earticle

영어

Financial companies are operating the Fraud Detection System(FDS) to cope with the ever-developing electronic financi al technology and attack technology that exploits it. For the detection and response of electronic financial abnormal transa ctions and telecommunications financial fraud, the existing FDS is operated based on scenario-based detection rules, that i s, Black List, but there is a limit to respond to attacks that cleverly bypass them. Accordingly, financial companies are see king to strengthen their response by applying artificial intelligence (AI) technology to existing FDS. In this paper, a deep learning model applicable to FDS is designed and implemented. The deep learning model for FDS proposed in this paper is a model that links Auto Encoder, an unsupervised learning base, and DNN, an supervised learning base. Abnormal transac tions are classified through Auto Encoder's data recovery rate, and abnormal financial transactions are detected and respo nded through scenario rule-based DNN verification. This model can increase the accuracy of detection and strengthen the response to abnormal financial transactions through continuous learning.

한국어

금융회사들은 나날이 발전하는 전자금융기술과 이를 악용하는 공격기술에 대응하기 위해 이상금융거래시스템(아하 FDS) 을 운영하고 있다. 전자금융 이상거래와 전기통신 금융사기의 탐지 및 대응을 위해 기존 FDS는 시나리오 기반 탐지룰 즉, 블 랙리스트(Black List) 기반으로 운영하고 있으나 이를 교묘하게 우회하는 공격에 대해서는 대응에 한계가 있다. 이에 금융회사 들은 기존 FDS에 인공지능(AI) 기술을 접목하여 대응 강화를 모색하고 있다. 본 논문에서는 FDS에 적용할 수 있는 딥러닝 모델을 설계하고 구현한다. 본 논문에서 제안하는 FDS를 위한 딥러닝 모델은 비지도학습 기반인 Auto Encoder과 지도학습 기반인 DNN을 연계한 모델이다. Auto Encoder의 데이터의 복원률을 통해서 이상거래를 분류하고 이를 시나리오 룰 기반의 DNN 검증을 통해 이상금융거래를 탐지하고 대응한다. 본 모델은 지속적인 학습을 통해 탐지의 정확도를 높이고 이상금융거 래 대응을 강화할 수 있다.