인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 인공지능·정보기술(IT)의 융합을 통해 신용카드 거래에서 발생하는 금융 사기를 사전에 예측할 수 있는 모델을 구현‧검증하는 데 목적이 있다. 최근 온라인 쇼핑, 모바일 간편결제, 해외 직구 등 비대면 결제의 급증으로 신용카드 결제 규모가 폭발적으로 성장하고 있으며, 이에 비례하여 사기(Fraud) 또한 지능화·대형화되고 있다. 단순 모니터링이나 규칙 기반(Rule-Based) 시스템만으로는 복잡한 패턴을 포착하기 어렵기 때문에, 본 연구에서는 트리 기반 부스팅 알고리즘인 Light Gradient Boosting Machine(LGBM)을 중심으로 예측 모델을 학습·평가하였다. 실험에는 공개 신용카드 거래 데이터셋 28만여 건을 사용하였으며, 거래 금액·거래 속도·계정 생성일·이상 접속지(IP) 등 25개 특성을 전처리·엔지니어링하여 입력 변수로 활용하였다. 불균형 클래스 문제를 완화하기 위해 SMOTE와 클래스 가중치 조정 전략을 적용했고, 하이퍼파라미터 탐색(Grid Search & Stratified K-Fold CV)을 통해 최적 모델을 선별하였다. 최종 LGBM 모델은 F1-score 0.924, ROC-AUC 0.987, 전체 정확도 98.1 %의 성능을 기록했으며 특히 정상 거래(클래스 0)에 대해 0.993의 정밀도를 보였다. 본 연구 결과는 인공지능 기반 실시간 사기 탐지 시스템이 실제 금융보안 인프라에 도입될 가능성을 제시하며, 데이터 기반 의사결정의 중요성을 강조한다. 또한 모델 해석(Feature Importance, SHAP)을 통해 거래 속도와 계정 생성일이 사기 여부를 결정짓는 주요 변수임을 규명하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096089060
