Target
1. STR 시스템에 의해 일 단위로 추출된 자금 세탁 거래로 의심되는 거래의 위험도를 평가하여 자금 세탁 혐의/비혐의 거래 분류 예측
2. STR 업무 담당 현업의 혐의 거래 판단 업무에 있어 업무 효율성 증대 및 의사 결정 보조를 위해 설명 가능한 인공지능(XAI)를 활용하여 분류 예측된 거래의 인공지능 모델의 판단 사유를 제공
Challenge
1. 동일 기간 내 혐의/비혐의 거래 발생 빈도의 차이에 따른 데이터 불균형 문제
2. 현업의 일 단위 업무에 따라 인공지능 모델의 예측 분류 시간의 제한이 존재 (계산 비용을 고려한 모델링 필요)
3. 금융 거래의 다양한 종류와 패턴이 존재하며 이에 따라 각각의 고려하는 기간이 서로 상이하여 혐의 거래 판단에 적합한 feature 개발의 어려움
4. 설명 가능한 인공지능(XAI)이 자칫 현업의 STR 혐의 판단까지의 사고와 동떨어진 결과를 제시할 수 있어 오히려 혼란을 야기할 가능성을 고려
How to
1. 모델 성능 및 해석을 저해하는 불균형 데이터를 처리하기 위한 오버샘플링 및 과적합 방지를 위한 적절한 데이터 분리 적용
2. 분류 목적을 갖는 여러 분류기 모델을 테스트하여 계산 시간 대비 최적의 성능을 갖는 모델을 선정
3. 다양한 데이터 확인 및 검증을 통해 업무 별(수신, 외환) 혐의 거래의 종류 및 패턴을 적절히 반영할 수 있는 feature를 발굴하고 현업과의 의사소통 및 분포를 확인하고 검증하여 적절한 기간을 선정
4. 성능 향상을 위한 모델링에만 치중하지 않고 현업 관점에서 유의미하고 이해하기 용이한 feature를 개발
Outcome
1. 불균형 데이터의 모델 평가 지표인 F1 score 기준 0.8 이상의 모델 개발
2. 혐의 거래일 확률이 높은 거래 건에 더 집중하고 설명 가능한 인공지능(XAI)을 통해 혐의 판단에 보조적 근거를 제공하여 현업의 STR 업무 효율성 증대
