온라인 거래 사기 탐지를 위한 컨볼루션 신경망 기반 모델

무선 모바일 단말기를 사용하는 것이 인터넷 거래의 주류가 되었으며, 이는 비밀번호, 지문, 소리 및 이미지를 통해 사용자의 신원을 확인할 수 있습니다. 그러나 이러한 신원 데이터가 도난당하면 전통적인 정보 보안 방법으로는 온라인 거래 사기를 피할 수 없습니다. 사기 탐지를 위한 기존의 컨볼루션 신경망 모델은 많은 파생 특성을 생성해야 합니다. 본 논문은 온라인 거래 분야에서 컨볼루션 신경망 기반의 사기 탐지 모델을 제안하며, 이는 원시 거래 특성의 재구성을 구현하여 다양한 컨볼루션 패턴을 형성하는 입력 특성 시퀀싱 레이어를 구축합니다. 그 의미는 컨볼루션 커널에 들어가는 서로 다른 특성 조합이 서로 다른 파생 특성을 생성한다는 것입니다. 이 모델의 장점은 저차원 비파생 온라인 거래 데이터를 입력으로 사용하는 것입니다. 전체 네트워크는 특성 시퀀싱 레이어, 4개의 컨볼루션 레이어 및 풀링 레이어, 그리고 완전 연결 레이어로 구성됩니다. 상업 은행의 온라인 거래 데이터를 검증한 결과, 실험 결과는 이 모델이 파생 특성 없이 뛰어난 사기 탐지 성능을 달성함을 보여줍니다. 그리고 그 정확도는 약 91%로 안정화될 수 있고, 재현율은 약 94%로 안정화될 수 있으며, 이는 기존의 사기 탐지용 CNN과 비교했을 때 각각 26%와 2% 증가한 수치입니다.