2010년 이후 스마트폰뱅킹의 등장과 함께 전자금융 이용자 수는 지속적으로 증가해왔다. 국내 전자금융 환경이 짧은 시간 내에 발전함과 동시에 파밍, 피싱 등과 같은 전자금융 사기 또한 수법이 다양해지고 이용자 피해사고 또한 증가하였다. 이에 국내은행은 전자금융 이용자 보호를 위해 2014년도를 기점으로 전자금융이상거래탐지시스템(FDS)을 구축하고, 이용자 ...
2010년 이후 스마트폰뱅킹의 등장과 함께 전자금융 이용자 수는 지속적으로 증가해왔다. 국내 전자금융 환경이 짧은 시간 내에 발전함과 동시에 파밍, 피싱 등과 같은 전자금융 사기 또한 수법이 다양해지고 이용자 피해사고 또한 증가하였다. 이에 국내은행은 전자금융 이용자 보호를 위해 2014년도를 기점으로 전자금융이상거래탐지시스템(FDS)을 구축하고, 이용자 로그 분석 기반의 이상거래 탐지 룰을 활용한 대응체계를 도입하게 되었다. 2015년도를 기점으로 국내 은행은 룰 기반의 FDS 탐지 체계 도입을 통해 전자금융 피해사고를 줄일 수 있었지만, 높은 오탐율로 인한 고객 불편 야기 및 룰을 우회하기 위한 시도들과 다양화되는 전자금융 사기에 능동적으로 대응하는데 한계를 보이고 있다. 본 논문에서는 이러한 한계를 개선하고자 머신러닝의 한 종류인 딥러닝 활용을 통해 높은 탐지율과 낮은 오탐율을 보이는 전자금융이상거래탐지 모델을 수립할 수 있음을 보였으며, 딥러닝에 사용되는 학습 데이터를 미래변화에 맞춘 조작을 통해 선제적인 모델을 수립하고 대응할 수 있음을 보임으로써 전자금융 보안체계를 업그레이드할 수 있는 방안을 제시하였다.
2010년 이후 스마트폰뱅킹의 등장과 함께 전자금융 이용자 수는 지속적으로 증가해왔다. 국내 전자금융 환경이 짧은 시간 내에 발전함과 동시에 파밍, 피싱 등과 같은 전자금융 사기 또한 수법이 다양해지고 이용자 피해사고 또한 증가하였다. 이에 국내은행은 전자금융 이용자 보호를 위해 2014년도를 기점으로 전자금융이상거래탐지시스템(FDS)을 구축하고, 이용자 로그 분석 기반의 이상거래 탐지 룰을 활용한 대응체계를 도입하게 되었다. 2015년도를 기점으로 국내 은행은 룰 기반의 FDS 탐지 체계 도입을 통해 전자금융 피해사고를 줄일 수 있었지만, 높은 오탐율로 인한 고객 불편 야기 및 룰을 우회하기 위한 시도들과 다양화되는 전자금융 사기에 능동적으로 대응하는데 한계를 보이고 있다. 본 논문에서는 이러한 한계를 개선하고자 머신러닝의 한 종류인 딥러닝 활용을 통해 높은 탐지율과 낮은 오탐율을 보이는 전자금융이상거래탐지 모델을 수립할 수 있음을 보였으며, 딥러닝에 사용되는 학습 데이터를 미래변화에 맞춘 조작을 통해 선제적인 모델을 수립하고 대응할 수 있음을 보임으로써 전자금융 보안체계를 업그레이드할 수 있는 방안을 제시하였다.
After 2010, the number of electronic banking user in Korea steadily increased with the arrival of smartphone. With the growth of online finance environment within a short period of time, online banking fraud accident like pharming, phishing also increased as well. Thus, in 2014 most of domestic bank...
After 2010, the number of electronic banking user in Korea steadily increased with the arrival of smartphone. With the growth of online finance environment within a short period of time, online banking fraud accident like pharming, phishing also increased as well. Thus, in 2014 most of domestic banks in Korea started building and operating of rule based Fraud-detect-system(FDS) for detecting and controlling fraud transaction on online banking service. Rule based FDS has showed effectiveness for prevention of online banking fraud accident. However, it also shows weakness in accuracy stems from the high rate of false fraud-detection which is actually not fraud transaction. So, this paper proposes a new method of developing fraud detection model focused on deep learning algorithm and using high quality of learning data set based on user profiling analytics. The main result and contribution of this study is showing improvements on fraud detection rate and false detection rate of FDS based on deep learning model and also, showing a possibility of making preemptive fraud detection model by using deep learning algorithm with manipulated data adapted to future expected changes on online banking environment.
After 2010, the number of electronic banking user in Korea steadily increased with the arrival of smartphone. With the growth of online finance environment within a short period of time, online banking fraud accident like pharming, phishing also increased as well. Thus, in 2014 most of domestic banks in Korea started building and operating of rule based Fraud-detect-system(FDS) for detecting and controlling fraud transaction on online banking service. Rule based FDS has showed effectiveness for prevention of online banking fraud accident. However, it also shows weakness in accuracy stems from the high rate of false fraud-detection which is actually not fraud transaction. So, this paper proposes a new method of developing fraud detection model focused on deep learning algorithm and using high quality of learning data set based on user profiling analytics. The main result and contribution of this study is showing improvements on fraud detection rate and false detection rate of FDS based on deep learning model and also, showing a possibility of making preemptive fraud detection model by using deep learning algorithm with manipulated data adapted to future expected changes on online banking environment.
주제어
#전자금융사기 딥러닝 이상거래탐지모델 deep learning FDS online-fraud fraud detect model
학위논문 정보
저자
전일교
학위수여기관
연세대학교 정보대학원
학위구분
국내석사
학과
금융정보보호 전공
지도교수
김희웅
발행연도
2017
총페이지
iii, 23장
키워드
전자금융사기 딥러닝 이상거래탐지모델 deep learning FDS online-fraud fraud detect model
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.