PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.17555v4cs.CR

은행업을 위한 자율형 AI 보안 에이전트: 소매 및 기업 계좌 전반의 다중 벡터 사기 및 자금세탁방지(AML) 탐지

An Autonomous AI Security Agent for Banking: Multi-Vector Fraud and AML Detection Across Retail and Corporate Accounts

은행은 탐지 요건이 근본적으로 서로 다른 두 가지 위협 계열에 직면해 있습니다. 서명 기반 사기(카드 미제시 공격, 계정 탈취, ATM 복제)와 행동 기반 금융 범죄(분할 송금[structuring], 자금 세탁 분산[layering], 대포통장 네트워크, 비즈니스 이메일 침해[BEC])입니다. 정적 규칙 엔진은 고빈도 이벤트를 포착하지만, 개별 수준에서는 정상 활동과 유사하게 조작되는 BEC 결제 경로 재지정, 세션 하이재킹, 자금세탁 분산에는 무력합니다. 본 논문은 소매 및 기업 금융을 대상으로 저위험 및 중위험 단계에서는 독립적으로 동작하고 고위험 및 중대 조치 시에는 인간 분석가나 컴플라이언스 담당자에게 에스컬레이션하는 자율형 AI 보안 에이전트를 제시합니다. 이 에이전트는 거래(카드 사기, ACH/전신환 사기, AML)와 세션(계정 탈취, 하이재킹, SIM 스왑, 내부자 오남용)이라는 두 개의 병렬 이벤트 스트림 전반에서 3개 구성요소 융합 아키텍처를 활용합니다. 각 스트림은 계좌별 행동에 대한 LSTM 시퀀스 모델, 통계적 속도/임계값 모니터, 그리고 자금세탁 탐지를 위해 계좌-거래 상대방 패턴(팬인, 팬아웃, 통과 비율)을 포착하는 그래프 모듈을 결합합니다. 13개 위협 카테고리와 3,470개 계좌에 걸친 237,669건의 거래 및 113,508건의 세션으로 구성된 합성 로그 실험에서, 해당 에이전트는 전체 F1 점수 0.787(거래) 및 0.867(세션)을 달성하여 규칙 기반 기준선(0.562/0.733) 및 LSTM 단독 기준선(0.655/0.713) 대비 우수한 성능을 보였습니다. 또한 본 에이전트는 고객 대상 검증 챗봇(96.6% 신원 정확도, 86.8% 대량 재설정 탐지) 및 분석가 케이스 요약 어시스턴트(99.3% 조치 추천 F1)를 통합하며, 95번째 백분위수 기준 중대 단계 응답 지연 시간은 0.43ms 미만을 기록했습니다.