.svg)
AI 솔루션 문의하기
비대면 거래가 늘어나면서 신용카드 사기 수법도 다양해지고 있습니다. 과거에는 카드 번호와 유효기간만으로도 결제가 가능한 해외 사이트를 노린 범죄가 많았습니다. 최근에는 다크웹에서 해킹된 카드 정보를 수집하고 암호화폐와 법정화폐 사이에서 자금을 세탁하는 방식까지 등장했습니다. 생성형 인공지능을 활용한 피싱 범죄도 증가하고 있어 금융회사들의 대응 방식도 함께 진화하고 있습니다.
△ 거래 패턴 실시간 분석
△ 비정상 행동 자동 감지
△ 사기 거래 즉시 차단
△ 금융회사에 경고 알림 전송
마스터카드는 인공지능을 활용해 신용카드 사기를 실시간으로 탐지하는 시스템을 운영하고 있습니다. 거래량이 방대해 사람이 일일이 확인하기 어려운 상황에서 AI가 의심 거래를 빠르게 찾아냅니다. 사용자의 카드 이용 패턴을 학습하여 평소와 다른 거래가 발생하면 즉시 경고를 보냅니다.예를 들어 해외에서 갑작스럽게 결제가 시도되거나 짧은 시간 안에 여러 건의 거래가 이루어질 경우 즉시 탐지하고 차단합니다.
KB국민카드는 딥러닝 기반 부정방지시스템을 개발해 카드 사용 패턴을 분석하고 있습니다. 시스템은 실제 사기 사례를 학습해 탐지 정확도를 높이는 방식으로 진화합니다. 카드사가 보유한 방대한 거래 데이터를 활용하면 보다 정교한 탐지 모델을 구축할 수 있으며, 이를 통해 부정거래 가능성을 사전에 줄일 수 있습니다.
금융 사기는 단독보다는 조직적으로 이루어지는 경우가 많습니다. 인공지능은 그래프 신경망(GNN) 기술을 활용해 거래 간의 연결 관계를 분석하고, 자금 흐름의 패턴을 추적합니다. 이를 통해 사기 조직의 연계 구조를 식별할 수 있습니다.뉴욕 멜론은행은 연합학습(Federated Learning) 방식을 도입해 데이터 공유 없이 탐지 정확도를 개선한 사례를 제시하고 있습니다.
아메리칸익스프레스는 모든 고객 거래를 실시간으로 모니터링하고 있습니다. 수 밀리초 단위로 사기 여부를 판별해 거래를 승인하거나 차단합니다. 딥러닝 모델을 도입해 사기 방지 정확도를 높였으며, 엔비디아 트리톤 추론 서버와 텐서RT를 적용해 처리 속도를 개선했습니다. 고객은 정상 거래가 불필요하게 차단되는 불편 없이 빠르게 결제를 완료할 수 있습니다.
페이팔은 글로벌 거래를 실시간으로 보호하기 위한 사기 탐지 시스템을 구축했습니다. 엔비디아 GPU 기반 추론 기술을 적용해 탐지 속도와 정확도를 높였으며, 서버 구조를 최적화해 운영 효율도 향상시켰습니다. 이를 통해 정상 거래가 오탐지로 차단되는 비율을 낮추고, 고객의 안전성과 편의성을 동시에 확보했습니다.
△ 과거 행동 패턴 분석
△ 거래 신뢰도 평가
△ 아이피 주소·기기 ID 확인
△ 배송 주소 검증
마스터카드는 ‘디시전 인텔리전스 프로(Decision Intelligence Pro)’ 시스템을 통해 사용자 특성과 과거 거래 데이터를 분석하고 거래의 신뢰도를 평가합니다. 또한 ‘퍼스트파티 트러스트 프로그램(First-Party Trust Program)’을 운영해 정당한 거래 후 환불을 가장한 사기를 방지하고 있습니다. 아이피 주소, 기기 아이디, 배송 주소 등을 AI가 교차 검증하여 의심스러운 거래 패턴을 실시간으로 탐지합니다.
사기 탐지 시스템이 너무 민감하면 정상 거래까지 차단되는 문제가 발생합니다. 예를 들어 고객이 해외여행 중 결제했을 때 이를 사기로 오인하면 불편이 커집니다.최근 AI 시스템은 사용자의 행동 패턴을 지속적으로 학습해 오탐지를 줄이는 방향으로 발전하고 있습니다. 또한 모델의 설명 가능성(Explainability) 을 강화해, 특정 거래를 의심한 이유를 사람이 확인할 수 있도록 개선되고 있습니다.
생성형 인공지능은 사기 거래 검토를 담당하는 인력을 보조합니다. 대규모 언어 모델이 내부 규정과 정책 문서를 바탕으로 의사 결정을 돕고, 고객의 다음 거래를 예측해 위험도를 사전에 평가합니다.
이를 통해 보고서 작성과 검토 시간이 단축되고, 규제 준수 리스크를 완화하는 효과를 얻고 있습니다.
실제 사기 사례는 전체 거래 중 극히 일부에 불과해 학습 데이터가 부족한 경우가 많습니다. 개인정보 보호 이슈도 존재합니다. 생성형 인공지능은 합성 데이터를 생성해 이 문제를 해결합니다. 실제 사기 패턴과 유사하지만 개인정보가 포함되지 않은 데이터를 활용해 학습 효율을 높이고, 다양한 시나리오를 시뮬레이션할 수 있습니다.
사기 수법은 계속 진화하기 때문에 과거 데이터만으로는 한계가 있습니다. 이에 비지도 학습 기반 이상 탐지 알고리즘이 주목받고 있습니다. 시스템은 정상 거래 패턴을 학습한 뒤, 이와 다른 형태의 거래를 자동으로 찾아냅니다. 레이블링되지 않은 데이터에서도 새로운 사기 유형을 감지할 수 있어, 데이터 구축 시간과 비용을 절감하는 데 도움이 됩니다.
신한카드는 앱카드 ‘팬페이봇’에 인공지능을 적용해 고객 맞춤 서비스를 제공하고 있습니다. 삼성카드는 서울대학교와 협력해 AI 기반 개인화 마케팅 모델을 개발 중이며, 하나카드는 한국전자통신연구원(ETRI)과 함께 AI 기반 보안 서비스를 연구하고 있습니다.국내 카드사들은 축적된 소비 패턴 데이터를 활용해 고객 맞춤 서비스와 부정거래 탐지를 동시에 강화하고 있습니다.
초기 인공지능 탐지 시스템은 처리 속도가 느려 실시간 대응이 어려웠지만, 최근에는 하드웨어 성능 향상과 알고리즘 최적화를 통해 밀리초 단위의 판단이 가능해졌습니다. 클라우드 기반 인프라를 활용하면 거래량이 급증해도 안정적인 처리가 가능하며 딥러닝 알고리즘의 발전으로 정교한 위조 시도까지 탐지할 수 있는 수준에 이르렀습니다.
.svg)
.svg)
