.svg)
AI 솔루션 문의하기
이상거래 탐지 모델을 학습시키는 데이터는 대부분 정상거래이고, 실제 이상거래는 전체의 극히 일부입니다. 이 불균형 자체는 자연스러운 현상이지만, 검증 과정에서는 오히려 걸림돌이 될 수 있습니다. 정상거래 데이터의 라벨 오류는 전체 데이터 양에 묻혀 잘 드러나지 않는 반면, 이상거래 라벨 하나의 오류는 학습에 미치는 영향이 그만큼 큽니다. 소수인 이상거래 라벨을 정상거래 라벨보다 더 촘촘하게 검증하는 절차가 필요한 이유입니다. 이상거래로 표시된 건은 검증자가 거래 맥락과 판정 근거까지 함께 확인하도록 하고, 정상거래는 표본을 추출해 확률적으로 점검하는 방식으로 검증 강도를 차등화하는 방안도 고려할 수 있습니다.
거래가 발생한 시점과 그 거래가 실제 사기로 확정되는 시점 사이에는 시차가 있습니다. 카드사나 이용자의 신고, 조사 절차를 거쳐야 최종 판정이 나오기 때문입니다. 이 시차 동안 데이터셋에는 아직 확정되지 않은 거래가 정상으로 분류된 채 남아 있을 수 있습니다. 일정 기간이 지난 뒤 최종 판정 결과를 다시 조회해 라벨을 갱신하는 절차를 갖추지 않으면, 실제로는 사기였던 거래가 정상거래로 학습에 반영되는 문제가 생깁니다. 조사가 오래 걸리는 사례는 잠정 라벨을 별도로 표시해 두고, 정식 라벨과 구분해서 학습에 반영하는 방식도 고려할 만합니다.
이상거래로 분류되었던 거래가 조사 결과 정상으로 정정되거나, 반대로 정상거래로 넘어갔던 거래가 나중에 사기로 밝혀지는 경우가 있습니다. 이미 학습에 쓰인 데이터의 라벨이 바뀌면 그 데이터로 학습한 모델도 함께 다시 살펴봐야 합니다. 라벨이 정정된 이력을 데이터셋에 함께 기록해 두고, 정정 건수가 일정 수준을 넘으면 재학습 검토로 이어지는 기준을 마련해 두면 이런 변화를 놓치지 않고 반영할 수 있습니다. 정정 이력이 특정 거래 유형이나 특정 시기에 몰려 있다면, 그 구간의 데이터 전체를 다시 살펴보는 별도 점검으로 이어가는 편이 안전합니다.
이상거래 수법은 탐지 모델을 우회하는 방향으로 계속 진화합니다. 과거에 확보한 데이터만으로 학습한 모델은 새로 등장한 수법 앞에서 성능이 떨어지기 쉽습니다. 최근 일정 기간 안에 발생한 거래 데이터의 비중을 정기적으로 점검하고, 오래된 패턴 위주로 데이터가 굳어 있지는 않은지 확인하는 절차가 필요합니다. 새로운 수법이 확인되면 관련 사례를 우선적으로 수집해 데이터셋에 반영하는 별도 경로도 마련해 두어야 합니다. 특정 수법 하나가 갑자기 늘어나는 시기에는 정기 점검 주기를 기다리지 않고 즉시 데이터셋을 보강하는 예외 절차도 함께 필요합니다.
극단적인 불균형을 그대로 두고 학습하면 모델이 이상거래를 거의 잡아내지 못하는 결과로 이어지기 쉬워, 이상거래 데이터를 늘리거나 정상거래 데이터를 줄이는 방식으로 균형을 맞추는 작업이 함께 이루어집니다. 이 과정에서 실제 거래 패턴과 다른 인위적인 데이터가 섞여 들어갈 위험도 함께 생깁니다. 증강되거나 축소된 데이터가 실제 거래의 특성을 왜곡하지 않았는지 원본 데이터와 비교해 확인하는 절차를 검증 단계에 포함해야 합니다. 증강된 이상거래 데이터가 특정 패턴에 지나치게 몰려 있으면, 모델이 그 패턴만 과도하게 학습해 다른 유형의 이상거래는 오히려 놓치는 결과로 이어질 수 있습니다.
거래 데이터에는 계좌번호, 거래 상대방, 금액처럼 민감한 정보가 담겨 있습니다. 계좌번호나 카드번호처럼 직접 식별이 가능한 항목은 암호화하거나 대체값으로 치환하고, 검증 작업에 참여하는 인력의 접근 범위도 업무에 필요한 최소한으로 제한하는 절차가 함께 필요합니다. 검증 과정에서 실제 거래 내역을 확인해야 하는 경우가 많은 만큼, 이 접근 기록을 남겨 두는 작업도 함께 이루어져야 합니다. 접근 권한을 부여받은 인력이라도 담당하지 않는 계좌나 거래를 조회하는 경우가 없는지, 접근 로그를 주기적으로 점검하는 절차도 함께 필요합니다.
이상거래 탐지 데이터를 검증하는 체계를 갖추려면, 우선 라벨 확정 시차를 반영하는 갱신 주기와 재학습으로 이어지는 정정 기준부터 정해야 합니다. 이를 바탕으로 최신 수법 반영 경로, 불균형 보정 데이터의 재검증 절차를 설계하고, 금융정보 접근 권한과 기록 관리 기준도 함께 마련해야 합니다. 여러 기관의 데이터를 함께 다루는 경우에는 기관마다 다른 사기 판정 기준을 어떻게 통일할지도 미리 정리해 두는 편이 좋습니다. 한 기관에서는 이상거래로 분류하는 패턴을 다른 기관은 정상 범위로 보는 경우도 있어, 데이터를 합치기 전에 판정 기준 자체를 먼저 맞춰 두는 작업이 선행되어야 합니다.
.svg)
.svg)
