earticle

한국어

최근 코로나 사태로 인하여 비대면 거래가 점점 증가하는 추세로 그 중 모바일 소액 결제가 점점 높 은 비중을 차지하고 있다. 이와 동시에 모바일 금융 결제를 악용하여 보이스 피싱, 스미싱, 휴대폰 소 액결제 한도를 현금으로 바꿔주는 이른바 '소액결제 깡' 등 이상거래로 인하여 피해 사례도 함께 증가 하는 추세다. 이러한 이상거래는 점점 교묘해지고 피해 유형이 다양해짐에 따라 규칙 기반의 탐지만으 로는 한계가 있다. 이 한계를 보완하기 위해서는 이상 거래 패턴을 스스로 학습하여 이상거래를 스스 로 판단할 수 있는 기계학습 기법을 이용한 이상거래 탐지 시스템 (Fraud Detection System) 구축해 야 한다. 하지만 이상 거래 데이터는 정상 거래에 비해서 현저하게 적기 때문에 기계 학습 시 제한이 있다. 이러한 데이터 불균형을 보완하기 위해서 데이터 전처리 과정에서 Over-Sampling 방법론을 이용한다. 모바일 소액 결제는 사용자 편의성과 동일한 서비스와의 경쟁을 위하여 빠른 속도가 중요하 다. 그리하여 성능이 가장 뛰어난 알고리즘으로 기존의 결제 시스템의 성능보다 뛰어나거나 차이가 없 는 것에 중점을 두고 진행하고자 한다. 이를 기반한 알고리즘을 기존 룰 기반의 탐지 시스템에 연동하 여 이상 거래 탐지율 및 정확도를 상승시키고 오탐률을 최소화함으로써 기존 고객 이탈률을 최소화하 고, 추가적인 이상 거래 피해자 및 금융 이상 거래 발생률을 낮추는 것을 목표로 한다