신용카드 이상 거래 검출을 위한 머신러닝 기반의 혼합형 Forest 알고리즘

Abstract

다양한 기술 발전으로 금융사에서는 고객, 사용자에게 보다 간편하고 편리한 신용카드 및 결제 환경을 제공하고 있다. 하지만 이러한 기술 발전과 비례하여 도난, 오용, 보이스피싱 등과 같은 피해에 쉽게 노출되었고 보안, 위험성 등의 대해서도 발전되기 시작하였다.

이러한 기술을 FDS(Fraud Detection System)이라고 하는데 이는 고객, 사용자가 금융 거래 시 이상 거래를 검출하여 예방 및 대응할 수 있도록 기능을 제공해준다. FDS(Fraud Detection System)은 시스템 설정 방식에서 일정한 패턴을 기준으로 검출하는 패턴 설정 방식으로 기술 발전되었다. 하지만 이와 같은 방법은 어느 정도의 사고에 대한 예방은 가능하였지만 보다 다양한 기술에 의한 사기, 보안에는 취약하였다. 따라서 머신러닝 기반의 이상 거래 검출 방법으로 기술이 발전되기 시작하였고 최근까지도 지속적인 연구를 통해 보안성을 높이는 방법을 진행하고 있다.

본 논문에서는 이상 거래 시 머신러닝 기반의 사용되는 학습 지도 알고리즘 중 주요 알고리즘 2가지와 비 학습 지도 중 주요 알고리즘 1가지의 성능을 비교하고 이를 바탕으로 각 각의 알고리즘의 장점을 살린 혼합형 Forest 알고리즘을 구현, 연구하여 성능 측정을 진행하였다. 이를 바탕으로 이상 거래 검출 시 최적, 효과적인 알고리즘에 대한 연구를 진행하였다.

성능을 측정한 결과 기존 알고리즘의 경우 학습 지도 알고리즘의 Random Forest가 Accuracy 기준 95.17%로 가장 높은 성능을 보였고 각 각의 알고리즘의 장점을 살린 혼합형 Forest 알고리즘의 경우 Accuracy 기준 96.48%로 기존 알고리즘보다 최소 1.31%, 최대 5.97%가 개선되었다.