[기계학습④] 페이팔, 딥러닝 도입으로 결제 사기 대응 기계학습 국외 기업 사례 온라인 결제 서비스 페이팔은 결제 사기 대응책으로 ‘딥러닝(Deep Learning)’ 기술을 도입했다. 훨씬 복잡해진 사기수법을 분석 및 예방하기 위해서다. 국내에서 논의가 한창인 이상금융거래탐지시스템(FDS, Fraud Detection System)의 원조격으로 페이팔은 사람의 뇌와 유사한 방식으로 분석업무를 수행하는 ‘딥러닝(Deep Learning)’ 기술까지 적극적으로 도입했다. 페이팔 글로벌 리스크 사이언스 담당 선임디렉터인 후이 왕(Hui Wang)은 “사기 수법이 이전보다 훨씬 복잡해지면서 사기분석 및 예방을 위해 딥러닝 기술을 도입하고 있다”고 밝혔다. 빅데이터를 활용한 딥러닝 기술딥러닝 기술은 머신러닝(Machine Learning) 혹은 인공지능(Artificial Intelligence)에 대한 또 다른 접근법 중 하나며, 구글, 페이스북, 마이크로소프트, 바이두 등이 수년간 연구해 온 분야다. 사람의 뇌가 정보를 처리하는 방식과 유사한 인공 신경세포 네트워크 알고리즘을 사용하며, 이 알고리즘은 뇌에서 영감을 얻어 유사한 분석 시스템을 마련하는 것으로 뇌 자체를 모델링하는 것과는 차이를 보인다. 딥러닝을 구성하는 인공 신경세포 네트워크는 이를 구현한 시스템이 얻은 데이터의 패턴이나 특징을 이해하는 데 뛰어나며, 컴퓨터 비전, 음성 인식, 텍스트 분석, 비디오 게임 등의 발달이 모두 여기에 영향을 미치고 있다. 따라서 복잡한 패턴과 특징을 가진 사이버 범죄나 온라인 결제 사기를 확인하는 데에도 도움이 된다. 딥러닝 기술딥러닝은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술이다. 예를 들어 컴퓨터는 개와 고양이를 구분하지 못하나 사람은 구분할 수 있다. 이를 위해 ‘기계학습’이라는 방법이 고안됐는데, 이는 많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하도록 하는 기술이다. 이때, 데이터를 어떻게 분류할 것인가를 놓고 많은 기계학습 알고리즘이 등장했는데 ‘의사결정나무’, ‘베이지안망’, ‘서포트벡터머신’, ‘인공신경망’이 그 예다.딥러닝은 인공신경망의 한계를 극복하기 위해 제안된 기계학습 방법으로 인간의 두뇌가 수많은데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습하게 한다.딥러닝 기술을 적용하면 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 스스로 인지·추론·판단할 수 있게 되며, 음성·이미지 인식과 사진 분석 등에 광범위하게 활용된다. 이에 따라구글, 페이스북, 마이크로소프트, 바이두 등의 기업들이 딥러닝 기술을 적용하여 데이터를 분석하는 등 서비스에 활용하고 있다. 딥러닝 기술로 효과 & 전략 가치↑ 페이팔의 딥러닝 기술은 사기 방지 전문가와 결합해 ‘탐정이 하는 것과 같은 방법론(Detective-like Methodology)’을 적용할 수 있게 돕는다. 전 세계에서 이뤄지는 온라인 결제에서 발견된 수만 개의 잠재적인 특징을 분석해 특정 사기 유형과 비교하거나 사기 방식을 탐지하고, 다양한 유사 수법을 파악할 수 있게 한다.다양한 사기 수법들은 누군가 X라는 일을 했을 때, Y라는 결과가 나오는 것보다 훨씬 복잡하며, 이에 따라 사람이 할 수 있는 것보다 훨씬 높은 수준의 분석이 필요하다.딥러닝을 통해 사기가 가능한 모델이 탐지되면 사기 방지 전문가는 현실에서 일어날 수 있는 일인지, 다음에 무슨 일이 발생할 수 있는지를 파악할 수 있다.‘챔피언-챌린저’ 방식페이팔은 ‘챔피언-챌린저(Champions-and-Challengers)’ 방식의 접근법을 사용하는 전통적인 챔피언-챌린저 방식에서, 새로운 전략(챌린저)이 기존에 사용 중인 전략(챔피언)보다 뛰어나다면, 새로운 챔피언 전략으로 선택할 수 있다. 이런 과정은 결과에 대한 챌린저 모델을 적용해봄으로써 새로운 전략이 나타낼 결과를 예상할 수 있으며, 프로그램의 90%가 챔피언 모델을 통해 처리되는 동안 나머지 10%는 챌린저 모델을 통해 처리된다. 최종적으로 결과를 비교해서 더 우수한 전략을 선택할 수 있다.페이팔은 이러한 접근법을 통해 어떤 사기 탐지 모델에 무게를 둘지를 결정하고 있으며, 딥러닝에 의한 방식은 새로운 전략(챌린저)에서 출발해 점점 새로운 챔피언 모델로 자리를 잡았다.

[기계학습④] 페이팔, 딥러닝 도입으로 결제 사기 대응

기계학습 국외 기업 사례

기사입력 2016-04-09 11:30:00

[산업일보]

온라인 결제 서비스 페이팔은 결제 사기 대응책으로 ‘딥러닝(Deep Learning)’ 기술을 도입했다. 훨씬 복잡해진 사기수법을 분석 및 예방하기 위해서다. 국내에서 논의가 한창인 이상금융거래탐지시스템(FDS, Fraud Detection System)의 원조격으로 페이팔은 사람의 뇌와 유사한 방식으로 분석업무를 수행하는 ‘딥러닝(Deep Learning)’ 기술까지 적극적으로 도입했다. 페이팔 글로벌 리스크 사이언스 담당 선임디렉터인 후이 왕(Hui Wang)은 “사기 수법이 이전보다 훨씬 복잡해지면서 사기분석 및 예방을 위해 딥러닝 기술을 도입하고 있다”고 밝혔다.

빅데이터를 활용한 딥러닝 기술
딥러닝 기술은 머신러닝(Machine Learning) 혹은 인공지능(Artificial Intelligence)에 대한 또 다른 접근법 중 하나며, 구글, 페이스북, 마이크로소프트, 바이두 등이 수년간 연구해 온 분야다.

사람의 뇌가 정보를 처리하는 방식과 유사한 인공 신경세포 네트워크 알고리즘을 사용하며, 이 알고리즘은 뇌에서 영감을 얻어 유사한 분석 시스템을 마련하는 것으로 뇌 자체를 모델링하는 것과는 차이를 보인다.

딥러닝을 구성하는 인공 신경세포 네트워크는 이를 구현한 시스템이 얻은 데이터의 패턴이나 특징을 이해하는 데 뛰어나며, 컴퓨터 비전, 음성 인식, 텍스트 분석, 비디오 게임 등의 발달이 모두 여기에 영향을 미치고 있다. 따라서 복잡한 패턴과 특징을 가진 사이버 범죄나 온라인 결제 사기를 확인하는 데에도 도움이 된다.

딥러닝 기술
딥러닝은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술이다. 예를 들어 컴퓨터는 개와 고양이를 구분하지 못하나 사람은 구분할 수 있다. 이를 위해 ‘기계학습’이라는 방법이 고안됐는데, 이는 많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하도록 하는 기술이다. 이때, 데이터를 어떻게 분류할 것인가를 놓고 많은 기계학습 알고리즘이 등장했는데 ‘의사결정나무’, ‘베이지안망’, ‘서포트벡터머신’, ‘인공신경망’이 그 예다.

딥러닝은 인공신경망의 한계를 극복하기 위해 제안된 기계학습 방법으로 인간의 두뇌가 수많은
데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분
별하도록 기계를 학습하게 한다.

딥러닝 기술을 적용하면 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 스스로 인지·추
론·판단할 수 있게 되며, 음성·이미지 인식과 사진 분석 등에 광범위하게 활용된다. 이에 따라
구글, 페이스북, 마이크로소프트, 바이두 등의 기업들이 딥러닝 기술을 적용하여 데이터를 분석
하는 등 서비스에 활용하고 있다.

딥러닝 기술로 효과 & 전략 가치↑
페이팔의 딥러닝 기술은 사기 방지 전문가와 결합해 ‘탐정이 하는 것과 같은 방법론(Detective-like Methodology)’을 적용할 수 있게 돕는다. 전 세계에서 이뤄지는 온라인 결제에서 발견된 수만 개의 잠재적인 특징을 분석해 특정 사기 유형과 비교하거나 사기 방식을 탐지하고, 다양한 유사 수법을 파악할 수 있게 한다.

다양한 사기 수법들은 누군가 X라는 일을 했을 때, Y라는 결과가 나오는 것보다 훨씬 복잡하며, 이에 따라 사람이 할 수 있는 것보다 훨씬 높은 수준의 분석이 필요하다.

딥러닝을 통해 사기가 가능한 모델이 탐지되면 사기 방지 전문가는 현실에서 일어날 수 있는 일인지, 다음에 무슨 일이 발생할 수 있는지를 파악할 수 있다.

‘챔피언-챌린저’ 방식
페이팔은 ‘챔피언-챌린저(Champions-and-Challengers)’ 방식의 접근법을 사용하는 전통적인 챔피언-챌린저 방식에서, 새로운 전략(챌린저)이 기존에 사용 중인 전략(챔피언)보다 뛰어나다면, 새로운 챔피언 전략으로 선택할 수 있다.

이런 과정은 결과에 대한 챌린저 모델을 적용해봄으로써 새로운 전략이 나타낼 결과를 예상할 수 있으며, 프로그램의 90%가 챔피언 모델을 통해 처리되는 동안 나머지 10%는 챌린저 모델을 통해 처리된다. 최종적으로 결과를 비교해서 더 우수한 전략을 선택할 수 있다.

페이팔은 이러한 접근법을 통해 어떤 사기 탐지 모델에 무게를 둘지를 결정하고 있으며, 딥러닝에 의한 방식은 새로운 전략(챌린저)에서 출발해 점점 새로운 챔피언 모델로 자리를 잡았다.

뒤로 기사목록

산업일보 영상뉴스 모아보기

산업일보 페이스북 바로가기

김현지 기자 press1@kidd.co.kr

이 기자의 다른기사 보기 >

반갑습니다. 산업1부 김현지 기자입니다. 산업 관련 빅데이터(Big Data), 3D프린터, 스마트기계, 기계학습(Machine Learning), 인공지능(AI), 웨어러블 기기, 가상현실(VR) 분야 등과 함께, ‘산업인 24시’, ‘동영상 뉴스’, ‘동영상 인터뷰’ 를 통해 여러분을 찾아뵙겠습니다.