신용카드 이상거래 탐지를 위한 기계학습 방법의 성능 비교

초록

신용카드 이상거래 탐지는 전형적인 분류 문제로 다양한 기계학습 방법들이 활용되고 있다. 본 논문에서는 공개되어 있는 실제 신용카드 거래 데이터인 Credit Card Fraud Detection 데이터와 IEEE-CIS Fraud Detection 데이터에 대해 9개의 기계학습 방법을 적용하고 그 결과를 분석했다. 실험 결과, extreme gradient boosting(XGBoost)과 light gradient boosting machine(LGBM)이 두 데이터 모두에 대해 가장 우수한 성능을 기록했다. 특히 본 논문의 Credit Card Fraud Detection 데이터에 대한 실험 결과는 기존 연구의 결과보다 우수했다. 이상거래 예측시간 측면에서는 LGBM이 XGBoost보다 30배 이상 빠른 속도를 기록했다. 본 논문에서는 이러한 결과에 기반해 gradient boosting 기반의 방법, 특히 LGBM이 신용카드 이상거래 탐지에 적합하다고 제안한다.

키워드