그래프 분석으로 자금 세탁 방지하기

금융 기관과 규제 기관이 더 이상 기존의 규칙에만 의존할 수 없는 이유

금융 기관은 합법적인 금융 시스템을 통해 자금을 세탁하는 새롭고 복잡한 방법을 끊임없이 고안해내는 악의적인 글로벌 범죄 네트워크에 대응하기 위해 고군분투하고 있습니다. 규칙에만 의존하는 기존의 자금세탁방지(AML) 시스템은 한계점에 도달했고 갈수록 정교해지는 국제 자금세탁 네트워크에 대응하기에는 더 이상 충분하지 않습니다.

규칙 전용 AML 시스템의 작동 방식

• 거래 데이터에 AML 규칙 적용
• 의심스러운 활동 식별
• 인간 조사관에게 위험 신호 알림

규칙에만 의존하는 AML 시스템의 한계

• 범죄 활동을 방지하는 데 도움이 될 수 있는 다른 유형의 데이터를 고려하지 않음
• 서로 다른 엔티티 간의 연관성을 분석할 수 없음
• 더 큰 패턴과 추세를 인식할 수 없음
• 유연성이 떨어지는 반면 범죄자들의 적응력은 뛰어남
• 기관에 저장된 방대한 양의 데이터를 사용하지 않음

그래프 분석으로 자금 세탁 수법 밝혀내기

금융 기관은 자체 영역에서 자금 세탁 범죄자들과 싸워야 하고, 규칙에만 의존하는 자금 세탁 방지 시스템의 제약을 뛰어넘어야 합니다. 은행은 그래프 분석을 활용해 레거시 시스템으로는 간과될 수 있는 복잡한 자금 세탁 관행을 밝혀낼 수 있습니다. 이제 은행이 범죄자들의 침입에 대한 보안을 강화해 자사의 운영, 평판, 고객을 더 잘 보호할 수 있는 새로운 시대가 열리고 있습니다.

그래프 분석은 그래프 형식으로 정보를 조사하는 수학적 모델로서 데이터 요소를 노드로 표시하고, 데이터 요소 간의 관계를 에지(선)로 시각화합니다. 그래프 분석 기술은 복잡하거나 멀리 떨어진 요소 간의 연결성을 분석할 수 있는 기능을 제공함으로써 은행이 최근까지 파악할 수 없었던 패턴을 파악하는 데 도움을 줍니다.

많은 업계에서 이전에는 발견할 수 없었던 인사이트를 확보하고 AML 규정을 준수하기 위해 해당 기술을 사용하고 있습니다. 악의적인 자금 세탁 네트워크를 파악하는 데 매우 효과적이고 규제 준수 관리 시스템을 강화시켜주는 그래프 분석은 최고준법책임자에게 많은 이점을 제공합니다.

Oracle Financial Crime and Compliance Management Cloud Service의 그래프 분석

2018년, Oracle Financial Crime and Compliance Management에는 Oracle Labs의 연구에 기반한 그래프 분석 기능이 통합되었습니다. 데이터, 쿼리, 처리, 시각화 분야를 선도하는 Oracle의 기술력으로 금융 기관의 AML 규제 준수 강화에 기여합니다.

1. 데이터 중심

• Oracle의 금융 범죄 및 규제 준수 관리 그래프 분석 도구는 업계에서 가장 포괄적인 금융 범죄 방지 데이터 모델이 포함된 Oracle Financial Services Data Foundation을 기반으로 구동됩니다. 이 솔루션은 20년이 넘는 기간 동안 다듬어져 왔습니다.
• Oracle의 통합 Financial Crime Graph Model은 Financial Services Data Foundation과 함께 작동하며 데이터를 통합하고 인덱스화해 그래프 분석을 통해 시각화할 수 있도록 만듭니다. Financial Crime Graph Model은 유연하고, 사전 정의된 스키마에서 작동하지 않으므로 데이터 양이 적은 경우에도 유용하게 사용할 수 있습니다.
• 사용자는 다중 모델 구성(예: Oracle Database)을 활용해 데이터를 쿼리하고 관리하는 방법을 유연하게 결정할 수 있습니다.
• Financial Crime Graph Model은 데이터 레이크, 관계형 데이터베이스, 일회성 데이터 세트, 타사 데이터 피드 등으로부터 정보를 얻습니다. 사용자는 고객과 고객 간의 관계를 보다 총체적으로 파악하고 모든 데이터 소스 간의 연결을 모델링할 수 있습니다.
• Oracle의 정량화된 통합 솔루션은 오픈 소스 인텔리전스 및 외부 데이터 소스를 기반으로 위험 등급이 매겨진 온디맨드 정보를 제공합니다.
• Panama Papers로 유명한 International Consortium of Investigative Journalists의 데이터가 그래프에 통합되어 있습니다. 해당 정보는 사용자가 잠재적인 악의적 행위자를 즉시 감지하고 해결하는 데 도움을 줍니다.

2. 탁월한 쿼리 언어

• 그래프 쿼리 언어는 사용하기도 이해하기도 쉽습니다. 데이터 관계가 복잡하든, 간접적이든, 멀리 떨어져 있든 관계없이 패턴의 표현을 단순화하는 논리를 적용합니다.
• PGQL(Property Graph Query Language)은 Oracle의 독자적인 기술로 만들어진 SQL과 유사한 쿼리 언어입니다. 이 오픈 소스 프로젝트는 쿼리를 간결한 방식으로 표현해 코딩과 처리를 더 쉽고 빠르게 만들어 줍니다.
• PGQL 쿼리는 SQL에서 실행되는 유사한 쿼리보다 1~2배 더 빠르게 작동합니다.

3. 더 빠른 처리

• Oracle은 확장 가능한 인메모리 그래프 분석 엔진인 Oracle Parallel Graph Analytics(Oracle PGX)를 사용합니다.
• Oracle PGX는 병렬 처리 및 대용량 가용 메모리를 활용해 초고속 응답을 제공합니다.
• 사용자는 기본 제공 알고리즘에 액세스해 일반적인 쿼리를 수행할 수도 있고, 필요한 경우 커스텀 알고리즘 및 제약 조건을 생성할 수도 있습니다.
• 자체 알고리즘을 구축하고자 하는 사용자는 API를 통한 완전한 커스터마이제이션을 수행할 수 있습니다.

4. 강력한 시각화

• 사용자는 노드를 클릭해 다양한 데이터 포인트 간의 관계를 직관적으로 탐색할 수 있습니다.
• 오픈 소스 데이터 과학 노트북에 기반한 그래프 분석 시각화 기능은 Oracle Financial Services Crime and Compliance Investigation Hub 모듈을 통해 Oracle Financial Services Enterprise Case Management 애플리케이션에 내장되어 있습니다.
• 실시간으로 업데이트되는 시각화는 위험 점수에 대한 컨텍스트 제공에 도움을 줍니다.
• 데이터 과학자는 연결을 시각화해 더 간단히 알고리즘을 생성할 수 있습니다. 이는 매우 중요한 장점입니다. 그래프 분석을 머신러닝 에코시스템에 구현하면 정확도를 향상시킬 수 있기 때문입니다.