.jpg)
각종 IT 기술 빠르게 도입하는 금융 업계지만, 머신러닝 도입은 느리기만 해
사기 방지 전문가들을 활용해 ‘사기 방지’부터 시작해보는 것, 도움될 수 있어
[보안뉴스 문가용 기자] 금융 업계 내에서 주요한 결정을 내리는 위치에 있는 사람들이 머신러닝의 효용성에 대해 이해하기 시작했다. 대량의 데이터를 인간이 흉내 내지 못하는 속도로 처리한다는 것과, 사업을 진행하는 데에 있어서 그 사실이 가진 의미를 말이다. 그러나 정작 머신러닝을 실제로 사용하는 조직은 절반도 되지 않는다. 왜 그럴까?
먼저는 머신러닝을 도입한다는 것이 솔루션을 하나 구매하는 것과는 전혀 다른 것이기 때문이다. 솔루션은 물론 플랫폼, 전문 인력, 시간까지도 투자해야 한다. 게다가 지난 몇 년 동안 머신러닝이라는 것을 어설프게 건드려봤다가 실패한 경험이 있는 경우도 꽤나 많다. 즉, 내부적으로 ‘머신러닝은 그저 지나가는 유행’이라거나 ‘과장된 광고’라는 인식이 자리를 잡은 것이다.
그러나 한 번에 조금씩, 빠르게 구축하고 성과를 볼 수 있는 프로젝트부터 시작하면 투자에 대한 부담과 과거 실패로부터 오는 아픔을 이겨내는 데 도움이 된다. 이런 목적에 알맞은 프로젝트가 하나 있는데, 바로 ‘사기 방지’다.
현재 사기 방지를 목적으로 한 머신러닝 알고리즘의 가장 큰 문제 중 하나는 데이터 과학자들이 최초의 모델을 구축해야 한다는 것이다. 사기 방지를 전문으로 하는 사람들은 거래의 유형과 절차 간의 관계를 살피면서 ‘사기 거래를 나타내는 지표들’을 꽤나 정확하게 짚어낼 수 있는데, 데이터 과학자들이라면 이야기가 조금 다르다. 보다 많은 데이터를 확보하고 분석해내야 사기 방지 전문가와 같은 결론을 끌어낼 수 있다.
사기 전문가냐 데이터 과학자냐
머신러닝의 성능을 좌지우지하는 건, 알고리즘에 주어지는 명령들이다. 명령과 데이터를 통해 배우면서 향상되어 가는 것이 머신러닝이기 때문에 입력되는 것들의 질을 높여야 하는 것이다. 이는 ‘사기 방지’라는 기능을 익히게 하는 데 있어 특히 어려울 수 있다. 사기 거래가 성공한 경우가 무척 적고, 따라서 인공지능이 학습할 수 있는 데이터가 그리 많지 않기 때문이다.
따라서 머신러닝에 명령을 입력해야 할 사람들은 데이터 과학자가 아니라 적은 데이터를 가지고 보다 빠르고 정확한 결과를 낼 수 있는 사기 방지 전문가여야 한다. 기업은 보다 빠른 시간 안에 성과를 낼 수 있을 것이다. 즉, 머신러닝이라는 것을 인공지능 전문가나 데이터 과학자의 전유물로 만드는 대신, 원래 금융 조직에 근무하고 있던, 그러나 컴퓨터 데이터 분석과는 거리가 먼 사기 방지 전문가들에게까지 전파하라는 것이다. 인공지능의 ‘민주화’라고 할까.
이런 방법은 아직 치명적인 사기 범죄가 일어나지 않은 조직에서 더 효과적이다. 사기 방지 전문가의 경험과 능력이 증명된 곳이기 때문9이다. 지금까지 그들이 해오던 것, 쌓아온 경험, 자라온 본능을 머신러닝에 그대로 이식시킨다고 생각해보면 수긍이 쉬울 것이다. 사기 방지 전문가가 고객의 거래를 어떤 각도로 분석하고 파악하는지 머신러닝이 배울 수 있도록 하고, 머신러닝의 분석과 행동에 대해 피드백하도록 한다면 ‘사기 방지 전문 머신러닝’을 꽤나 정교하게 다듬을 수 있다.
기계 가르치기
그렇다면 머신러닝 알고리즘을 어떻게 가르쳐야 할까? 기본은 머신러닝의 훈련에 사기 방지 전문가가 지속적으로 개입하도록 하는 것이다. 전문가들이 머신러닝을 가깝게 만질 수 있도록 해주고, 모델을 최대한 투명하게 보고 이해할 수 있도록 해주며, 자신이 쌓아온 전략과 노하우를 반영할 수 있도록 도와야 한다. 또한 자신이 입력한 값에 대한 결과를 보고, 자신의 인간적인 경험을 바탕으로 판단을 내려 비교하도록 해야 한다.
인간 사기 방지 전문가가 인공지능이 낸 결과를 확인하고, 그에 대한 피드백을 지속적으로 제공한 결과, 주어진 데이터셋에 대하여 사기 가능성 예측을 정확하게 하기 시작했다면, 이제 그 알고리즘에 대한 활용 전략을 세워야 한다. 처음에는 작게 시작하는 것이 좋다. 예를 들어 사기 방지 전문가들이 하던 일의 일부를 자동으로 처리하는 등 인간을 지원하는 방식으로 시작하는 걸 권한다. 그러면서 사기 방지 전문가들은 자동화가 덜 필요한 업무에 더 집중하도록 해야 한다. 그래서 예를 들어 정상 거래 행위가 있었음에도 고객의 신용카드가 일시정지 처리되는 일이 없도록 하는 것이다.
글 : 클레버 마틴즈(Cleber Martins), ACI Worldwide
3줄 요약
1. 머신러닝, 그렇게 좋다던데 정작 사용하는 기업은 절반도 되지 않음.
2. 왜? 투자 규모가 부담되고, 사용에 실패해본 경험이 있어서.
3. 금융 관련 기관이라면 사기 방지 부분부터 시작해보는 건 어떨까?
[국제부 문가용 기자(globoan@boannews.com)]
사기 방지 전문가들을 활용해 ‘사기 방지’부터 시작해보는 것, 도움될 수 있어
[보안뉴스 문가용 기자] 금융 업계 내에서 주요한 결정을 내리는 위치에 있는 사람들이 머신러닝의 효용성에 대해 이해하기 시작했다. 대량의 데이터를 인간이 흉내 내지 못하는 속도로 처리한다는 것과, 사업을 진행하는 데에 있어서 그 사실이 가진 의미를 말이다. 그러나 정작 머신러닝을 실제로 사용하는 조직은 절반도 되지 않는다. 왜 그럴까?
[이미지 = iclickart]
먼저는 머신러닝을 도입한다는 것이 솔루션을 하나 구매하는 것과는 전혀 다른 것이기 때문이다. 솔루션은 물론 플랫폼, 전문 인력, 시간까지도 투자해야 한다. 게다가 지난 몇 년 동안 머신러닝이라는 것을 어설프게 건드려봤다가 실패한 경험이 있는 경우도 꽤나 많다. 즉, 내부적으로 ‘머신러닝은 그저 지나가는 유행’이라거나 ‘과장된 광고’라는 인식이 자리를 잡은 것이다.
그러나 한 번에 조금씩, 빠르게 구축하고 성과를 볼 수 있는 프로젝트부터 시작하면 투자에 대한 부담과 과거 실패로부터 오는 아픔을 이겨내는 데 도움이 된다. 이런 목적에 알맞은 프로젝트가 하나 있는데, 바로 ‘사기 방지’다.
현재 사기 방지를 목적으로 한 머신러닝 알고리즘의 가장 큰 문제 중 하나는 데이터 과학자들이 최초의 모델을 구축해야 한다는 것이다. 사기 방지를 전문으로 하는 사람들은 거래의 유형과 절차 간의 관계를 살피면서 ‘사기 거래를 나타내는 지표들’을 꽤나 정확하게 짚어낼 수 있는데, 데이터 과학자들이라면 이야기가 조금 다르다. 보다 많은 데이터를 확보하고 분석해내야 사기 방지 전문가와 같은 결론을 끌어낼 수 있다.
사기 전문가냐 데이터 과학자냐
머신러닝의 성능을 좌지우지하는 건, 알고리즘에 주어지는 명령들이다. 명령과 데이터를 통해 배우면서 향상되어 가는 것이 머신러닝이기 때문에 입력되는 것들의 질을 높여야 하는 것이다. 이는 ‘사기 방지’라는 기능을 익히게 하는 데 있어 특히 어려울 수 있다. 사기 거래가 성공한 경우가 무척 적고, 따라서 인공지능이 학습할 수 있는 데이터가 그리 많지 않기 때문이다.
따라서 머신러닝에 명령을 입력해야 할 사람들은 데이터 과학자가 아니라 적은 데이터를 가지고 보다 빠르고 정확한 결과를 낼 수 있는 사기 방지 전문가여야 한다. 기업은 보다 빠른 시간 안에 성과를 낼 수 있을 것이다. 즉, 머신러닝이라는 것을 인공지능 전문가나 데이터 과학자의 전유물로 만드는 대신, 원래 금융 조직에 근무하고 있던, 그러나 컴퓨터 데이터 분석과는 거리가 먼 사기 방지 전문가들에게까지 전파하라는 것이다. 인공지능의 ‘민주화’라고 할까.
이런 방법은 아직 치명적인 사기 범죄가 일어나지 않은 조직에서 더 효과적이다. 사기 방지 전문가의 경험과 능력이 증명된 곳이기 때문9이다. 지금까지 그들이 해오던 것, 쌓아온 경험, 자라온 본능을 머신러닝에 그대로 이식시킨다고 생각해보면 수긍이 쉬울 것이다. 사기 방지 전문가가 고객의 거래를 어떤 각도로 분석하고 파악하는지 머신러닝이 배울 수 있도록 하고, 머신러닝의 분석과 행동에 대해 피드백하도록 한다면 ‘사기 방지 전문 머신러닝’을 꽤나 정교하게 다듬을 수 있다.
기계 가르치기
그렇다면 머신러닝 알고리즘을 어떻게 가르쳐야 할까? 기본은 머신러닝의 훈련에 사기 방지 전문가가 지속적으로 개입하도록 하는 것이다. 전문가들이 머신러닝을 가깝게 만질 수 있도록 해주고, 모델을 최대한 투명하게 보고 이해할 수 있도록 해주며, 자신이 쌓아온 전략과 노하우를 반영할 수 있도록 도와야 한다. 또한 자신이 입력한 값에 대한 결과를 보고, 자신의 인간적인 경험을 바탕으로 판단을 내려 비교하도록 해야 한다.
인간 사기 방지 전문가가 인공지능이 낸 결과를 확인하고, 그에 대한 피드백을 지속적으로 제공한 결과, 주어진 데이터셋에 대하여 사기 가능성 예측을 정확하게 하기 시작했다면, 이제 그 알고리즘에 대한 활용 전략을 세워야 한다. 처음에는 작게 시작하는 것이 좋다. 예를 들어 사기 방지 전문가들이 하던 일의 일부를 자동으로 처리하는 등 인간을 지원하는 방식으로 시작하는 걸 권한다. 그러면서 사기 방지 전문가들은 자동화가 덜 필요한 업무에 더 집중하도록 해야 한다. 그래서 예를 들어 정상 거래 행위가 있었음에도 고객의 신용카드가 일시정지 처리되는 일이 없도록 하는 것이다.
글 : 클레버 마틴즈(Cleber Martins), ACI Worldwide
3줄 요약
1. 머신러닝, 그렇게 좋다던데 정작 사용하는 기업은 절반도 되지 않음.
2. 왜? 투자 규모가 부담되고, 사용에 실패해본 경험이 있어서.
3. 금융 관련 기관이라면 사기 방지 부분부터 시작해보는 건 어떨까?
[국제부 문가용 기자(globoan@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
문가용기자 기사보기
[2024-11-22] 
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
