1) 문제점
이상 거래에 대한 사전 탐지 시스템이 부족하여, 사고 발생 후 대응이 주를 이룸
Rule 기반 탐지 방식만으로는 정상 거래를 모방한 고도화된 이상 거래 탐지에 한계
기존 대시보드가 정적인 리포트 중심이라 실시간 대응이 어려움

2) 프로젝트 목표
하이브리드 탐지 시스템 구축: Rule 기반 + 머신러닝 기반 이상 탐지 체계 구현
시각화 대시보드를 통한 실시간 이상 거래 모니터링 환경 제공
고위험 거래에 대한 조기 경고 시스템 구현으로 보안 리스크 최소화

3) 주안점
Rule 기반의 명시적 조건과 머신러닝 기반의 패턴 인식 모델을 통합한 탐지 로직 설계
Grafana를 활용한 실시간 대시보드 구현
실시간 처리 가능한 백엔드 데이터 파이프라인 설계와 이상 거래 탐지 모델 운영 자동화

1) 포트폴리오 소개
AI 기반 금융 보안 서비스
송금 서비스 사용자들을 대상으로, 실시간 거래 데이터를 분석하여 이상 거래를 조기에 탐지하는 AI 기반 FDS(Fraud Detection System).
타깃: 금융사 보안팀, 핀테크 서비스 운영사 등 B2B 금융 보안 솔루션 수요 기업

2) 작업 범위
개발 참여 영역:
백엔드 데이터 파이프라인 및 이상 탐지 모델링
Rule-based + 머신러닝 모델 개발 및 통합
이상 거래 시각화 대시보드 구성

지원 환경:
Python, PyTorch, LightGBM, Scikit-learn
Power BI (리스크 분석용 대시보드 시각화)
Databricks, Azure Cloud (데이터 파이프라인 및 ML 운영환경)

3) 주요 업무
실시간 이상 거래 탐지 시스템 구축
사용자 거래 로그, 디바이스 정보, 인증 성공 여부, 시간대 등 다양한 변수 기반으로 이상 거래 예측
Rule-based 탐지 로직 구성 및 시각화
"야간 송금 + 새로운 디바이스 + 인증 실패" 등 복합 조건 기반 Rule 정의
ML 기반 이상거래 확률 예측 모델 개발
Isolation Forest, XGBoost, LightGBM 등 다양한 알고리즘 비교 및 성능 평가
이상거래 모니터링 대시보드 개발
탐지 결과를 리스크 스코어로 시각화하여 보안 담당자가 직관적으로 분석 가능하도록 설계

4) 주안점
Rule 기반과 머신러닝 기반의 하이브리드 접근 방식 구현
기존 룰 기반의 한계를 보완하고, 실제 이상 거래 탐지율 개선에 기여
실시간 대응이 가능한 데이터 처리 및 시각화 구조 설계
금융 서비스 특성상 민감한 데이터를 다루므로 보안성 확보와 함께 빠른 응답성을 중시
정상거래와 유사한 비정상 패턴 탐지에 집중
거래금액, 디바이스, 시간대 등 비정형 변수 간 관계를 머신러닝으로 학습하여 위장된 이상 거래를 탐지