전문가들은 4차 산업혁명 시대에 인공지능 기술이 산업 전반과 인류의 삶에 큰 변화를 가져올 것으로 예측한다. 인간만이 할 수 있었던 지식 기반 업무에 인공지능이 적극적으로 도입될 전망이며, 새로운 변화를 적극 수용하지 못하면 기존의 전문가들도 도태될 수 있다. 인공지능은 수십 년간 영광과 좌절의 순간을 겪어왔는데, 현재가 최전성기이며 그 중심에는 ...
전문가들은 4차 산업혁명 시대에 인공지능 기술이 산업 전반과 인류의 삶에 큰 변화를 가져올 것으로 예측한다. 인간만이 할 수 있었던 지식 기반 업무에 인공지능이 적극적으로 도입될 전망이며, 새로운 변화를 적극 수용하지 못하면 기존의 전문가들도 도태될 수 있다. 인공지능은 수십 년간 영광과 좌절의 순간을 겪어왔는데, 현재가 최전성기이며 그 중심에는 딥러닝(deep learning) 기술이 있다.
금융보안은 전형적인 지식 기반 산업이다. 금융 업무의 이해, 보안 지식의 습득 및 응용, 사이버위협 대응 능력 등이 요구되며, 장기간의 교육과 경험을 갖춘 전문 인력이 필요하다. 하지만, 최근 사이버공격의 물량 공세는 보안 전문가들을 압도하고 있다. 악성코드는 연간 1억 개 이상 생산되며, 보안장비는 사람의 처리 능력을 초과하는 분량의 정보를 생성한다. 보안 전문가들의 시간 소모적 작업을 대신해 주고 핵심 정보만을 도출할 수 있는 혁신적인 인공지능 기술의 개발이 필요한 시점이다.
수십 년간 많은 연구자들이 데이터 분석 기술과 인공지능 기술을 사이버보안 및 금융보안 분야에 적용하려고 노력해왔다. 하지만, 딥러닝을 제외한 기존의 모든 인공지능 기술들은 보안 전문가로 하여금 손수 특징 추출(hand-crafted feature extraction)이라는 고난이도의 시간 소모적 선행 개발 작업을 요구하는데, 이 때문에 자동화 기술로서 한계를 가지며 사이버공격자들의 물량 공세를 이겨내기 어렵다.
본 연구에서는 특징 추출을 데이터로부터 스스로 학습하는 딥러닝 기술을 금융보안 업무에 적용한다. 구글의 오픈플랫폼인 텐서플로우(Tensorflow)를 사용하여 딥러닝 프로그램을 개발했으며, 이상금융거래 탐지(Fraud Detection System)와 악성코드 분석에 적용하여 95~99%의 F-measure 값을 얻었다. 연구 결과의 신뢰도를 높이기 위해서 캐글(Kaggle)에 공개된 데이터와 자체 수집한 데이터를 동시에 실험에 사용하였다.
전문가들은 4차 산업혁명 시대에 인공지능 기술이 산업 전반과 인류의 삶에 큰 변화를 가져올 것으로 예측한다. 인간만이 할 수 있었던 지식 기반 업무에 인공지능이 적극적으로 도입될 전망이며, 새로운 변화를 적극 수용하지 못하면 기존의 전문가들도 도태될 수 있다. 인공지능은 수십 년간 영광과 좌절의 순간을 겪어왔는데, 현재가 최전성기이며 그 중심에는 딥러닝(deep learning) 기술이 있다.
금융보안은 전형적인 지식 기반 산업이다. 금융 업무의 이해, 보안 지식의 습득 및 응용, 사이버위협 대응 능력 등이 요구되며, 장기간의 교육과 경험을 갖춘 전문 인력이 필요하다. 하지만, 최근 사이버공격의 물량 공세는 보안 전문가들을 압도하고 있다. 악성코드는 연간 1억 개 이상 생산되며, 보안장비는 사람의 처리 능력을 초과하는 분량의 정보를 생성한다. 보안 전문가들의 시간 소모적 작업을 대신해 주고 핵심 정보만을 도출할 수 있는 혁신적인 인공지능 기술의 개발이 필요한 시점이다.
수십 년간 많은 연구자들이 데이터 분석 기술과 인공지능 기술을 사이버보안 및 금융보안 분야에 적용하려고 노력해왔다. 하지만, 딥러닝을 제외한 기존의 모든 인공지능 기술들은 보안 전문가로 하여금 손수 특징 추출(hand-crafted feature extraction)이라는 고난이도의 시간 소모적 선행 개발 작업을 요구하는데, 이 때문에 자동화 기술로서 한계를 가지며 사이버공격자들의 물량 공세를 이겨내기 어렵다.
본 연구에서는 특징 추출을 데이터로부터 스스로 학습하는 딥러닝 기술을 금융보안 업무에 적용한다. 구글의 오픈플랫폼인 텐서플로우(Tensorflow)를 사용하여 딥러닝 프로그램을 개발했으며, 이상금융거래 탐지(Fraud Detection System)와 악성코드 분석에 적용하여 95~99%의 F-measure 값을 얻었다. 연구 결과의 신뢰도를 높이기 위해서 캐글(Kaggle)에 공개된 데이터와 자체 수집한 데이터를 동시에 실험에 사용하였다.
Experts predict that artificial intelligence technology will make a big difference not in the industry but also whole human life in the fourth industrial revolution era. Artificial intelligence is expected to be actively introduced into knowledge-based tasks that only human beings can do, and existi...
Experts predict that artificial intelligence technology will make a big difference not in the industry but also whole human life in the fourth industrial revolution era. Artificial intelligence is expected to be actively introduced into knowledge-based tasks that only human beings can do, and existing experts can be removed if new changes are not accepted actively. Artificial intelligence has been a glorious and frustrating moment for decades, and the present is the best, and at the heart of it is deep learning.
Financial security is a typical knowledge-based industry. Understanding financial business, acquiring and applying security knowledge, and ability to respond to cyber threats are required, and professional manpower with long-term education and experience is required. However, recent cyber-attack offensive has overwhelmed security experts. Malicious code is produced more than 100 million a year, and security equipment generates a quantity of information that exceeds human capacity. It is time to develop innovative artificial intelligence technology that can substitute for time-consuming tasks of security experts and extract only core information.
For decades, many researchers have been trying to apply data analysis and artificial intelligence technologies to cyber security and financial security. However, all existing artificial intelligence technologies, except for deep running, require security experts to perform advanced, time-consuming and pre-development tasks called hand-crafted feature extraction. It is difficult to overcome the massive offensive.
In this study, we apply deep learning technology which learns feature extraction from data itself to financial security business. We developed a deep-run program using Google's open platform, Tensorflow, and applied Fraud Detection System and malicious code analysis to obtain 95%-99% F-measure. In order to increase the reliability of the study results, data published in Kaggle and self-collected data were used at the same time.
Experts predict that artificial intelligence technology will make a big difference not in the industry but also whole human life in the fourth industrial revolution era. Artificial intelligence is expected to be actively introduced into knowledge-based tasks that only human beings can do, and existing experts can be removed if new changes are not accepted actively. Artificial intelligence has been a glorious and frustrating moment for decades, and the present is the best, and at the heart of it is deep learning.
Financial security is a typical knowledge-based industry. Understanding financial business, acquiring and applying security knowledge, and ability to respond to cyber threats are required, and professional manpower with long-term education and experience is required. However, recent cyber-attack offensive has overwhelmed security experts. Malicious code is produced more than 100 million a year, and security equipment generates a quantity of information that exceeds human capacity. It is time to develop innovative artificial intelligence technology that can substitute for time-consuming tasks of security experts and extract only core information.
For decades, many researchers have been trying to apply data analysis and artificial intelligence technologies to cyber security and financial security. However, all existing artificial intelligence technologies, except for deep running, require security experts to perform advanced, time-consuming and pre-development tasks called hand-crafted feature extraction. It is difficult to overcome the massive offensive.
In this study, we apply deep learning technology which learns feature extraction from data itself to financial security business. We developed a deep-run program using Google's open platform, Tensorflow, and applied Fraud Detection System and malicious code analysis to obtain 95%-99% F-measure. In order to increase the reliability of the study results, data published in Kaggle and self-collected data were used at the same time.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.