기술 요약: 그래프 기반 경사 부스팅 의사결정나무의 귀납적 추론을 통한 보험 사기 탐지

문제 정의

보험 사기 탐지는 기존 머신러닝 접근법이 최적의 결과를 내기 어렵게 만드는 고유한 도전 과제에 직면해 있습니다. 첫째, 사기는 종종 개인과 기관이 협력하는 조직화된 네트워크를 수반하므로, 청구 사항을 독립적이고 동일하게 분포된 (i.i.d.) 사건으로 취급하기보다는 복잡한 관계를 모델링해야 합니다. 둘째, 보험 데이터는 본질적으로 이질적 (기업, 관리자, 보험 정책 등 다양한 노드 유형 포함) 이며 동적 (시간에 따라 진화) 입니다. 셋째, 사기 데이터셋은 극단적인 클래스 불균형으로 고통받는데, 이는 확인된 사기 사례가 합법적인 청구에 비해 매우 드물기 때문입니다.

그래프 신경망 (GNN) 은 관계형 데이터 모델링을 위한 강력한 도구로 부상했지만, 이 분야에서 다음과 같은 중대한 장애물에 직면해 있습니다:

1. 귀납적 한계: 많은 임베딩 방법 (예: node2vec) 은 전도적 (transductive) 이어서 그래프 구조가 진화하거나 새로운 노드가 나타날 때 예측을 업데이트하는 데 어려움을 겪습니다.
2. 특성 처리: GNN 은 보험 데이터에서 흔히 발견되는 고카디널리티 범주형 특성 (예: 자동차 브랜드, 법적 형태) 을 처리하는 데 종종 어려움을 겪습니다. 이러한 특성을 평균 연산을 통해 집계하는 것은 종종 무의미하기 때문입니다.
3. 과잉 평활화 (Over-smoothing): 깊은 GNN 은 메시지 전달 계층이 증가함에 따라 노드 표현이 구별 불가능해지는 과잉 평활화 현상을 겪을 수 있습니다.
4. 해석 가능성: 보험 산업의 규제 요구 사항은 투명한 감사 추적을 요구합니다. GNN 은 종종 사기 예측을 이끄는 구체적인 증거 (노드/간선) 를 흐리게 만드는 불투명한 임베딩을 생성합니다.

결과적으로, 클래스 불균형과 범주형 특성에 대한 강건성으로 인해 표 형식 데이터에서의 경사 부스팅 트리 (GBM) 방법이 여전히 우세하지만, 본질적으로 그래프 구조를 통합할 수 있는 능력은 부족합니다.

방법론: G-GBM

저자들은 이질적이고 동적인 그래프에 대한 경사 부스팅 의사결정나무를 확장한 새로운 귀납적 프레임워크인 G-GBM (Graph-Gradient Boosted Machine) 을 제안합니다. 이 방법은 해석 가능성을 희생하지 않으면서 GBM 의 예측력과 그래프의 관계 모델링 간의 격차를 해소합니다.

핵심 메커니즘

G-GBM 은 그래프 구조를 노드의 국소적 이웃 (ego-net) 내의 명시적이고 특성화된 경로 집합으로 변환한 후, 이를 표준 경사 부스팅 알고리즘 (특히 LightGBM) 에 입력함으로써 작동합니다.

1. 메타경로 샘플링: 대상 노드 $v$에 대해 알고리즘은 $n$-hop ego-net 내에서 고정된 길이 $n$의 단순 경로를 샘플링합니다. 이러한 경로는 특정 메타경로 (노드 및 간선 유형의 시퀀스) 를 따릅니다.
2. 특성 연결: GNN 이 이웃 특성을 단일 벡터로 집계하는 대신, G-GBM 은 각 샘플링된 경로를 따라 만나는 원시 노드 및 간선 특성을 연결합니다. 이는 고카디널리티 범주형 데이터의 세밀함을 보존합니다.
3. 확률 가중 학습: 각 경로에는 무작위 보행자가 해당 경로를 통과할 확률에 기반한 가중치가 할당됩니다. 이러한 가중치는 의사결정나무 훈련 중 사례 가중치 (case weights) 로 사용됩니다.
4. 가중 지니 불순도: 트리 구성은 가중 지니 불순도 기준을 활용합니다. 불순도 계산에는 경로 확률이 포함되므로, 더 높은 확률을 가진 경로가 분할 결정에 더 크게 기여하도록 보장합니다.
5. 귀납적 예측: 노드의 최종 사기 확률은 각 메타경로에 대해 훈련된 나무들의 예측에 대한 가중 합입니다. 이를 통해 모델은 전체 임베딩 공간을 재훈련할 필요 없이 새로운 노드와 진화하는 그래프 구조에 일반화할 수 있습니다.

해석 가능성

모델이 불투명한 임베딩이 아닌 명시적 특성 연결에 의존하기 때문에 SHAP (SHapley Additive exPlanations) 값과 완전히 호환성을 유지합니다. 이를 통해 조사관은 사기 예측을 그래프 내의 특정 노드, 간선, 특성까지 추적할 수 있어 규제 감사 요구 사항을 충족시킵니다.

주요 기여

이 논문은 네 가지 주요 기여를 제시합니다:

• 이론적: G-GBM 은 이질적 그래프에 대한 지도 학습을 위한 귀납적 프레임워크를 제공합니다. 저자들은 그래프 구조의 포함이 성능을 향상시키거나 유지할 뿐 결코 저하시키지 않으므로, 이는 표 형식 대응물 (LightGBM) 에 대한 공식적인 파레토 우월성 (Pareto dominance) 보장을 제공한다고 주장합니다.
• 방법론적: 이 방법은 확률 가중 메타경로 특성화와 적응형 지니 불순도를 통해 무작위 보행 경로 의미론과 경사 부스팅 간의 이론적으로 근거된 연결고리를 도입합니다. 이는 이질적이고 동적인 그래프에 트리 기반 학습을 적용하는 열린 문제를 해결합니다.
• 경험적: 실제 세계 보험 사기 데이터에서 G-GBM 은 범주형 특성, 결측 데이터, 클래스 불균형을 처리하고 경로 수준 SHAP 감사 추적을 제공하는 GBM 의 실용적 장점을 유지하면서 강력한 예측 성능을 달성합니다.
• 재현성: 저자들은 전체 구현을 GitHub 에 공개하고 Kaggle 에 익명화된 실제 벨기에 보험 사기 그래프를 제공하여 커뮤니티를 위한 희귀한 독점 등급 벤치마크를 마련했습니다.

실험 결과

저자들은 G-GBM 을 두 가지 데이터셋에서 평가했습니다: 기업 및 관리자가 관련된 독점 벨기에 보험 데이터셋과 오픈소스 의료 제공자 (HCP) 사기 데이터셋입니다.

독점 보험 데이터셋

• 성능: G-GBM 은 표 형식 LightGBM 베이스라인과 여러 귀납적 HGNN 베이스라인 (HinSAGE, HAN, HGT) 을 모두 능가했습니다.
  • 기업 노드의 경우, G-GBM 은 AUC-PR 0.77을 달성하여 LightGBM (0.75) 과 HinSAGE (0.76) 를 능가했습니다.
  • 관리자 노드의 경우, 헤드 노드 특성이 희소하여 개선 폭이 더 두드러졌습니다. G-GBM 은 AUC-PR 0.46을 달성하여 LightGBM (0.38) 과 모든 GNN 베이스라인을 크게 능가했습니다.
• 해석 가능성: SHAP 분석에 따르면 관리자 노드의 경우 2 차 이웃의 특성이 매우 중요하게 나타났으며, 이는 베이스라인 GBM 이 포착하지 못했던 신호였습니다.
• 효율성: G-GBM 은 순수 표 형식 LightGBM 보다 느렸지만 HGNN 베이스라인 (예: 기업 노드의 경우 HinSAGE 는 약 4300 초 대 G-GBM 의 약 28 초) 에 비해 훈련 속도가 훨씬 빨랐습니다.

의료 제공자 (HCP) 데이터셋

• 성능: 헤드 노드 특성이 매우 예측력이 높은 이 데이터셋에서 G-GBM 은 LightGBM 및 HGT 와 동등한 성능 (AUC-ROC 약 0.94) 을 발휘했습니다.
• 관찰: 이웃 특성의 추가가 표 형식 베이스라인 대비 성능을 크게 향상시키지 않았는데, 이는 이 특정 데이터셋의 경우 사기 신호가 이미 내재적 노드 특성에 의해 포착되었음을 시사합니다. 그러나 G-GBM 은 일부 GNN 에서 관찰된 과잉 평활화 문제 없이 경쟁력 있는 성능을 유지했습니다.
• 계산 비용: HCP 그래프의 평균 차수가 높아 가능한 메타경로의 수가 증가함에 따라 G-GBM 의 훈련 시간은 보험 데이터셋보다 더 높았습니다.

중요성과 주장

이 논문은 G-GBM 을 높은 예측 정확도와 엄격한 규제적 설명 가능성 요구 사항 사이의 균형을 맞추는 실용적이고 강력한 보험 산업 솔루션으로 위치시킵니다.

• 규제 준수: "블랙박스" 임베딩을 생성하는 GNN 과 달리 G-GBM 은 명확한 감사 추적을 제공합니다. 조사관은 어떤 이웃 기관과 특정 특성 (예: 공유 주소 또는 특정 법적 형태) 이 사기 점수에 기여했는지 정확히 확인할 수 있습니다.
• 데이터 특성에 대한 강건성: 경사 부스팅의 강점을 활용함으로써 이 방법은 보험 데이터의 전형적인 고카디널리티 범주형 변수와 클래스 불균형을 자연스럽게 처리하며, 이는 종종 GNN 성능을 저하시킵니다.
• 귀납적 능력: 이 방법은 새로운 노드와 간선이 지속적으로 추가되는 동적 환경을 위해 설계되어 전도적 방법이 요구하는 전체 재임베딩의 필요성을 피합니다.

저자들은 G-GBM 이 차원 확장으로 인해 매우 연결된 그래프에서 계산적 도전에 직면하지만, 깊은 GNN 의 과잉 평활화 함정을 성공적으로 피하고 보험 사기 탐지를 위한 탐지 능력, 해석 가능성, 훈련 효율성 간의 우월한 균형을 제공한다고 결론지었습니다.