부정 탐지를 위한 이상치 분석 활용방안 연구 : 농수산 상장예외품목 거래를 대상으로 A Study on the Application of Outlier Analysis for Fraud Detection: Focused on Transactions of Auction Exception Agricultural Products원문보기
기업 의사 결정 지원을 위하여 거래 데이터를 다양한 관점에서 분석하고 활용하려는 노력과 관심들이 증가하고 있다. 이러한 노력들은 고객 관리나 마케팅에만 국한되는 것이 아니라 부정행위에 대한 감시와 탐지를 목적으로도 다양한 분석 방안들이 연구되고 있다. 부정행위는 기술의 발전을 악용하여 다양한 형태로 진화하고 있으며, 이에 따라 목적에 맞는 부정탐지 방안 연구와 적용을 통하여 탐지 효용의 극대화를 위한 노력의 필요성이 증가하고 있다. 이러한 연구 동향의 일환으로 본 연구에서는 대용량 거래 데이터가 저장 관리되고 있는 국내 최대 농수산물 유통 시장의 2008년부터 2010년까지 상장예외품목의 거래 가격을 분석하여 부정 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 도출 된 규칙의 신뢰성을 확보하였다. 본 연구의 주요 부정거래 분석 방안으로는 정상적인 데이터들은 발생 확률이 높은 반면에 특이한 데이터들의 발생 확률은 낮다고 가정하는 통계적 접근을 통한 이상치 식별 방안을 활용하였다. 이에 따라 부정거래 분석 별로 정의 된 Z-Score 값보다 클 경우 부정거래 탐지 대상이 된다. 다만 상장예외품목 거래의 경우 취급 가능한 중도매인의 수가 제한되어 있으며, 일반적인 상장품목의 거래보다 거래량이 적기 때문에 소수의 이상치가 품목의 평균에 미치는 영향이 크다. 그 예로 다른 소수의 중도매인들이 해당 품목을 정상적인 가격에 거래하였더라도, 특정한 중도매인 한 명이 지나치게 비정상적인 가격에 거래할 경우 모든 거래들이 부정거래로 탐지 될 가능성도 있다. 이러한 문제를 해결하기 위하여 기존의 Z-Score의 개념을 활용하여 수정된 Z-Score(Self-Eliminated Z-Score)를 사용하였다. 또한 부정 유형별 탐지 규칙 관리와 활용을 위한 시스템 프로토타입(prototype) 개발을 수행하였다. 이를 통하여 실제 부정거래 탐지 업무에 적용할 수 있는 효과적인 방안을 제시하였고, 농수산 유통시장의 공정성 및 투명성 확보를 위한 관리 감독의 기능 강화가 가능할 것이다.
기업 의사 결정 지원을 위하여 거래 데이터를 다양한 관점에서 분석하고 활용하려는 노력과 관심들이 증가하고 있다. 이러한 노력들은 고객 관리나 마케팅에만 국한되는 것이 아니라 부정행위에 대한 감시와 탐지를 목적으로도 다양한 분석 방안들이 연구되고 있다. 부정행위는 기술의 발전을 악용하여 다양한 형태로 진화하고 있으며, 이에 따라 목적에 맞는 부정탐지 방안 연구와 적용을 통하여 탐지 효용의 극대화를 위한 노력의 필요성이 증가하고 있다. 이러한 연구 동향의 일환으로 본 연구에서는 대용량 거래 데이터가 저장 관리되고 있는 국내 최대 농수산물 유통 시장의 2008년부터 2010년까지 상장예외품목의 거래 가격을 분석하여 부정 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 도출 된 규칙의 신뢰성을 확보하였다. 본 연구의 주요 부정거래 분석 방안으로는 정상적인 데이터들은 발생 확률이 높은 반면에 특이한 데이터들의 발생 확률은 낮다고 가정하는 통계적 접근을 통한 이상치 식별 방안을 활용하였다. 이에 따라 부정거래 분석 별로 정의 된 Z-Score 값보다 클 경우 부정거래 탐지 대상이 된다. 다만 상장예외품목 거래의 경우 취급 가능한 중도매인의 수가 제한되어 있으며, 일반적인 상장품목의 거래보다 거래량이 적기 때문에 소수의 이상치가 품목의 평균에 미치는 영향이 크다. 그 예로 다른 소수의 중도매인들이 해당 품목을 정상적인 가격에 거래하였더라도, 특정한 중도매인 한 명이 지나치게 비정상적인 가격에 거래할 경우 모든 거래들이 부정거래로 탐지 될 가능성도 있다. 이러한 문제를 해결하기 위하여 기존의 Z-Score의 개념을 활용하여 수정된 Z-Score(Self-Eliminated Z-Score)를 사용하였다. 또한 부정 유형별 탐지 규칙 관리와 활용을 위한 시스템 프로토타입(prototype) 개발을 수행하였다. 이를 통하여 실제 부정거래 탐지 업무에 적용할 수 있는 효과적인 방안을 제시하였고, 농수산 유통시장의 공정성 및 투명성 확보를 위한 관리 감독의 기능 강화가 가능할 것이다.
To support business decision making, interests and efforts to analyze and use transaction data in different perspectives are increasing. Such efforts are not only limited to customer management or marketing, but also used for monitoring and detecting fraud transactions. Fraud transactions are evolvi...
To support business decision making, interests and efforts to analyze and use transaction data in different perspectives are increasing. Such efforts are not only limited to customer management or marketing, but also used for monitoring and detecting fraud transactions. Fraud transactions are evolving into various patterns by taking advantage of information technology. To reflect the evolution of fraud transactions, there are many efforts on fraud detection methods and advanced application systems in order to improve the accuracy and ease of fraud detection. As a case of fraud detection, this study aims to provide effective fraud detection methods for auction exception agricultural products in the largest Korean agricultural wholesale market. Auction exception products policy exists to complement auction-based trades in agricultural wholesale market. That is, most trades on agricultural products are performed by auction; however, specific products are assigned as auction exception products when total volumes of products are relatively small, the number of wholesalers is small, or there are difficulties for wholesalers to purchase the products. However, auction exception products policy makes several problems on fairness and transparency of transaction, which requires help of fraud detection. In this study, to generate fraud detection rules, real huge agricultural products trade transaction data from 2008 to 2010 in the market are analyzed, which increase more than 1 million transactions and 1 billion US dollar in transaction volume. Agricultural transaction data has unique characteristics such as frequent changes in supply volumes and turbulent time-dependent changes in price. Since this was the first trial to identify fraud transactions in this domain, there was no training data set for supervised learning. So, fraud detection rules are generated using outlier detection approach. We assume that outlier transactions have more possibility of fraud transactions than normal transactions. The outlier transactions are identified to compare daily average unit price, weekly average unit price, and quarterly average unit price of product items. Also quarterly averages unit price of product items of the specific wholesalers are used to identify outlier transactions. The reliability of generated fraud detection rules are confirmed by domain experts. To determine whether a transaction is fraudulent or not, normal distribution and normalized Z-value concept are applied. That is, a unit price of a transaction is transformed to Z-value to calculate the occurrence probability when we approximate the distribution of unit prices to normal distribution. The modified Z-value of the unit price in the transaction is used rather than using the original Z-value of it. The reason is that in the case of auction exception agricultural products, Z-values are influenced by outlier fraud transactions themselves because the number of wholesalers is small. The modified Z-values are called Self-Eliminated Z-scores because they are calculated excluding the unit price of the specific transaction which is subject to check whether it is fraud transaction or not. To show the usefulness of the proposed approach, a prototype of fraud transaction detection system is developed using Delphi. The system consists of five main menus and related submenus. First functionalities of the system is to import transaction databases. Next important functions are to set up fraud detection parameters. By changing fraud detection parameters, system users can control the number of potential fraud transactions. Execution functions provide fraud detection results which are found based on fraud detection parameters. The potential fraud transactions can be viewed on screen or exported as files. The study is an initial trial to identify fraud transactions in Auction Exception Agricultural Products. There are still many remained research topics of the issue. First, the scope of analysis da
To support business decision making, interests and efforts to analyze and use transaction data in different perspectives are increasing. Such efforts are not only limited to customer management or marketing, but also used for monitoring and detecting fraud transactions. Fraud transactions are evolving into various patterns by taking advantage of information technology. To reflect the evolution of fraud transactions, there are many efforts on fraud detection methods and advanced application systems in order to improve the accuracy and ease of fraud detection. As a case of fraud detection, this study aims to provide effective fraud detection methods for auction exception agricultural products in the largest Korean agricultural wholesale market. Auction exception products policy exists to complement auction-based trades in agricultural wholesale market. That is, most trades on agricultural products are performed by auction; however, specific products are assigned as auction exception products when total volumes of products are relatively small, the number of wholesalers is small, or there are difficulties for wholesalers to purchase the products. However, auction exception products policy makes several problems on fairness and transparency of transaction, which requires help of fraud detection. In this study, to generate fraud detection rules, real huge agricultural products trade transaction data from 2008 to 2010 in the market are analyzed, which increase more than 1 million transactions and 1 billion US dollar in transaction volume. Agricultural transaction data has unique characteristics such as frequent changes in supply volumes and turbulent time-dependent changes in price. Since this was the first trial to identify fraud transactions in this domain, there was no training data set for supervised learning. So, fraud detection rules are generated using outlier detection approach. We assume that outlier transactions have more possibility of fraud transactions than normal transactions. The outlier transactions are identified to compare daily average unit price, weekly average unit price, and quarterly average unit price of product items. Also quarterly averages unit price of product items of the specific wholesalers are used to identify outlier transactions. The reliability of generated fraud detection rules are confirmed by domain experts. To determine whether a transaction is fraudulent or not, normal distribution and normalized Z-value concept are applied. That is, a unit price of a transaction is transformed to Z-value to calculate the occurrence probability when we approximate the distribution of unit prices to normal distribution. The modified Z-value of the unit price in the transaction is used rather than using the original Z-value of it. The reason is that in the case of auction exception agricultural products, Z-values are influenced by outlier fraud transactions themselves because the number of wholesalers is small. The modified Z-values are called Self-Eliminated Z-scores because they are calculated excluding the unit price of the specific transaction which is subject to check whether it is fraud transaction or not. To show the usefulness of the proposed approach, a prototype of fraud transaction detection system is developed using Delphi. The system consists of five main menus and related submenus. First functionalities of the system is to import transaction databases. Next important functions are to set up fraud detection parameters. By changing fraud detection parameters, system users can control the number of potential fraud transactions. Execution functions provide fraud detection results which are found based on fraud detection parameters. The potential fraud transactions can be viewed on screen or exported as files. The study is an initial trial to identify fraud transactions in Auction Exception Agricultural Products. There are still many remained research topics of the issue. First, the scope of analysis da
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 부정거래 탐지 규칙의 지속적인 사용 환경 구축을 위하여 부정거래탐지 시스템의 프로토타입(prototype)을 개발하여 이를 제시한다. 제시한 시스템은 델파이(Delphi) 를 기반으로 하는 범용 프로그램 개발툴을 사용하여 개발하였다.
본 연구에서는 국내 최대 농산물 유통 거래 시장에서의 2008년부터 2010년까지 상장예외품목 거래내역을 대상으로 부정탐지 분석 방안을 연구하였다. 이는 보험금 부당 청구나 탈세와 같이 사전에 명확하게 정의 된 부정행위를 탐지하는 기존 연구와는 다르게 공급과 수요에 따른 변화가 민감한 품목의 실제 거래에 대하여 분석하고 부정 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 부정거래 탐지 규칙의 유의성과 부정 탐지 결과의 신뢰성을 확보한 점이 기존 부정 탐지 관련 연구들과 비교하여 본 연구가 갖는 차이점이라 할 수 있다.
본 연구에서는 사전에 부정거래에 대한 학습 데이터가 존재하지 않은 관계로 도출 된 탐지 규칙과 결과의 정확도 확인에 어려움이 존재하였으며, 이에 따라 실제 상장예외품목 부정거래 탐지 관련 업무의 전문가 검증을 통하여 도출 된 탐지 규칙의 유의성을 검증하였다.
부정 탐지 방안에 대한 국내외 기존 연구들은 탈세나 부정 수급과 같이 사전에 명확하게 정의된 부정행위를 탐지하는 반면에, 본 연구는 수의 매매로 인하여 시장에서의 기준 매매 가격과 거래 물량에 대한 투명성 측면에서 문제가 제기되고, 부정행위에 대한 정의가 명확하지 않은 농수산 상장예외품목 거래를 대상으로 부정 탐지 방안을 연구하며, 이러한 점이 기존 연구와의 차이점이라고 할 수 있다.
Zse는 해당 품목의 전체 거래에서 비교하고자 하는 특정 거래를 제외한 거래 집합의 평균 가격에서 산출한 Z-Score이다. 이를 사용하여 부정거래의 평균 가격이 Z-Score의 기준이 되는 전체 평균 가격에 미치는 영향을 줄이고자 하였다.
더불어 본 연구의 분석 대상인 상장예외품목 거래는 물량 탈루 및 수수료 과다 징수, 거래 실적 편법 기재 등 거래의 공정성과 투명성 측면에서 다양한 문제가 지속적으로 논의되고 있으며, 부정행위 적발과 차단을 위한 대책 마련의 필요성이 꾸준히 제기되어 왔다(Gwon and Kim, 2012). 이에 따라 본 연구에서는 사전에 정의 된 부정거래 의심 유형을 바탕으로 2008년부터 2010년까지 농수산 상장예외품목의 일별, 월별, 분기별 거래 가격을 분석하여 부정거래 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 도출 된 규칙의 신뢰성을 확보하였다. 또한 부정거래 유형별 규칙 관리 및 활용을 위한 부정거래 탐지 시스템의 프로토타입(prototype) 개발을 통하여 과학적이고 자동화된 부정 탐지 방안의 개발을 꾀하였다.
제안 방법
시장에서 거래되는 품목별 가격에 대하여 시간의 흐름에 따른 변화를 고려하기 위해 한 주동안 중도매인 자신이 거래한 품목의 가격을 제외하고 해당 품목의 한 주 동안 전체 시장 거래가격 평균과 비교한다. 거래 가격의 비교를 위하여 품목별 가격의 표준 점수 Zse를 도출하며, 한주 동안 시장에서 이루어진 평균 가격 차이 범위에서 일정수준 이상의 범위에 해당하는 가격으로 거래한 중도매인을 탐지한다. 일간 탐지와 동일하게 분석 대상이 되는 중도매인의 한 주 동안의 거래 가격은 전체 시장 거래 가격 평균에도 영향을 미치게 되므로 중도매인 자신의 거래 기록은 시장 거래 가격 평균 도출 시 반영하지 않는다.
중도매인의 3년간 분기별 거래 가격 평균 차이 발생이 전체 시장에서의 품목 거래 가격 변화로 발생한 것일 수 있으며, 이를 고려하여 3년간의 분기별 거래 가격 분석을 수행한다. 과거 3년간 분기별 거래 기록 평균가와 비교하여 일정 수준 이상 거래 가격의 증가가 발생한 품목들을 분석한다.
이를 통해 농수산물이 하루 내에 가격이 심하게 바뀔 수 있다는 문제를 처리하여 정상적인 거래가 부정거래로 탐지되는 것을 줄일 수 있었다. 두 번째로는 기존의 Z-Score의 개념을 활용하여 수정된 Zse(Self-Eliminated Z-Score)를 사용하였다. Zse는 해당 품목의 전체 거래에서 비교하고자 하는 특정 거래를 제외한 거래 집합의 평균 가격에서 산출한 Z-Score이다.
이에 따라 본 연구에서는 사전에 정의 된 부정거래 의심 유형을 바탕으로 2008년부터 2010년까지 농수산 상장예외품목의 일별, 월별, 분기별 거래 가격을 분석하여 부정거래 탐지 규칙을 도출하였으며, 전문가 검증을 통하여 도출 된 규칙의 신뢰성을 확보하였다. 또한 부정거래 유형별 규칙 관리 및 활용을 위한 부정거래 탐지 시스템의 프로토타입(prototype) 개발을 통하여 과학적이고 자동화된 부정 탐지 방안의 개발을 꾀하였다. 이를 바탕으로 대용량 데이터에서 목적에 맞는 데이터 추출과 거래 기록의 비교 및 추이 파악 등 다차원 분석이 가능하며, 시간과 자원의 제한을 받지 않는 전수 조사와 상시 검사가 가능하다.
본 시스템은 크게 파일, 옵션, 실행, 결과, 정보라는 다섯 가지의 기능으로 구성되어있다. 이 중본 탐지 시스템의 주요 기능은 연구 수행을 통하여 도출한 부정거래 탐지 규칙을 활용할 수 있는 탐지 옵션 설정과 실행 기능이다.
본 연구가 갖는 학문적 시사점으로는 부정거래의 품목별 가격 탐지와 송품장별 판매가격 차이 탐지 시 Z-Score의 개념을 활용하여 수정된 Zse(Self-Eliminated Z-Score)를 사용하였다. Zse는 해당 품목의 전체 거래에서 비교하고자 하는 특정 거래를 제외한 거래 집합의 평균 가격에서 산출한 Z-Score로써, 이를 사용하여 부정거래의 평균 가격이 Z-Score의 기준이 되는 전체 평균 가격에 영향을 보다 적게 미치도록 하였다.
본 연구의 각각의 기간별 부정거래 분석 방안은 ‘품목별 가격차이’ 분석, ‘송품장별 판매가격 차이’ 분석, ‘판매가격 변화 추이’ 분석, ‘비계절 품목 거래’ 분석으로 다음과 같다([Table 3]참조).
본 연구의 주요 부정거래 분석 방안으로는 정상적인 데이터들은 발생 확률이 높은 반면에 특이한 데이터들의 발생 확률은 낮다고 가정하는 통계적 접근을 통한 이상치 식별 방안을 활용하였다. 이에 따라 우선 품목별 거래 단가에 대하여 정규분포를 만들고 품목별 거래 각각의 경우가 정규분포 상 어느 위치에 분포하는지 확인하였으며, 일간·주간 부정거래 분석 별로 정의 된 Z-Score 값보다 클 경우 부정거래 탐지 대상이 된다.
3.3 분기별 부정거래 분석
분기별 부정거래 분석 시에는 다음과 같이 중도매인의 특정 품목 거래 횟수 분석, 품목별 3년간 거래 가격 차이 분석을 수행한다
.
송품장 내에서의 동일 품목의 가격 차이가 일정 범위 이상을 벗어난다면 이는 특정 부정거래를 정상 거래처럼 보이기 위한 가격 조정으로도 의심 할 수 있다. 송품장 내의 동일 품목의 가격 차이를 동일한 일시에 동일 품목을 취급한 다른 중도매인들의 송품장 내에서 발생하는 가격 차이 평균과 비교하여 상대적으로 높게 이루어지는 중도매인을 분석한다.
품목별 가격 차이 분석은 판매에 따른 거래 수수료 회피를 목적으로 상대적으로 낮은 거래 금액이 발생할 수 있으며, 중도매인의 상장예외품목 거래 허가를 위한 최소 거래 실적 유지를 위한 높은 거래 금액 발생도 부정 의심 유형으로 확인되어 양측 분석을 실시하였다. 송품장별 판매가격 차이 분석은 동일 품목의 낮은 거래 금액과 높은 거래 금액을 송품장 내에 작성함으로써 송품장 단위에서의 특정 품목 판매 가격 평균에 영향을 미치는 부정 의심 유형이 확인되어 단측 분석을 실시하였다.
시장 가격 차이 분석을 위하여 부정 탐지 대상이 되는 중도매인이 거래한 품목의 가격을 제외한 해당 품목의 전체 시장 거래 가격 평균과 중도매인의 거래 가격을 비교한다. 이를 위하여 품목별 가격의 Zse를 도출 후 전체 시장 평균 가격 범위에서 일정 수준을 초과하는 가격으로 거래한 중도매인을 탐지한다.
시장에서 거래되는 품목별 가격에 대하여 시간의 흐름에 따른 변화를 고려하기 위해 한 주동안 중도매인 자신이 거래한 품목의 가격을 제외하고 해당 품목의 한 주 동안 전체 시장 거래가격 평균과 비교한다. 거래 가격의 비교를 위하여 품목별 가격의 표준 점수 Zse를 도출하며, 한주 동안 시장에서 이루어진 평균 가격 차이 범위에서 일정수준 이상의 범위에 해당하는 가격으로 거래한 중도매인을 탐지한다.
또한 과거 3년간의 거래 기록을 활용한 품목별 판매가격 변화 추이 분석 시에는 분석 대상이 되는 날짜가 과거와 동일하더라도 요일 차이가 발생하여 유통 시장의 개장일과 휴일이 비교가 될수 있으며, 특히 음력 날짜를 사용하여 매년 날짜가 변화하는 명절은 농산물 특성상 가격변화가 민감하기 때문에 이러한 사항들을 고려하여 주간과 분기별 분석만을 대상으로 한정하였다. 이 밖에도 비계절 품목의 거래 분석을 위하여 계절적 요인을 최대한 반영할 수 있도록 분기별거래 빈도에 대한 분석을 수행하였다.
, 2010). 이러한 연구 동향의 일환으로 본 연구에서는 전자입찰 시스템과 통합정산 시스템을 통하여 하루 평균 거래 물량 약 7,300톤, 거래금액 약 104억 원에 이르는 거래 내역이 데이터베이스에 저장 및 관리되고 있는 국내 최대 농수산물 유통시장의1) 거래 기록을 활용하여 효과적인 부정 탐지 방안을 모색하였다.
시장 가격 차이 분석을 위하여 부정 탐지 대상이 되는 중도매인이 거래한 품목의 가격을 제외한 해당 품목의 전체 시장 거래 가격 평균과 중도매인의 거래 가격을 비교한다. 이를 위하여 품목별 가격의 Zse를 도출 후 전체 시장 평균 가격 범위에서 일정 수준을 초과하는 가격으로 거래한 중도매인을 탐지한다.
중도매인의 과거 거래 기록과는 다른 형태의 거래가 발생하였다면 부정거래로 의심할 수 있다. 이에 따라 과거 3년간 주간 거래 기록 평균가와 비교하여 가격 증가가 큰 품목들을 분석한다.
일간 부정거래 분석 시에는 다음과 같이 품목별 판매가격 차이 분석, 송품장별 판매가격 분석을 수행한다.
따라서 본 연구에서는 부정거래 탐지 규칙의 지속적인 사용 환경 구축을 위하여 부정거래탐지 시스템의 프로토타입(prototype)을 개발하여 이를 제시한다. 제시한 시스템은 델파이(Delphi) 를 기반으로 하는 범용 프로그램 개발툴을 사용하여 개발하였다. 해당 시스템의 기능적인 개요는 다음과 같다([Figure 3] 참조).
주간 부정거래 분석 시에는 다음과 같이 품목별 판매가격 차이 분석, 품목별 3년간 거래 가격 차이 분석을 수행한다.
중도매인의 3년간 분기별 거래 가격 평균 차이 발생이 전체 시장에서의 품목 거래 가격 변화로 발생한 것일 수 있으며, 이를 고려하여 3년간의 분기별 거래 가격 분석을 수행한다. 과거 3년간 분기별 거래 기록 평균가와 비교하여 일정 수준 이상 거래 가격의 증가가 발생한 품목들을 분석한다.
이러한 문제를 해결하기 위하여 본 연구에서는 두 가지 방법을 사용하였다. 첫 번째로는 하나의 송장 내에 들어있는 같은 품목의 거래는 하나의 거래로 취급하였다. 이를 통해 농수산물이 하루 내에 가격이 심하게 바뀔 수 있다는 문제를 처리하여 정상적인 거래가 부정거래로 탐지되는 것을 줄일 수 있었다.
도출 된 부정 거래 탐지 규칙 중 이상치 검출 방안을 활용한 품목별 가격 차이와 송품장별 판매가격 차이 분석에서 각각 정규 분포에 대하여 신뢰수준 99%의 양측 분석과 단측 분석으로 인하여 탐지 규칙 값의 차이점이 존재한다. 품목별 가격 차이 분석은 판매에 따른 거래 수수료 회피를 목적으로 상대적으로 낮은 거래 금액이 발생할 수 있으며, 중도매인의 상장예외품목 거래 허가를 위한 최소 거래 실적 유지를 위한 높은 거래 금액 발생도 부정 의심 유형으로 확인되어 양측 분석을 실시하였다. 송품장별 판매가격 차이 분석은 동일 품목의 낮은 거래 금액과 높은 거래 금액을 송품장 내에 작성함으로써 송품장 단위에서의 특정 품목 판매 가격 평균에 영향을 미치는 부정 의심 유형이 확인되어 단측 분석을 실시하였다.
품목별 가격 차이와 송품장별 판매가격 차이는 분석 기간이 길어짐에 따른 평균 가격 차이 결과가 분석 목적에 맞지 않으므로 분기별 분석을 제외한 일간 및 주간별 분석만 수행하였다. 또한 과거 3년간의 거래 기록을 활용한 품목별 판매가격 변화 추이 분석 시에는 분석 대상이 되는 날짜가 과거와 동일하더라도 요일 차이가 발생하여 유통 시장의 개장일과 휴일이 비교가 될수 있으며, 특히 음력 날짜를 사용하여 매년 날짜가 변화하는 명절은 농산물 특성상 가격변화가 민감하기 때문에 이러한 사항들을 고려하여 주간과 분기별 분석만을 대상으로 한정하였다.
품목의 계절적 특성을 고려하였을 때, 중도매인이 실제 취급하기 어려운 품목들의 거래 기록은 중도매인의 실적 문제, 기타 사유로 인한 허위 거래로 판단할 수 있으며, 계절적 요인을 고려하기 위하여 분기별로 중도매인의 특정 품목 거래 횟수가 일정 수준 이하인 중도매인만을 분석한다.
대상 데이터
품목별 가격 차이와 송품장별 판매가격 차이는 분석 기간이 길어짐에 따른 평균 가격 차이 결과가 분석 목적에 맞지 않으므로 분기별 분석을 제외한 일간 및 주간별 분석만 수행하였다. 또한 과거 3년간의 거래 기록을 활용한 품목별 판매가격 변화 추이 분석 시에는 분석 대상이 되는 날짜가 과거와 동일하더라도 요일 차이가 발생하여 유통 시장의 개장일과 휴일이 비교가 될수 있으며, 특히 음력 날짜를 사용하여 매년 날짜가 변화하는 명절은 농산물 특성상 가격변화가 민감하기 때문에 이러한 사항들을 고려하여 주간과 분기별 분석만을 대상으로 한정하였다. 이 밖에도 비계절 품목의 거래 분석을 위하여 계절적 요인을 최대한 반영할 수 있도록 분기별거래 빈도에 대한 분석을 수행하였다.
본 연구 수행을 위하여 2008년부터 2010년까지 농수산 상장예외품목에 대한 중도매인 거래내역 데이터를 수집하였으며, 날씨의 영향이나 신선도 유지기간 등 농산품목과 수산품목이 갖는 특성 차이로 인하여 거래내용에 차이가 발생함에 따라 농수산 상장예외품목 중 농산 품목만을 연구 대상으로 선정하였다. 또한 분석의 효과성과 효율성을 위하여 최소 거래 기준을 설정하여 거래 금액이 연간 1억 2천만 원 이상이 되는 품목들에 한하여 분석 데이터로 선정하였다.
본 연구 수행을 위하여 2008년부터 2010년까지 농수산 상장예외품목에 대한 중도매인 거래내역 데이터를 수집하였으며, 날씨의 영향이나 신선도 유지기간 등 농산품목과 수산품목이 갖는 특성 차이로 인하여 거래내용에 차이가 발생함에 따라 농수산 상장예외품목 중 농산 품목만을 연구 대상으로 선정하였다. 또한 분석의 효과성과 효율성을 위하여 최소 거래 기준을 설정하여 거래 금액이 연간 1억 2천만 원 이상이 되는 품목들에 한하여 분석 데이터로 선정하였다.
성능/효과
첫 번째로는 하나의 송장 내에 들어있는 같은 품목의 거래는 하나의 거래로 취급하였다. 이를 통해 농수산물이 하루 내에 가격이 심하게 바뀔 수 있다는 문제를 처리하여 정상적인 거래가 부정거래로 탐지되는 것을 줄일 수 있었다. 두 번째로는 기존의 Z-Score의 개념을 활용하여 수정된 Zse(Self-Eliminated Z-Score)를 사용하였다.
이에 따라 실제 분석에 사용 된 농산 품목의 연도별 거래 데이터의 특징은 2008년 거래 수 307,423건, 총 거래 품목 90개, 총 거래 금액 3,223억 원, 2009년 거래 수 346,558건, 총 거래 품목 103개, 총 거래 금액 3,608억 원, 2010년 거래 수 392,582건, 총 거래 품목 115개, 총 거래 금액 4,911억 원으로 매년 거래 수와 거래 금액이 증가하는 추세임을 확인 할 수 있다([Table 2] 참조).
3건/주)으로 나타났다. 주간 부정거래 분석 중 과거 3년간의 판매 가격 변화 추이 분석은 수집된 데이터의 제한으로 인하여 2010년 거래 내역만이 분석 가능하였으며, 그에 따른 탐지 결과는 789건(평균 14.6건/주)로 확인된다.
후속연구
나아가 부정거래의 사전 예방으로 도매시장 통제 기능의 강화와 거래의 공정성·투명성 확보가 가능 할 것이다.
본 연구에서 도출한 규칙을 사용하여 이를 시스템화함으로써, 반복적이고 정형화된 업무에 소요되는 시간과 노력은 최소화시키고, 의사결정과 같이 보다 가치 있는 업무에 더 많은 자원배분이 가능 할 것이다. 또한 규칙에 대한 정의만으로도 부정거래 탐지 시스템의 사용이 가능하기 때문에, 사용자가 실제 업무에 대한 이해나 전문적 지식, 관련 경험이 부족하더라도 시스템에 원하는 명령을 내리거나 결과를 해석하는 정도의 보다 적은 양의 교육만으로도 해당 업무의 처리가 가능할 것이다.
본 연구에서 도출한 규칙을 사용하여 이를 시스템화함으로써, 반복적이고 정형화된 업무에 소요되는 시간과 노력은 최소화시키고, 의사결정과 같이 보다 가치 있는 업무에 더 많은 자원배분이 가능 할 것이다. 또한 규칙에 대한 정의만으로도 부정거래 탐지 시스템의 사용이 가능하기 때문에, 사용자가 실제 업무에 대한 이해나 전문적 지식, 관련 경험이 부족하더라도 시스템에 원하는 명령을 내리거나 결과를 해석하는 정도의 보다 적은 양의 교육만으로도 해당 업무의 처리가 가능할 것이다.
본 연구에서는 이상치 검출 방안을 적용하여 부정거래를 탐지하는 규칙을 도출하였으나 실제 농산물 유통시장 환경은 거래 대상이 되는 상장 예외품목의 변화와 부정거래 유형 변화 등 시간에 따른 변화가 가능하며, 이를 고려한 부정거래 탐지 규칙의 관리와 활용이 가능해야 한다.
본 연구의 한계점으로는 도매시장으로의 일별 농산물 반입 물량의 변화 주기가 잦아 정확한 측정 및 분석이 용이하지 않았다. 또한 농수산 품목이 갖는 특성으로 인하여 품목별 수확량의 정확한 예측이 요구되었으며, 거래 물량의 급격한 증감이 부정거래로 발생 된 것이 아닌 생산지에서의 수확량 증감으로 인하여 발생 된 경우일 수 있기 때문에 거래 물량을 고려한 부정 탐지 방안에 어려움이 존재하였다.
또한 농수산 품목이 갖는 특성으로 인하여 품목별 수확량의 정확한 예측이 요구되었으며, 거래 물량의 급격한 증감이 부정거래로 발생 된 것이 아닌 생산지에서의 수확량 증감으로 인하여 발생 된 경우일 수 있기 때문에 거래 물량을 고려한 부정 탐지 방안에 어려움이 존재하였다. 이 밖에도 분석에 필요한 기타 정산 기록 및 신뢰성 있는 데이터 확보에 어려움이 존재하여 다양한 부정거래 분석 방안 연구 및 개발에 제한이 있었다. 이러한 문제점으로 인하여 향후 연구 방안으로는 거래 물량에 대한 시계열 분석 기법 활용, 부정거래로 적발 된 중도매인과의 거래인 또는 기타 이해 관계자들에 대한 사회네트워크 분석 기법 적용 방안과 같이 분석 데이터의 제약을 극복하고 데이터 특성을 고려한 실질적이고 효과적인 부정 탐지 방안의 연구로 진행되어야 할 것이다.
이 밖에도 분석에 필요한 기타 정산 기록 및 신뢰성 있는 데이터 확보에 어려움이 존재하여 다양한 부정거래 분석 방안 연구 및 개발에 제한이 있었다. 이러한 문제점으로 인하여 향후 연구 방안으로는 거래 물량에 대한 시계열 분석 기법 활용, 부정거래로 적발 된 중도매인과의 거래인 또는 기타 이해 관계자들에 대한 사회네트워크 분석 기법 적용 방안과 같이 분석 데이터의 제약을 극복하고 데이터 특성을 고려한 실질적이고 효과적인 부정 탐지 방안의 연구로 진행되어야 할 것이다.
또한 부정거래 유형별 규칙 관리 및 활용을 위한 부정거래 탐지 시스템의 프로토타입(prototype) 개발을 통하여 과학적이고 자동화된 부정 탐지 방안의 개발을 꾀하였다. 이를 바탕으로 대용량 데이터에서 목적에 맞는 데이터 추출과 거래 기록의 비교 및 추이 파악 등 다차원 분석이 가능하며, 시간과 자원의 제한을 받지 않는 전수 조사와 상시 검사가 가능하다. 나아가 부정거래의 사전 예방으로 도매시장 통제 기능의 강화와 거래의 공정성·투명성 확보가 가능 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
부정행위 탐지 노력은 어떤 산업 분야에서 이뤄지고 있나요?
, 2012). 이러한 부정행위 탐지 노력은 온라인에서의 사기·부정행위를 비롯하여 은행, 신용카드, 보험 등의 민간 금융 분야와 감사업무, 사회복지, 조세 등 정부의 재정 지원·징수까지 다양한 분야에서 과학적 기법을 활용한 방안이 연구 되고 있다(Abbasi et al., 2012, Bierstaker et al.
본 연구에서 탐지 규칙 도출 및 신뢰성 확보를 바탕으로 부정거래 탐지 시스템의 프로토타입 만들어 얻고자 하는 것이 무엇인가?
또한 부정거래 유형별 규칙 관리 및 활용을 위한 부정거래 탐지 시스템의 프로토타입(prototype) 개발을 통하여 과학적이고 자동화된 부정 탐지 방안의 개발을 꾀하였다. 이를 바탕으로 대용량 데이터에서 목적에 맞는 데이터 추출과 거래 기록의 비교 및 추이 파악 등 다차원 분석이 가능하며, 시간과 자원의 제한을 받지 않는 전수 조사와 상시 검사가 가능하다. 나아가 부정거래의 사전 예방으로 도매시장 통제 기능의 강화와 거래의 공정성·투명성 확보가 가능 할 것이다.
부정 탐지가 연구 관심 분야인 이유는?
데이터의 수집과 분석 및 활용에 대한 관심은 클라우드 컴퓨팅과 사물 인터넷이라 불리는 IoT (Internet of Thing)의 발전으로 인하여 더욱 가속화 될 전망이다. 반면에 이러한 기술의 발전을 악용하여 정 보통신, 온라인 뱅킹, 전자 상거래 등 많은 분야에서 다양한 형태의 사기·부정행위가 증가하고 있으며, 전 세계적으로 매년 수십억 달러의 피해가 발생함에 따라 부정 탐지(fraud detection)는 지속적으로 연구되는 주요 관심 분야 중 하나이다(Kou et al., 2004, Ramamoorti, 2008, Whiting et al.
참고문헌 (22)
Abbasi, A., C. Albrecht, A. Vance, and J. Hansen, "MetaFraud: A Meta-Learning Framework for Detecting Financial Fraud," MIS Quarterly, Vol.36, No.4(2012), 1293-1340.
Bierstaker, J. L., R. G. Brody, and C. Pacini, "Accountants' perceptions regarding fraud detection and prevention methods," Managerial Auditing Journal, Vol.21, Issue.5(2006), 520-535.
Chau, D. H. and C. Faloutsos, "Fraud detection in electronic auction," Proceedings of the European Web Mining Forum at ECML/PKDD, (2005), 87-97.
Durtschi, C., W. Hillison, and C. Pacini, "The effective use of Benford's law to assist in detecting fraud in accounting data," Journal of forensic accounting, Vol.5, No.1(2004), 17-34.
Fawcett, T. and F. Provost, "Adaptive fraud detection." Data mining and knowledge discovery, Vol.1, No.3(1997), 291-316.
Ghosh, S. and D. L. Reilly, "Credit card fraud detection with a neural-network." Proceedings of the Twenty-Seventh Hawaii International Conference on System Sciences, Vol. 3(1994), 621-630.
Gwon. S. G. and C. H. Kim, "Current Status and Improvement Works of Unlisted Trading System [written in Korean]," Proceedings of Winter Conference on Korea Food Marketing Association, Vol.2011(2012), 37-65.
Ham, S. O. and J. S. Hong, "A Study on the Fraud Detection of Industrial Accident Compensation Insurance," Proceedings of Fall Conference on The Korean Operations Research and Management Science Society, (2008), 342-345.
Hong, C. H., S. M. Ahn, and K. W. Wee, "Detection of Stock Price Manipulation: A data Mining Approach," Journal of Intelligence and Information Systems, Vol.12, No.4(2006), 15-37.
Kou, Y., C. T. Lu, S. Sirwongwattana, and Y. P. Huang, "Survey of Fraud Detection Techniques," Proceedings of the 2004 IEEE international conference on Networking, sensing and control, Vol.2(2004), 749-754.
Lee, H. K., S. B. Han, and W. C. Jhee, "Illegal Cash Accommodation Detection Modeling Using Ensemble Size Reduction," Journal of Intelligence and Information Systems, Vol.16, No.1(2010), 93-116.
Lee, J. W., D. H. Lee, and I. S. Kim, "Method of Detecting SmiShing using SVM," Journal of Security Engineering, Vol.10, No.6(2013), 655-668.
Lee, J. W., I. A. Choi, W. C. Ji, H. Y. Park, and H. J. Shin, "A Quantitative Measure Integrating the Diverse Degree of Anomaly for Hospital Bill," Proceedings of the Conference on Korean Institute of Industrial Engineers, (2008), 342-345.
Lee, M. G. and S. J. Chang, "The Necessity for Education to Deter Accounting Fraud and the Directions of Accounting Fraud Education," The Korean Institute of Certified Accountants, Vol.54, No.2(2012) 41-75.
Lee, M. J., "Big Data and the Utilization of Public Data," Internet and Information Security, Vol.2, No.2(2011), 47-64.
Li, S. H., D. C. Yen, W. H. Lu, and C. Wang, "Identifying the Signs of Fraudulent Accounts Using Data Mining Tech," Computers in Human Behavior, Vol.28, Issue 3(2012), 1002-1013.
Linoff, G. S. and M. J. A. Berry, Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management, Third Edition, Wiley Publishing, Inc., Indiana, 2011.
Raj, S. B. E. and A. A. Portia, "Analysis on Credit Card Fraud Detection Methods," Proceedings of 2011 International Conference on Computing, Communication and Electrical Technology, (2011), 152-156.
Ramamoorti, S., "The psychology and sociology of fraud: Integrating the behavioral sciences component into fraud and forensic accounting curricula." Issues in Accounting Education, Vol.23, No.4(2008), 521-533.
Singleton, T. W. and A. J. Singleton. Fraud auditing and forensic accounting, 4th ed., John Wiley & Sons, New Jersey, 2010.
Whiting, D. G., J. V. Hansen, J. B. McDonald, and C. Albrecht, "Machine Learning Methods for Detecting Patterns of Management Fraud," Computational Intelligence, Vol.28, No.4(2012), 505-527.
Wi, T. S. and S. K. Kwon, "Reorganization of the Agricultural Wholesale Market," Korean Journal of Food Marketing Economics, Vol.26, No.3(2009), 75-93.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.