AI 및 데이터 시각화를 통한 금융 네트워크 공격 감지

Altair_Newsroom_FeaturedArticle_IdentifyAttacksonFinancialNetworks_Thumbnail_1640x690

핀테크 네트워크 및 소프트웨어를 사용한 비즈니스 거래의 디지털화와 현금 없는 결제의 급속한 확산으로 인해 은행 및 기타 금융 회사 운영 보안에 대한 위협이 증가하고 있습니다. 소비자의 신원 및 기타 데이터에 대한 프라이버시를 유지하면서 사용성을 개선하는 것은 어려운 일이며, 조직화된 범죄 집단은 점점 더 정교한 방법을 사용하여 사이버 공격을 수행하고, 신분과 돈을 훔치고, 금융 시스템의 전반적인 보안을 손상시키고 있습니다. 은행 네트워크는 이러한 절도 유형의 주요 대상입니다. 하지만 신속하게 공격을 식별하기 위한 다양한 첨단 신기술을 사용하여 미리 조치를 취한다면 큰 손실을 방지할 수 있습니다.

정교한 공격에 대응하기 위한 유연한 탐지 방어

최근 몇 년 동안 전 세계적으로 금융 서비스 산업은 사이버 공격과 그로 인한 값비싼 데이터 침해 피해의 급격한 증가를 경험했습니다. 첫 번째 방어선은 은행 계좌와 ATM(현금 자동 인출기)의 오남용을 통한 인출과 송금 등 의심스러운 거래를 표시하는 것입니다. 이러한 공격은 대부분 단순한 절도 그 이상입니다. 유명 기업들 또한 돈세탁 활동을 용이하게 하기 위해 이러한 위법 행위를 하기도 합니다. 흔히 볼 수 있는 사례는 ATM을 사용하여 돈을 송금하도록 피해자들에게 지시하는 사기성 이메일과 관련이 있습니다. 이 경우, 돈은 다른 계좌로 송금되고 은행의 지점 중 한 곳에서 인출됩니다. 사칭 사례도 증가하고 있습니다.

현금없는 결제 시스템은 또 다른 주요 공격 대상입니다. 직접적인 손실 외에도, 재발 방지를 위해서 여러 정부 기관에 통보하고 공격에 사용된 방법에 대한 조사가 필요합니다. 또한 핀테크 회사 및 관련 금융 기관의 평판도 상당한 위험에 노출됩니다.

금융회사들이 보안 시스템에 투자 했음에도 불구하고, 이러한 범죄는 계속 증가하고 있습니다. 피해 사례들은 기존의 규칙 기반 보안 시스템은 이러한 공격을 완전히 차단하거나 방지할 수 있는 수준이 아님을 보여줍니다.

규칙 기반 방어 시스템에서는 과거 공격을 기준으로 조건이 설정되고, 이전 조건과 일치하는 거래는 의심스러운 것으로 표시됩니다. 이러한 단순한 “핵심형” 접근 방식은 악의적인 사용자들에 의해 지속적으로 개발되고 전개되는 새로운 기술을 다룰 수 없습니다.

코딩없이 AI 예측 모델 구축

금융 기관은 지속적으로 진화하는 위협에 대응하기 위해 AI(인공지능)와 실시간 스트림 처리 및 시각화 기능을 활용하는 더 스마트하고 유연한 솔루션을 구현해야 합니다. Altair® Knowledge Studio®를 사용하면 비즈니스 사용자, 사기 전문가 및 위험 전문가가 코드 작성이 필요없는 대화형 그래픽 사용자 인터페이스를 사용하여 고급 AI 모델을 개발할 수 있으므로 사용자는 소프트웨어를 효과적으로 사용하기 위해 데이터 과학 전문가가 될 필요가 없습니다. AI를 활용한 솔루션은 범죄자들이 보안을 침해하기 위해 끊임없이 개발하고 있는 “알 수 없는 정보”에 기업이 대처하는 데 도움이 되므로 잠재적인 공격을 탐지하는 가장 효과적인 방법입니다.

AI 알고리즘은 크게 “지도” 및 “비지도” 방법으로 분류 할 수 있습니다. 지도 방법은 의사 결정 트리, 신경망, 앙상블 학습을 비롯한 다양한 변형으로 구성된다는 점을 이해하는 것이 중요합니다. 모든 위협을 예측할 수 있는 보편적인 알고리즘이 없기 때문에 기업은 필요에 따라 여러 프로세스를 사용해야 합니다. 과거 데이터를 시행착오 접근법과 함께 사용함으로써 기업은 정확한 결과를 도출할 수 있는 알고리즘을 발견하고 이를 신속하게 사용할 수 있습니다. Knowledge Studio를 사용하면 개인과 팀이 드래그 앤 드롭 프로그래밍을 사용하여 매우 복잡한 사기 탐지 시스템을 구축할 수 있으며, 필요한 경우 Python 또는 R로 개발한 모델을 로드하여 모델의 효율성을 높일 수 있습니다.

Knowledge Studio의 그래픽기반 포인트 앤 클릭 워크플로우와 마법사 기반 인터페이스는 학습시간을 단축시켜주므로 빠르게 변화하는 사기 탐지 애플리케이션에 이상적입니다. 사용자는 간단히 빌드하려는 모델 유형을 선택하고 풀다운 메뉴와, 혹은 마법사를 사용하여 새 커넥터 및 프로세스를 추가하고 화면에 워크플로우를 “그리기”만 하면 됩니다. Knowledge Studio를 사용하면 사용자는 복잡한 코딩 방법을 배우는 대신 모델을 구성하고, 결과를 평가하고, 잠재적인 위협에 대한 최상의 대응책을 결정하는 데 시간을 집중할 수 있습니다.

Picture1-2048x1030
Knowledge Studio의 대화형 인터페이스를 통해 각기 다른 기술 세트의 사용자가 광범위한 데이터 소스에 연결하고, 서로 다른 형식으로 저장된 데이터를 사용 가능한 데이터 세트로 변환하며, 의사 결정 트리에서 회귀 모델, 딥 러닝(신경망)에 이르기까지 매우 다양한 AI 모델링 기술과 알고리즘을 통해 인사이트를 얻을 수 있습니다.

실시간 트랜잭션 처리 및 시각화

Altair Panopticon™은 잠재적인 사기 행위 탐지를 위한 상호 보완적인 접근 방식을 지원합니다. 이 소프트웨어는 여러 개의 다양한 소스의 실시간 스트리밍 데이터를 처리하고 시각화하기 위해 구축되었습니다. 이렇게 하면 사기 행위를 나타내는 특이한 수치, 클러스터, 이상 징후 및 추세를 쉽게 파악할 수 있습니다.

Knowledge Studio와 마찬가지로 Panopticon 또한 효과적으로 사용하기 위해 특별한 코딩 기술이 필요하지 않습니다. 사용자는 거의 모든 스트리밍 실시간 데이터 소스 및 기록 데이터의 데이터베이스에 연결하여 새로운 분석 대시보드를 즉시 구축할 수 있습니다. Panopticon은 타임 스탬프가 포함된 데이터를 나노초 수준으로 스트리밍하여 분석가가 모니터링 해야하는 방대한 양의 빠르게 변화하는 트랜잭션 데이터에서 눈에 띄지 않는 문제를 식별해 낼 수 있습니다. 실시간 분석을 통해 사용자는 비정상적이고 예기치 않은 위협에 즉시 대응할 수 있습니다.



이 비디오는 시각 분석을 사용하여 ATM 네트워크의 성능과 수익성을 모니터링하는 방법을 보여줍니다. 시스템은 각 기계의 트랜잭션 수를 모니터링하고 공급 부족, 용지 부족, 트랜잭션 실패 또는 자금 부족으로 인해 성능이 떨어지는 기계를 식별할 수 있습니다. 또한 대시보드는 ATM 네트워크의 실시간 데이터를 활용하여 관리자가 카드 복제를 비롯한 잠재적인 사기 행위 사례를 식별할 수 있도록 지원합니다.

AI와 실시간 데이터 시각화를 결합하여 지능형 공격 탐지 시스템 구축

금융 회사는 알테어의 다양한 AI 및 시각적 분석 기능을 활용하여 공격을 탐지하는 가장 효과적인 솔루션을 설계할 수 있습니다. 예를 들어, Knowledge Studio에 구축된 예측 모델은 가능성 있는 공격에 플래그를 지정할 수 있으며 Panopticon으로 구축된 실시간 대시보드는 공격이 진행 중인지 확인하는 데 도움이 됩니다. 분석 소프트웨어의 지원을 받지 못하는 팀은 매시간 생성되는 엄청난 양의 트랜잭션에 금방 압도당할 것입니다. AI 예측 모델과 스트리밍 분석의 조합이 지원되는 팀은 비용을 절감하고 사이버 범죄 탐지에 대한 대응 시간을 단축할 수 있습니다.

주요 표적: ATM

ATM은 종종 금전적 사기 뿐 아니라 신원 도용에도 관여하는 범죄 조직의 표적이 됩니다. 알테어의 AI 및 데이터 분석 솔루션이 AI와 실시간 데이터 시각화를 결합하여 ATM을 보호하는 방법은 다음과 같습니다.

Knowledge Studio에 통합된 특허받은 의사 결정 트리 모델은 이 시나리오에서 특히 유용합니다. 직관적인 작업과 고급 기능을 통해 필요에 따라 수정하여 끊임없이 변화하는 공격 프로필을 감지할 수 있습니다. 분석가는 이전 공격의 기록 데이터를 사용하여 인출 요청, 인출 금액, 사용 빈도, 인출 위치 등의 이전 패턴에 대한 새로운 변형을 찾도록 훈련시킬 수 있습니다. 그런 다음 PanopticonKnowledge Studio에서 실행되는 예측 모델을 기반으로 의심되는 트랜잭션을 표시할 수 있습니다.

솔루션의 대시보드에는 여러 개의 차트가 포함되어 있어 분석가들이 실시간 트랜잭션 데이터의 이상 징후를 한 눈에 파악할 수 있습니다. 예를 들어, 일반 트랜잭션을 녹색으로 표시하고 잠재적인 사기 트랜잭션을 빨간색으로 표시할 수 있습니다. 집계된 경고, 양, 위치, 사용 빈도 및 기타 데이터를 고객별로 표시하면 사용자는 의심스러운 패턴에 조치가 필요한지 여부를 확인하기 위해 필요에 따라 특정 고객, ATM 장치 또는 고객 및 장치 그룹의 활동 시간 표시줄을 확대할 수 있습니다. 또한 관점과 계층을 변경하고 데이터를 필터링하여 이상 징후를 분리하고 사기 행위 또는 기타 비리를 확인할 수 있는 인과관계 링크를 표시할 수 있습니다.

알테어 유닛 라이센싱을 통한 저비용 구현

PanopticonKnowledge Studio는 알테어 유닛 기반 라이선스 시스템을 통해 사용하실 수 있습니다. 알테어는 유연한 유닛 기반 구독 라이선스 방식을 도입하여 선택의 장벽을 낮추고, 폭 넓은 참여를 유도하며, 타사 파트너 제품의 액세스를 허용하여 향상된 포괄성을 제공함으로써 고객이 소프트웨어를 비용 효율적으로 사용할 수 있습니다. 여기(클릭)에서 자세히 알아보세요.

금융 사기를 방지하기 위해 AI 및 데이터 분석의 힘을 발휘할 준비가 되셨습니까? “금융 사기를 방지하기 위한 데이터 분석 사용 가이드”를 확인해보세요.

알테어 데이터 분석을 활용하여 보통 사람들이 금융거래 데이터를 최대한 활용하여 사기 행위를 보다 효과적으로 방지하기 위한 동향, 패턴, 이상 징후 및 예외 사항을 파악하는 방법을 알아보려면 지금 솔루션 전문가에게 문의하십시오. >> 문의하기 <<

원문은 (여기)에서 확인하실 수 있습니다.

감사합니다.
한국알테어

This entry was posted in Global, 새소식.

Comments are closed.