AWS SageMaker를 사용한 사기 탐지 가속기

솔루션 개요

금융 기관은 세간의 이목을 끄는 해킹 및 사기 거래를 포함한 사이버 범죄의 위험이 증가하고 있습니다. 사이버 사고는 고객의 신뢰를 손상시키고 회사에 심각한 재정적 손실을 초래할 수 있습니다. 기업은 다음과 같은 레거시 사기 시스템의 한계로 인해 보안 시스템을 구현 데 어려움을 겪습니다.

• 불완전한 데이터 가시성: 패턴 감지를 위한 관련 데이터 소스에 대한 액세스 부족.

• 사기 시스템 내의 지연 시간: 실시간 처리 기능 부족으로 인해 사기 탐지가 지연됩니다.

• 취약한 보안 프로토콜: 사이버 공격에 취약성을 노출하는 오래된 보안입니다.

• 기술적 무분별한 확장: 유지 관리 및 업데이트를 복잡하게 만드는 다양한 기술.

• 열악한 팀 협업: 고립된 접근 방식으로 인해 응답이 지연됩니다.

이러한 과제를 극복하기 위해 금융 회사는 MongoDB Atlas 및 Amazon SageMaker Canvas 기반 실시간 분석 솔루션 을 사용할 수 있습니다. 이러한 도구는 운영에 사용할 수 있는 가장 정확한 데이터를 사용하는 강력한 사기 탐지 시스템을 제공합니다.

이 시스템에서 MongoDB Atlas 운영 데이터를 저장하고 대용량 트랜잭션을 처리합니다. Amazon SageMaker 캔버스는 정교한 AI 및 머신 러닝 (ML) 도구를 사용하여 사기 탐지를 위한 고급 분석 강화합니다.

참조 아키텍처

다음은 이 사기 탐지 솔루션을 빌드 데 사용된 아키텍처입니다. 이 아키텍처에는 카드 사기 탐지, 신원 도용 탐지, 소비자 사기 탐지 등 은행 부문에서 다양한 유형의 사기를 탐지하기 위한 엔드투엔드 솔루션이 포함되어 있습니다.

아키텍처 다이어그램은 모델 교육 과 실시간 에 가까운 추론을 보여줍니다.MongoDB Atlas 에 저장된 운영 데이터는 MongoDB Atlas Triggers를 사용하여 Amazon S3 버킷에 기록됩니다. 이렇게 저장된 데이터는 Amazon SageMaker 캔버스에서 모델을 생성하고 교육하는 데 사용됩니다. SageMaker 캔버스는 모델의 메타데이터 S3 버킷에 저장하고 추론을 위해 모델 엔드포인트를 노출합니다.

클릭하여 확대

그림 1. 사기 탐지 아키텍처

데이터 모델 접근 방식

데이터는 두 개의 개별 파일로 나뉩니다.

• 트랜잭션

• ID

이러한 파일은 TransactionID를 통해 연결됩니다. 그러나 모든 트랜잭션 에 관련 ID 세부 정보가 포함되는 것은 아닙니다.

위의 두 데이터 세트를 기반으로 TransactionID에 대한 테스트 조인을 준비하여 대상 열을 사기로 추가합니다.

데이터 제공: Kaggle.

Source Table1: Transaction
TransactionID,
TransactionDT,
Card_no,
Card_type,
Email_domain,
ProductCD,
TransactionAmt,
Transaction_ID
Source Table2: Identity
TransactionID,
IpAddress,
PhoneNo,
DeviceID,
Location,
Name,
Address
Test Data:
TransactionID,
Card_no,
card_type,
Email_domain,
IpAddress,
PhoneNo,
DeviceID,
ProductCD,
TransactionAmt,
isFraud

솔루션 빌드

이 솔루션을 빌드 위한 자세한 단계별 가이드 이 Github 리포지토리에서 확인할 수 있습니다. 다음은 해당 단계에 대한 개요입니다.

1. MongoDB Atlas 데이터를 내보내야 하는 S3 버킷을 설정합니다.

2. MongoDB Atlas 클러스터를 설정합니다.

3. MongoDB Atlas 트리거 및 함수를 설정합니다.

4. Amazon SageMaker 도메인을 설정합니다.

주요 학습 사항

• 실시간 사기 탐지 솔루션 개발: MongoDB Atlas 유연한 스키마 에서 대량의 데이터를 처리하므로 금융 기관이 대용량 트랜잭션 데이터를 실시간 으로 캡처, 저장 및 프로세스 .

• 사기 탐지 모델 업데이트: MongoDB의 집계 파이프라인 통한 실시간 처리 사용 가능한 최신 관련 정보로 모델을 지속적으로 교육할 수 있습니다. 이러한 용량 금융 기관이 강력한 사기 탐지 시스템을 구축할 수 있는 강력한 도구를 제공합니다.

• 정교한 AI 및 ML 도구 통합: MongoDB 코드가 없는 플랫폼에서 AI 및 ML 솔루션을 제공하는 Amazon SageMaker와 같은 외부 서비스와 통합됩니다. 이 친숙한 사용자 인터페이스를 통해 분석가는 모델에 액세스할 수 있으므로 분류, 회귀, 예측, 언어 처리 (NLP) 및 컴퓨터 비전(CV)에 대한 정확한 ML 예측을 쉽게 생성할 수 있습니다.

작성자

• Babu Srinivasan, MongoDB 파트너 솔루션 아키텍트

• Igor Alekseev, AWS 파트너 솔루션 아키텍트

자세히 알아보기

• 현대 핀테크 서비스를 위한 MongoDB 및 Hasura

• 결제 현대화 솔루션 가속기

• 실시간 카드 사기 탐지 솔루션 가속기