Improving Fraud Detection Accuracy Through Data Preprocessing and Decision Tree Machine Learning

글로벌 금융 시스템의 조용한 웅성거림 속에서, 모든 디지털 거래를 두고 끊임없이 보이지 않는 전쟁이 벌어지고 있습니다. 사람이 카드를 긁거나 휴대폰을 탭하여 결제할 때, 복잡한 자동화 시스템 네트워크는 그 구매가 안전한지 아니면 의심스러운지를 즉각적으로 결정합니다. 이 시스템들은 돈을 훔치는 사기꾼을 잡아내도록 설계되었지만, 어려운 수학적 현실에 직면해 있습니다. 즉, 대다수의 거래는 정직한 반면, 사기 거래는 건초더미 속의 바늘처럼 극히 드물다는 점입니다. 정직한 거래가 나쁜 거래보다 훨씬 더 많기 때문에, 컴퓨터 프로그램은 아무것도 잡아내지 않고 무시함으로써 완벽하게 일을 수행하고 있다고 스스로를 속일 수 있습니다. 이는 다른 접근 방식, 즉 컴퓨터가 결정을 내리기 전에 데이터 자체를 주의 깊게 살펴보도록 가르치는 방식의 필요성을 낳습니다. 목표는 단순히 더 똑똑한 기계를 만드는 것이 아니라, 단순하고 투명한 도구조차도 숨겨진 절도의 패턴을 볼 수 있도록 정보를 깨끗하게 정리하고 조직하는 것입니다.

이것이 바로 인도 산지바니 대학교의 연구원 다르샨 아헤르(Darshan Aher)가 탐구한 핵심 질문입니다. 그는 데이터를 세심하게 준비하는 것이 은행들이 흔히 사용하는 복잡하고 강력한 시스템만큼이나 기초적인 컴퓨터 모델을 효과적으로 만들 수 있는지 조사했습니다. 아헤르는 이해하기 어려운 거대하고 복잡한 인공지능을 구축하는 대신, '의사결정 나무(decision tree)'라고 알려진 단일하고 명확한 유형의 모델에 집중했습니다. 일련의 예/아니오 질문이 최종 답변으로 이어지는 순서도(flowchart)를 상상해 보십시오. 이것이 의사결정 나무가 작동하는 방식이며, 이를 통해 인간은 왜 특정 거래가 차단되었는지 그 이유를 정확히 알 수 있습니다. 이 연구에는 유럽 카드 소지자들의 약 285,000건의 신용카드 거래가 포함된 실제 데이터셋이 사용되었는데, 이 중 사기 거래는 0.02% 미만이었습니다. 과제는 단순한 의사결정 나무가 압도적으로 많은 양질의 거래에 혼동되지 않고 그 희귀한 사기 거래를 찾아내도록 가르치는 것이었습니다.

이를 해결하기 위해 연구자는 컴퓨터의 두뇌를 바꾸는 대신, 컴퓨터가 작업하는 방을 청소하는 것부터 시작했습니다. 과정은 중복된 기록을 제거하고 숫자를 일관된 척도로 정리하는 것으로 시작되었습니다. 그 후 데이터는 컴퓨터가 학습할 수 있는 큰 그룹과 나중에 기술을 테스트할 작은 그룹의 두 그룹으로 나뉘었습니다. 결정적으로, 테스트 그룹은 실제 세상에서 발견된 그대로의 상태, 즉 양질의 거래와 희귀한 사기 거래가 자연스럽게 불균형을 이루는 상태로 남겨두었습니다. 컴퓨터가 사기가 무엇인지 배울 수 있도록, 연구자는 학습 그룹에만 사기 거래의 추가 사례를 더했습니다. 기존 사례를 바탕으로 새로운 합성 사례를 만들어내는 이 기술을 통해, 모델은 최종 테스트를 왜곡하지 않으면서도 절도의 패턴을 연구할 수 있었습니다. 또한 연구자는 가장 유용한 정보만을 선택하고, 도둑과 정직한 고객을 구별하는 데 도움이 되지 않는 노이즈를 버렸습니다.

학습된 의사결정 나무가 마침내 손질되지 않은 실제 거래 그룹을 대상으로 테스트되었을 때, 놀라운 효과를 보였습니다. 모델은 142건의 사기 거래 중 110건을 정확히 식별하여 약 77%의 절도를 잡아냈습니다. 이는 단순히 사기를 무시함으로써 0%를 잡아내는 시스템보다 현저히 향상된 수치입니다. 그러나 이 연구는 경계 태세를 갖추는 데 따르는 비용 또한 밝혀냈습니다. 모델이 희귀한 사기 거래를 찾을 수 있을 만큼 민감하게 조정되었기 때문에, 일부 정직한 거래를 의심스러운 것으로 분류하기도 했습니다. 모델이 사기 가능성이 있다고 표시한 거래 9건 중 실제로는 나쁜 거래인 경우는 단 1건뿐이었습니다. 즉, 시스템이 대부분의 도둑을 성공적으로 찾아냈지만, 동시에 인간의 검토가 필요한 다수의 오보(false alarm)를 생성했다는 의미입니다. 연구진은 이러한 트레이드오프(trade-off)는 예상된 것이며 관리 가능한 수준이라고 언급했습니다. 실제 환경에서 이 모델은 일차적인 필터 역할을 하여, 인간 분석가들이 컴퓨터가 지목한 특정 사례에 집중할 수 있도록 대다수의 사기를 잡아내는 역할을 할 것입니다.

연구 결과는 머신러닝 모델의 복잡성이 사기 탐지에 있어 유일하거나, 어쩌면 가장 중요한 요소는 아니라는 점을 시사합니다. 데이터를 세심하게 준비하고 학습 과정을 균형 있게 만드는 기술을 사용함으로써, 단순하고 빠르며 완전히 이해 가능한 의사결정 나무가 높은 탐지율을 달달성할 수 있습니다. 이 연구는 단일 의사결정 나무가 깨끗하고 균형 잡힌 정보를 제공받을 때 낮은 계산 비용으로 대부분의 사기 사례를 회복할 수 있음을 보여줍니다. 모델이 완벽하지 않고 오보와 놓친 범죄 사이의 균형을 맞추기 위한 조정이 필요하지만, 이는 투명성과 효율성이 정확성을 위해 희생될 필요가 없음을 증명합니다. 이 작업은 금융 보안 시스템이 검사하거나 신뢰하기 어려운 불투명한 '블랙박스' 알고리즘에 의존하는 대신, 왜 거래가 중단되었는지 정확히 이해할 수 있는 가볍고 설명 가능한 방향으로 나아갈 미래를 가리키고 있습니다.