금융권 FDS, 왜 머신러닝이 필요한가?

금융 거래시 보이스피싱과 연결됐을 것 같은 식의 이상거래 징후를 탐지하는, 사기방지시스템(FDS)에 대한 금융권의 관심이 높다. 국내의 경우 FDS가 효과적으로 활용되고 있는지, 또 기술적으로 어떤 접근 방식을 택해야 할지를 놓고 갑론을박도 한창인게 현실이다.

지난 7월 등장한 금융 빅데이터 분석 스타트업 비아이큐브는 머신러닝 기반 빅데이터 분석이 FDS의 미래라고 강조하는 회사다. 머신러닝은 인공 지능의 한 분야로 컴퓨터가 데이터를 통해 학습하고 사람처럼 어떤 대상 혹은 상황을 이해할 수 있게 하는 기술이다. 스스로 학습할 수 있는 컴퓨터가 사용자를 이해한다면 이전에 할 수 없었던 방식의 서비스가 가능해진다는게 업계 설명이다.

데이터 양이 급증하고 그걸 처리할 수 있는 하드웨어 기술이 저렴해지면서 머신러닝도 대중화를 향해 치닫는 양상이다. 머신러닝 기술이 발전할수록 사람의 뇌가 할 일을 컴퓨터가 대신하는 것도 늘어나게 마련이다. 신기하고 뜬구름 잡는 이야기같지만 머신러닝은 이미 사람들의 일상 생활 깊숙이 파고들었다.

비아이큐브는 FDS 도 머신러닝과 궁합이 잘 맞는 분야라고 강조한다. FDS에는 기존 관계형 데이터베이스관리시스템(RDBMS)이 아니라 머신러닝과 같은 인공지능적 사고가 필요하다는 것이 회사측 설명이다. 김민경 비아이큐브 대표는 "FDS는 결국 한 사람의 행위 패턴을 찾는 것이다. 개인 프로파일링을 하지 않으면 의미가 없다"면서 "RDB적 사고를 벗어날 필요가 있다"고 말했다.

김 대표에 따르면 거래량이 많지 않으면 RDB와 내부 인력을 투입하고 룰을 잘 만들면 나름 효과적인 FDS를 운영하는 것이 가능하다. 그러나 RDB는 사람이 잘 관리할 수 있도록 하는데 초점이 맞춰진 시스템으로 결과물을 빨리 내놓는데는 한계가 있다. 트랜잭션이 하루 2천만건 쌓인다면, 실시간으로 대응 역량을 갖춘 FDS를 운영하는 것은 만만치 않다. 김 대표는 "FDS는 개인별 행위 패턴을 판단하는 것이다"면서 "머신러닝 역량을 갖추지 않으면 수많은 이들 중에서 한 사람의 행위 패턴을 빠르게 분석하기 힘들다"고 지적했다. FDS에 머신러닝을 투입하게 되면 사람이 볼 수 없는 영역도 파악이 가능하다는 것이 그의 설명이다.

이를 위해 비아이큐브는 실시간 데이터 처리를 효과적으로 지원하는 FDS인 리카온-에프(Lycaon-F)를 개발했다. 대용량 데이터를 저장할 수 있는 하둡 플랫폼과 머신러닝에 기반한 솔루션이다.

회사측에 따르면 리카온-에프는 복잡한 대용량 데이터를 실시간으로 빠르게 처리할 수 있게 해주는 비아이큐브 뉴트럴스트림 기술에 기반한다. 또 고객에게 불편을 초래하는 과탐(과잉탐지)과 사기거래를 탐지하지 못해 은행에 피해를 주는 오탐(탐지하지 못함)을 낮추기 위해 인공면역시스템( Artificial Immune system: AIS)를 응용해 위험영역(Danger Zone) 개념이 적용됐다.비아이큐브는 리카온-에프를 통해 사회적 이슈인 보이스 피싱 피해를 약 80% 이상 방지할 수 있을 것으로 기대했다. 또 자체 개발한 빅데이터 머신러닝 플랫폼인 비아이큐브(BICube)를 기반으로 FDS 성능을 보완할 수 있다고 강조한다. 고객 요구에 맞는 머신러닝 알고리즘과 개인별로 프로파일링 된 머신러닝 모델을 만들어 적용할 수 있는 확장성을 갖고 있다는 것이다.