데이터베이스 연구회지(SIGDB)
Current Result Document :
| 한글제목(Korean Title) |
준지도 이상 탐지 모델 기반 신종 유형 사기 탐지 방법 |
| 영문제목(English Title) |
Loan Fraud Detection Method based on Semi-supervised Anomaly Detection Models |
| 저자(Author) |
조준영
장재석
임보영
권혁윤
Joonyoung Cho
Jaeseok Jang
Boyoung Lim
Hyuk-Yoon Kwon
|
| 원문수록처(Citation) |
VOL 38 NO. 03 PP. 0107 ~ 0120 (2022. 12) |
한글내용
(Korean Abstract) |
금융기업에 대한 이용자의 의도적인 대출 이후 연체하는 유형의 연체 사기는 기업에 막대한 손해를 끼친다. 특히 통대환 및 신종사기인 무연체회생, 초회차 연체는 신용도를 왜곡시켜 정상적인 대출 이용자들에 대한 대출 가능성을 낮추고 투자자들에게 막대한 손해를 끼치지만, 탐지된 횟수가 극소수이며 사기 데이터 간에 적은 유사성으로 인해 기존의 머신러닝 모델로는 탐지하기 어렵다는 문제가 있다. 본 연구에서는 탐지하는 대상이 전체에서 0.1% 수준의 극소수 신종 유형 사기 탐지를 목표로하여, 라벨링된 사기 데이터와 라벨링되지 않은 사기 데이터를 같이 학습에 이용하는 준지도 이상 탐지 기반 사기 탐지 방법을 최초로 제안하였다. 본 연구에서는 정상 샘플을 정확히 분류하는 것보다 사기를 정확히 탐지하는 것에 더 중점을 두는 평가 방식인 Recall-BEP를 정의하여 사용한다. 실험 결과, 준지도 이상치 탐지 기반 방법론은 라벨링된 이상치 데이터를 활용하여 학습하는 기존 모델에 비해 전반적으로 좋은 성능을 보였고, 특히 DevNet 기반 방법론은 Recall-BEP를 기준으로 기존 모델에 비해 17.39%까지 향상되었다. 이를 통해 극소수의 라벨링 데이터를 가지는 신종 유형 사기를 탐지하기 위해서, 라벨링된 사기 샘플만을 사용하기 보다 라벨링되지 않은 샘플을 추가로 활용하는 방법론의 효용성을 보였다. |
영문내용
(English Abstract) |
Delinquency fraud in which users intentionally overdue their loans causes enormous damage to financial companies. In particular, new types of frauds such as full repaying of existing loans, unpaid rehabilitation, and first-time delinquency distort creditworthiness reduce the execution of normal loans and cause enormous damages to investors. However, detecting them with the existing machine learning-based models is difficult due to very few fraud samples and low similarities between fraud samples. In this study, we focus on the fact that the target frauds are very few, which account only for 0.1% of the total datasets. Our study is the first research effort for a fraud detection methodology using semi-supervised anomaly detection that uses not only labeled fraud samples but also unlabeled potential fraud samples. In this study, we use Recall-BEP as an evaluation metric focusing more on accurately detecting frauds than on accurately classifying normal samples. Through the experiments, we show that the proposed semi-supervised based fraud detection methodology outperforms the existing comparison model based on the supervised learning. In particular, DevNet improves Recall-BEP by 17.39% compared to the comparison model. This result indicates the effectiveness of utilizing potential unlabeled fraud samples to detect new types of frauds than using only labeled fraud samples. |
| 키워드(Keyword) |
대출 사기
사기 탐지
이상치 탐지
준지도 학습 모델
Loan fraud
Fraud detection
Anomaly detection
Semi-supervised models
|
| 파일첨부 |
PDF 다운로드
|
