사기 인식 및 방지
정의와 중요성
역사
사기는 낭비와 남용, 부적절한 지불, 자금 세탁, 테러 자금 조달, 공공 보안, 사이버 보안을 포함할 수 있습니다. 과거의 사기 방지는 별도의 데이터셋에서 경고 생성의 대상이 되는 이상 징후를 찾기 위해 비즈니스 규칙과 기본적인 분석을 사용하는 단편적인 접근 방식을 취해야만 했습니다.
자동화를 통한 데이터 교차 참조가 불가능했고, 조사자는 거래 및 범죄를 실시간 수동으로 모니터링할 수 없어 사후에 조사를 수행해야 했습니다. 의료 분야에서의 사기 방지는 '지불 후 추적'에 가까웠습니다. 사기가 적발되었을 때는 이미 범인이 사라진 지 오래였으니까요.
사기를 근절하기 위해 기존 전술을 예측하고, 새로운 계획을 밝혀내고, 점점 더 정교해지는 조직적인 사기의 고리를 해독하는 새로운 기술이 개발되었습니다. 새로운 기술에는 표준 분석을 넘어 머신 러닝으로 알려진 AI 형태를 포함하는 예측 및 적응형 분석 기술이 적용됩니다. 사기 방지는 빅데이터 소스와 실시간 모니터링 및 리스크 프로파일 분석을 결합하여 사기 리스크에 대한 점수를 매겨 손실의 흐름에 전환점을 맞이하기 시작했습니다.
분석을 통한 신원 사기 방지
신원 사기는 점점 더 우려되고 있는 사기로서 기업과 고객 모두에게 영향을 미칩니다. 이제 사기 범죄자는 그 어느 때보다 더 많은 도구와 데이터에 쉽게 액세스할 수 있게 되었으며, 이로 인해 개인 정보 도난이 사상 최고치를 기록했습니다. 이 차트는 계좌 도용, 카드 부재 및 기타 형태의 신원 사기 손실과 그러한 사기가 지속적으로 증가하고 있음을 비교하여 보여 줍니다.
사기 감지의 세계적 동향
국가 지원 테러, 전문 범죄자, 음지에서 범죄를 저지르는 범법자들이 점점 더 복잡해지면서 이를 알아내거나 추적하고 폭로하고 예방하기가 점점 더 어려워지고 있습니다. 오늘날의 사기 감지에는 데이터 포인트와 비정상적인 것을 찾아내는 활동을 연결하는 범용 접근 방식이 사용됩니다. 사기 범죄자는 정교한 전술을 개발해내고 있으므로 시스템을 좌지우지하는 변화무쌍한 접근 방식에서 우위를 점하는 것이 매우 중요합니다.
많은 경우, 사이버 보안 위반은 사기 활동을 부추깁니다. 소매 또는 금융 서비스를 예로 들어보겠습니다. 한때 사치였던 실시간 거래 모니터링은 이제 금융 거래뿐만 아니라 인증, 세션, 위치 및 장치와 관련된 디지털 이벤트 데이터의 기본 요구 사항이 되었습니다.
일련의 사기 공격과 범죄를 신속하고 정확하게 파악하고 막는 동시에 고객과 시민의 경험을 개선하려면 조직은 다음과 같은 네 가지 중요한 단계를 따라야 합니다.
- 여러 부서 또는 채널에서 사용 가능한 모든 데이터 유형을 검출하고 통일하여 분석 프로세스에 통합합니다.
- 거래, 소셜 네트워크, 고위험 이상 활동 등을 지속적으로 모니터링하고 행동 분석을 적용하여 실시간 의사결정을 가능하게 합니다.
- 조사 워크플로우 최적화를 포함한 모든 수준의 데이터 시각화를 통해 기업 전반에 분석 문화를 조성합니다.
- 계층화된 보안 기법을 사용합니다.
우리가 선택해야 할 사기 감지 및 방지 기술은 복잡한 데이터 패턴에서 배울 수 있어야 합니다. 정교한 의사결정 모델을 사용하여 오탐지를 보다 효과적으로 관리하고 네트워크 관계를 감지하여 범법자와 범죄자의 활동에 대한 거시적인 관점을 확보해야 합니다. 딥 러닝 신경망, 익스트림 그래디언트 부스팅 및 벡터 머신과 같은 머신러닝 방법과 로지스틱 회귀, 자기조직화 지도, 랜덤 포리스트 및 앙상블과 같은 입증된 방법을 결합하면 규칙에 기반한 접근 방식보다 훨씬 정확하고 효과적인 것으로 입증되었습니다.
사기와의 전쟁
사기 범죄자가 사용하는 기술과 마찬가지로 사기 방지에 대한 접근 방식도 끊임없이 발전해야 합니다. 빅데이터와 고급 분석 기술을 사용하여 사기에 어떻게 대응할 수 있는지 자세히 알아보세요.
차세대 자금세탁방지(AML)
로보틱스, 시맨틱 분석 및 인공 지능은 모두 재무기관이 AML 프로세스를 자동화하고 효율성을 개선하는 데 도움이 될 수 있습니다. 그렇다면 어떻게 시작해야 할까요? 성공적인 머신러닝 기반 AML을 위한 10가지 핵심 사항에 관해 읽어보세요.
분석을 사용한 디지털 사기 방지
디지털화는 기회와 위협을 동시에 발생시킵니다. 재무기관이 피해야 할 위험 및 사기 시나리오, 빅데이터 및 분석을 통해 디지털 사기를 줄이는 방법, 오늘날 혁신적인 조직이 사기를 감지하는 방법에 대해 알아보세요.
보험 신청 사기 근절
대리인과 고객이 벌이는 사기극은 보험사에게 점점 더 문제가 되고 있습니다. 사기 범죄자의 디지털 속임수가 점점 더 정교해지는 가운데 보험사가 분석과 AI를 사용하여 어떻게 페이스를 유지하면서 전략적으로 사기에 대응하는지 알아보세요.
고객을 사기로부터 보호하는 동시에 서비스 제공
독일에서 두 번째로 큰 은행인 Deutsche Kreditbank AG(DKB)를 이용하는 고객들은 온라인 뱅킹을 하는 동안 실시간 서비스와 최대한의 보안을 기대합니다. 하지만 사기 범죄자는 끊임없이 적응하고 점점 더 빨라집니다. DKB는 신속하게 사기를 감지하고 고객을 보호해야 할 필요성을 인식하고 SAS의 사기 감지 및 자금세탁방지 솔루션으로 전환했습니다. 이제 DKB는 고객의 돈을 안전하게 지켜줄 뿐만 아니라 고객의 신뢰까지 얻고 있습니다.
누가 사기 방지를 사용할까요?
기업과 정부 모두 데이터 시각화 및 인공 지능과 같은 기술을 도입하여 사기로 인한 경제적 평판적 영향을 크게 줄이고 나아가 이를 방지할 수 있었습니다. 분석가와 조사자가 협력하여 사일로를 분석하고, 심각도에 따라 경고에 점수를 매기고 우선순위를 지정한 다음 보다 심층적인 분석을 위해 우선순위가 높은 경고를 전달합니다.
은행 산업
사기는 종종 위조 신원, 고객 계정 도용, 불법 응용 프로그램, 디지털 결제 및 인증, 조달 및 기타 금융 범죄를 통해 발생합니다. 재무기관은 오탐지를 더 줄이면서 실시간으로 부정거래를 감지하고, 다양한 요인을 조사하는 복잡한 알고리즘을 통해 자금 세탁이나 테러 자금 조달을 탐지합니다.
보험 산업
클레임 사기가 기승을 부리고, 신청서 사기도 증가하고 있습니다. 데이터 분석가들은 비용을 지출한 후 추적하는 지불 후 추적 방식 대신 알고리즘을 적용하여 이상 징후와 패턴을 감지함으로써 사기를 방지하고 있습니다. 여러 요인을 분석하여 클레임 사기가 발생하는 방식을 파악하면 사기가 발생했을 때 이를 감지할 수 있으며, 보다 중요한 것은 더 늦기 전에 사기를 방지할 수 있습니다.
공공 부문
정부는 현재 사일로화된 데이터를 결합하여 세금 사기를 적발하고, 침해를 예측하며, 비정상적인 행동을 식별하고, 실시간 및 미래의 위협을 차단하고 있습니다. 이 모든 작업은 국경 보안을 강화하고 법 집행을 위한 정보를 수집하며 오피오이드 남용을 감시하고 어린이를 안전하게 보호합니다.
의료 서비스 산업
의료 서비스 클레임 사기는 전 세계적으로 수백만, 심지어 수십억에 달합니다. 의료 서비스 조직은 고급 분석을 사용하여 지불 무결성 및 의료비 억제에 대한 엔터프라이즈 접근 방식을 취함으로써 사기를 성공적으로 방지하고 있습니다.
사기 방지 작동 원리
사기 감지 및 예방은 고정적인 프로세스가 아닙니다. 시작 지점과 끝 지점이 따로 없습니다. 대신 지속적인 주기로 모니터링, 감지, 결정, 사례 관리 및 학습을 실행하여 개선된 결과를 시스템에 다시 적용해야 합니다. 조직은 사기 사건에 대해 지속적으로 학습하고 그 성과를 향후 모니터링 및 감지 프로세스에 통합하기 위해 노력해야 합니다. 이를 위해서는 기업 전반에서 분석 라이프사이클 접근 방식을 취해야 합니다.
사기 감지, 규정 준수 또는 보안을 조직의 목표에 포함시킬 수도 있습니다. 인공 지능 및 머신러닝과 같은 기술이 널리 보급됨에 따라 차세대 기술은 대규모 데이터셋을 결합하고 행동 분석을 사용하는 것과 관련된 수동 프로세스를 자동화하고 있습니다.
지도 학습(Supervised Learning)
지도 학습 머신러닝 알고리즘은 과거 데이터를 통해 학습하고 관심 패턴을 파악합니다.
비지도 학습(Unsupervised Learning)
비지도 학습 머신러닝은 데이터에서 아직 식별되지 않은 사기를 평가하고 검사합니다. 이를 통해 새로운 이상 현상과 유의 패턴을 파악할 수 있습니다.
디지털 경제의 부상은 동시에 사기와 사이버 보안 위험의 급속한 확산을 불러왔습니다. 우리는 특히 AI, IoT 및 클라우드와 같은 기술을 채택하고 분석 여정에 있는 고객을 만나기 원합니다. SAS는 이러한 고객을 지원하여 데이터 사일로를 허물고, 변화하는 규정에 적응하고, 현재 및 미래의 위험으로부터 그러한 기술을 안전하게 보호할 수 있습니다. Stu Bradley Vice President, Fraud and Security Intelligence Practice SAS
사기 방지를 위한 기능적 솔루션
SAS® Visual Investigator
SAS Visual Investigator는 대규모의 상이한, 정형화 및 비정형화된 데이터 소스를 결합한 사기 감지, 조사 및 사고 관리 솔루션입니다. 조사자는 시각적 사용자 인터페이스를 통해 경고를 정의, 생성, 분류, 관리하고 숨겨진 행동 및 활동을 파악하기 위해 자세한 조사를 수행할 수 있습니다.
추천 자료
-
기사
Detect and prevent banking application fraudCredit fraud often starts with a falsified application. That’s why it’s important to use analytics starting at the entrance point. Learn how analytics and machine learning can detect fraud at the point of application by recognizing the biggest challenge – synthetic identities.
-
기사
Managing fraud risk: 10 trends you need to watchSynthetic identities, credit washing and income misrepresentation – these are just some of the trends to watch if you’re trying to understand how to manage fraud risk. Find out what’s on the top 10 list of trends according to experts like Frank McKenna and Mary Ann Miller.
-
기사
How AI and advanced analytics are impacting the financial services industryTop SAS experts weigh in on the topics that are keeping institutions up at night and fraudsters in a job.
