀은 단스케 은행과의 협력을 시작했고, 단스케 은행은 데이터 활용 방법에 대한 전문 지식을 갖춘 전문가로 구성된 고급 분석 팀을 통해 광범위한 비즈니스에 더 많은 이점을 제공받을 수 있었다. 이 공동 팀은 은행의 기존 인프라 내에 프레임워크를 구축한 다음, 연간 수백만 건, 특히 피크 시간대에는 분당 수 십만 건이 넘는 거래에서 사기를 탐지하는 고급 머신 러닝 모델을 개발했다. 투명성을 보장하고 신뢰도를 높이기 위해 이 엔진에는 머신 러닝 모델 상단에 ‘해석 계층(interpretation layer)’이 포함되어 차단 활동에 대한 설명 및 해석을 제공한다.
모델링 관점에서 ‘사기’ 사례는 여전히 극히 드물며, 10 만건 당 1건이 실재한다. 팀은 이 모델에서 오탐지를 50%까지 줄이고 실제 탐지율을 약 60%까지 올려 사기 행위를 보다 잘 적발할 수 있도록 했다.
단스케 은행의 고급 분석 총괄인 나딤 굴자(Nadeem Gulzar)는 "애플리케이션 프러드(Application fraud)는 은행들의 가장 중요한 사안이다. 범죄자들은 하루 단위로도 더욱 노련해지고 있으며 정교한 머신 러닝 기법을 공격에 사용하기 때문에 그들을 적발하기 위해서는 머신 러닝과 같은 고급 기법을 사용하는 것이 중요하다"라며 "디지털 뱅킹과 모바일 뱅킹 애플리케이션이 확산됨에 따라 은행들은 가까운 미래에 또한 장기적으로 사기 행위(fraud)가 더욱 악화될 것으로 인식하고 있으며, 범죄자들에 대항하기 위해서는 최첨단 기법을 사용해야 한다는 점도 잘 알고 있다. 우리는 AI를 통해 이미 오탐지를 50% 줄였으며, 사기 탐지 팀 절반의 인력에게 더 높은 가치의 임무를 할당시킬 수 있었다”라고 말했다.
★정보보안 대표 미디어 데일리시큐!★
