모바일 결제 환경에서의 데이터마이닝을 이용한 이상거래 탐지 시스템
Fraud Detection System in Mobile Payment Service Using Data Mining
1
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
전 세계적으로 스마트폰 보급률이 증가함에 따라 스마트폰을 이용한 다양한 결제 서비스들이 출시되었고, 모바일 결제로 금전을 탈취하는 사례도 증가하였다. 이미 금융권은 온/오프라인 환경에서 이상거래를 탐지하기 위한 다양한 보안조치들을 마련하였지만, 모바일 결제 환경의 보안 솔루션이나 연구들은 미비한 실정이다. 모바일 결제는 소액 결제 위주의 결제 패턴을 보이고 결제 환경도 다르기 때문에 기존의 이상거래 탐지와는 다른 모바일에 특화된 이상거래 탐지가필요하다. 이에 본 논문에서는 국내 PG사의 실제 모바일 결제 로그를 분석하고 데이터 마이닝 알고리즘을 이용한 모바일 결제에 특화된 이상거래 탐지 시스템을 제안하였다. 해당 시스템은 1단계 탐지 모듈에서 2가지 알고리즘을 사용해빠른 속도로 정상거래를 판별하고, 2단계 탐지 모듈에서는 고도화된 3가지 알고리즘으로 이상거래를 정확히 탐지하도록 설계하였다. 그 결과 1초에 13건 이상의 거래를 93% 이상의 정확도로 판별할 수 있었다.
Abstract
As increasing of smartphone penetration over the world, various mobile payment services have been emerged and fraud transactions have drastically increased. Although many financial companies have deployed security solutions to detect fraud transactions in on/off-line environment, mobile payment services still lack fraud detection solutions and researches. The mobile payment is mainly comprised of micro-payments and payment environment is different from other payments, so mobile-specialized fraud detection is needed. In this paper, we propose a FDS (Fraud Detection System) based on data mining for mobile payment services. The method of this paper is applied to the real data provided by a PG (Payment Gateway) company in Korea. The proposed FDS consists of two phases; (1) the first phase is focused on classifying transactions at high speed (2) the second is designed to detect abnormal transactions with high accuracy. We could detect 13 transactions per second with 93% accuracy rate.
참고문헌 (18)
- "Digieco" (2016)[URL]
- "BNK Finance Research Institute" (2015)[URL]
- "Kyung Wook Min" (2016)[URL]
- "Byung Do Min" (2015)[URL]
- 정성훈, "결제로그 분석 및 데이터 마이닝을 이용한 이상거래 탐지연구 조사", 정보보호학회논문지, 25(6), pp.1525~1540 (2015), 한국정보보호학회[DOI]
- Hilas, Constantinos S., "Clustering of Telecommunications User Profiles for Fraud Detection and Security Enhancement in Large Corporate Networks: A case Study", Applied Mathematics & Information Sciences, 9(4), pp.1709~1718 (2015)
- Subudhi, Sharmila, "Quarter-Sphere Support Vector Machine for Fraud Detection in Mobile Telecommunication Networks", Procedia Computer Science, 48, pp.353~359 (2015)
- Tseng, V. S., "FrauDetector:A Graph-Mining-based Framework for Fraudulent Phone Call Detection", Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.2157~2166 (2015)
- 민희연, "사용자 입력 패턴 및 전자 금융 거래 패턴을 이용한 모바일 뱅킹 이상치 탐지 방법", 인터넷정보학회논문지, 15(1), pp.157~170 (2014), 한국인터넷정보학회[DOI]
- 김승현, "A Study on the Improvement of FDS Effectiveness over the Case Analysis on E-commerce Credit-card Fraud-to-sales", 한국지식정보기술학회 논문지, 10(6), pp.723~734 (2015), 한국지식정보기술학회
- Prakash, A., "An optimized multiple semi-hidden markov model for credit card fraud detection", Indian Journal of Science and Technology, 8(2), pp.165~171 (2015)
- Sahin Yusuf, "A cost-sensitive decision tree approach for fraud detection", Expert Systems with Applications, 40(15), pp.5916~5923 (2013)
- RamaKalyani, K., "Fraud detection of credit card payment system by genetic algorithm", International Journal of Scientific &Engineering Research, 3(7) (2012)
- Vadoodparast, Massoud, "Fraudulent Electronic Transaction Detection Using Dynamic KDA Model", International Journal of Computer Science and Information Security, 13(3), pp.90~99 (2015)
- 박재훈, "의사결정나무를 이용한 이상금융거래 탐지정규화 방법에 관한 연구", 정보보호학회논문지, 25(1), pp.133~146 (2015), 한국정보보호학회[DOI]
- Chengwei Liu, "Financial Fraud Detection Model : Based on Random Forest", International journal of economics and finance, 7(7), pp.178~188 (2015)
- Hall. M., "The WEKA data mining software : an update", ACM SIGKDD explorations newsletter, 11(1), pp.10~18 (2009)
- "The Fact" (2014)[URL]