출처: SAS KOREA 블로그 http://www.blogsaskorea.com/63
오늘날 머신러닝은 전체 산업에서
응용되고 있습니다. 사기 탐지 분야의
머신러닝 기술도 빠르게 발전하고
있는데, 최신 사기 방지
시스템(FDS; Fraud
Detection System)은 스스로 금융 사기의
새로운 패턴을 학습하고 적응해
이상 거래를 조기에 탐지합니다.
SAS는
1980년대 신용카드 사기에 대응하기 위해 신경망을 처음 활용하면서 머신러닝 분야를 개척했습니다. 이후 오랫동안 머신러닝 연구에 대한 투자를 아끼지 않아왔는데요. 이번
블로그에서는 사기 탐지 시스템에 있어 머신러닝의 중요성과 실제 활용 방법을 살펴봅니다.
중략
(3) 운영 내 통합 머신러닝 모델을 개발한 후에는 이를 운영과 통합해야 합니다. 데이터가 하둡(Hadoop)에 있다면 머신러닝 모델 또한 당연히 하둡에서 실행될 수 있어야 합니다. 마찬가지로 데이터가 실시간 시스템 상에서 스트리밍 되고 있다면 실시간 또는 스트림 데이터에 적용할 수 있는 머신러닝 엔진이 필요하죠. 머신러닝 모델의 이식성(Portability)과 운영 시스템 내 의사 결정 로직과의 통합은 다양한 규모, 특히 대규모의 사기를 차단하는데 매우 중요합니다. 중략
|
