AI 연구연구 프리프린트
거래 한 건보다 계좌 관계망…자금 전달 계좌 탐지 실험
원문 읽기 · arxiv.org ↗(새 탭에서 열림)자금세탁에 이용되는 계좌는 개별 거래만 보면 평범해 보일 수 있다. 비심사 연구는 은행의 관계형 데이터베이스를 계좌·거래·상대방 등의 이종 그래프로 읽어 계좌 자체의 위험을 점수화했다.
연구 방법
- 기존 테이블의 행을 노드, 외래키를 연결로 만들고, 각 계좌가 신고되기 전 시점까지만 이웃 기록을 모았다. 상대 시간·열별 인코딩과 이종 그래프 메시지 전달을 통해 계좌를 분류했다. 평가에는 인도 RBIH의 약 4억 건 거래와 표지된 9만4063개 계좌를 사용했다.
평가 결과
- 보류 시험 계좌에서 고정된 검증 임계값을 적용했을 때 확인된 전달 계좌 373개 중 337개를 찾았다. 정밀도 83.2%, 재현율 90.3%, 오경보율 0.50%로 같은 근거를 쓰는 최상위 나무 모델보다 115개를 더 찾았다. 다만 경보 상위 100개에서는 XGBoost·LightGBM이 더 우세했다.
적용 조건
- 확인된 전달 계좌만 양성으로 표기되고 미확인 계좌는 음성으로 취급해 실제 정밀도는 조사 과정의 발견 범위에 묶인다. 정상 계좌의 평가 기준일도 연구자의 선택이다. 한 데이터셋의 사후 평가이며 금융기관 운영 효과나 다른 국가로의 일반화는 확인되지 않았다.
함께 확인할 조건
- 확인된 전달 계좌만 양성으로 표기되고 미확인 계좌는 음성으로 취급해 실제 정밀도는 조사 과정의 발견 범위에 묶인다. 정상 계좌의 평가 기준일도 연구자의 선택이다. 한 데이터셋의 사후 평가이며 금융기관 운영 효과나 다른 국가로의 일반화는 확인되지 않았다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.