KR101999765B1 - 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 - Google Patents

데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 Download PDF

Info

Publication number
KR101999765B1
KR101999765B1 KR1020180007527A KR20180007527A KR101999765B1 KR 101999765 B1 KR101999765 B1 KR 101999765B1 KR 1020180007527 A KR1020180007527 A KR 1020180007527A KR 20180007527 A KR20180007527 A KR 20180007527A KR 101999765 B1 KR101999765 B1 KR 101999765B1
Authority
KR
South Korea
Prior art keywords
loan
variable
fraudulent
value
fraud
Prior art date
Application number
KR1020180007527A
Other languages
English (en)
Inventor
유명재
오상환
Original Assignee
주식회사 닥터퀀트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 닥터퀀트 filed Critical 주식회사 닥터퀀트
Priority to KR1020180007527A priority Critical patent/KR101999765B1/ko
Application granted granted Critical
Publication of KR101999765B1 publication Critical patent/KR101999765B1/ko

Links

Images

Classifications

    • G06Q40/025—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 발명은 대출 서류에 따른 사기 대출을 방지하기 위한 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법에 관한 것으로서, 이를 위하여 대출 유형별 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본 내 정보를 기반으로 적어도 둘 이상의 사기 대출 판단용 변수를 선택하며, 상기 선택한 사기 대출 판단용 변수에 대응하는 변수 값간의 연관도 분석을 통해 대출 사기 관련 가설 및 그에 따른 연관도 정보를 생성한 후 이를 데이터베이스에 저장하는 금융 사기 유형 생성 장치와, 임의의 대출 유형에 대한 대출 서류가 입력됨에 따라 상기 대출 서류에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하며, 상기 추출한 변수 값간의 연관도를 분석하며, 상기 분석한 연관도에 부합되는 대출 사기 가설이 데이터베이스에 존재하는지의 여부를 통해 대출인지를 판단하는 대출 평가 장치를 포함하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템을 제공한다.

Description

데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법{METHOD AND SYSTEM FOR ANALYZING PATTERN OF BANKING PHISHING LOAN USING DATA MINING TECHNOLOGY}
본 발명은 금융 사기 대출 유형을 터닝하여 이를 기반으로 대출 서류의 심사를 통해 사기 대출을 방지하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법에 관한 것이다.
일반적으로, 대출 이용자는 자신이 소유한 부동산, 신용도, 회사의 실적, 수출입 실적 등을 금융 기관에 담보로 제공하고, 금융 기관으로부터 대출을 받을 수 있다. 이러한 대출 서비스를 제공받기 위해서 대출 신청자는 대출 서류를 금융 기관에 제출하며, 금융 기관은 대출 서류의 심사를 통해 대출 여부를 결정하여 대출 서비스를 제공한다.
한편, 대출 서류의 심사 과정에서 오류 또는 사기 목적으로 대출 서류의 위변조를 통해 대출 사기가 빈번하게 발생되고 있으며, 이러한 대출 사기에 의한 금융 기관의 피해가 기하급수적으로 늘어나고 있다.
대한민국 등록특허 제10-0416060호(2004.01.09. 등록)
본 발명은 정상 대출 표본과 사기 대출 표본을 기반으로 대출 유형별 사기 대출 판단용 변수와 그 연관도를 분석하며, 이를 기반으로 대출 서류에 대한 심사를 수행하여 사기 대출을 미연에 방지할 수 있는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법을 제공하는 것이다.
상술한 해결하고자 하는 과제를 해결하기 위해서 본 발명의 실시예에 따른 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템은 대출 유형별 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본 내 정보를 기반으로 적어도 둘 이상의 사기 대출 판단용 변수를 선택하며, 상기 선택한 사기 대출 판단용 변수에 대응하는 변수 값간의 연관도 분석을 통해 대출 사기 관련 가설 및 그에 따른 연관도 정보를 생성한 후 이를 데이터베이스에 저장하는 금융 사기 유형 생성 장치와, 임의의 대출 유형에 대한 대출 서류가 입력됨에 따라 상기 대출 서류에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하며, 상기 추출한 변수 값간의 연관도를 분석하며, 상기 분석한 연관도에 부합되는 대출 사기 가설이 데이터베이스에 존재하는지의 여부를 통해 대출인지를 판단하는 대출 평가 장치를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 금융 사기 유형 생성 장치는 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하며, 상기 추출한 변수 값의 분석을 통해 상기 사기 대출 판단용 변수에 대한 결측치 범위를 산출하여 설정하는 결측치 산출부를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 대출 평가 장치는 상기 입력된 대출 서류 내 임의의 사기 대출 판단용 변수에 대한 변수 값이 존재하지 않을 경우 상기 임의의 사기 대출 판단용 변수에 설정된 결측치 범위를 이용하여 변수 값을 임의로 설정할 수 있다.
본 발명의 실시예에 따르면, 상기 금융 사기 유형 생성 장치는 상기 사기 대출 판단용 변수의 유형이 수치형 또는 범주형 변수인지를 판단하여 상기 사기 대출 판단용 변수에 대한 속성을 생성하며, 상기 생성된 속성을 상기 사기 대출 판단용 변수에 설정하는 변환 변수 설정부를 포함하며, 상기 대출 평가 장치는 상기 입력된 대출 서류 내 상기 사기 대출 판단용 변수에 대응하는 변수 값이 기 설정된 개수 이상일 경우 상기 사기 대출 판단용 변수에 설정된 속성에 의거하여 상기 사기 대출 판단용 변수 중 적어도 하나 이상을 더미 변수로 분류하여 대출 평가 시 제외시킬 수 있다.
본 발명의 실시예에 따르면, 상기 금융 사기 유형 생성 장치는 상기 정상 대출 표본 및 사기 대출 표본 내 상기 사기 대출 판단용 변수에 대응하는 변수 값에 대한 분석을 통해 상기 사기 대출 판단용 변수의 변수 값 범위별 가중치를 설정하며, 상기 대출 평가 장치는 상기 대출 서류 내 상기 사기 대출 판단용 변수의 변수 값이 어느 범위에 속하는지의 판단하여 가중치를 선택하며, 상기 임의로 설정한 변수 값과 상기 선택한 가중치 및 상기 사기 대출 판단용 변수의 속성을 기반으로 상기 대출 서류에 대한 평가 점수를 산출한 후 상기 산출한 평가 점수와 기 설정된 임계값간의 비교를 통해 사기 대출 여부를 판단할 수 있다.
상술한 해결하고자 하는 과제를 해결하기 위해서 본 발명의 실시예에 따른 데이터 마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법은 대출 표본을 제공받는 단계와, 상기 제공받은 정상 대출 표본과 사기 대출 표본에 대한 분석을 통해 적어도 둘 이상의 사기 대출 판단용 변수를 생성하는 단계와, 상기 선택한 사기 대출 판단용 변수에 대응하는 변수 값간의 연관도 분석을 통해 대출 사기 관련 가설 및 그에 따른 연관도 정보를 생성한 후 이를 데이터베이스에 저장하는 단계와, 임의의 대출 유형에 대한 대출 서류가 입력됨에 따라 상기 대출 서류에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하는 단계와, 상기 추출한 변수 값간의 연관도를 분석하며, 상기 분석한 연관도에 부합되는 대출 사기 가설이 데이터베이스에 존재하는지의 여부를 통해 상기 대출 서류가 사기 대출인지를 판단하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법은 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하는 단계와, 상기 추출한 변수 값의 분석을 통해 상기 사기 대출 판단용 변수에 대한 결측치 범위를 산출하여 설정하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 추출하는 단계는 상기 입력된 대출 서류 내 임의의 사기 대출 판단용 변수에 대한 변수 값이 존재하지 않을 경우 상기 임의의 사기 대출 판단용 변수에 설정된 결측치 범위를 이용하여 변수 값을 임의로 설정하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따르면, 상기 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법은 상기 사기 대출 판단용 변수의 유형이 수치형 또는 범주형 변수인지를 판단하여 상기 사기 대출 판단용 변수에 대한 속성을 생성하는 단계와, 상기 생성된 속성을 상기 사기 대출 판단용 변수에 설정하는 단계를 포함하며, 상기 사기 대출인지를 판단하는 단계는 상기 입력된 대출 서류 내 상기 사기 대출 판단용 변수에 대응하는 변수 값이 기 설정된 개수 이상일 경우 상기 사기 대출 판단용 변수에 설정된 속성에 의거하여 상기 사기 대출 판단용 변수 중 적어도 하나 이상을 더미 변수로 분류하여 연관도 분석 시 제외시킬 수 있다.
본 발명의 실시예에 따르면, 상기 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법은 상기 정상 대출 표본 및 사기 대출 표본 내 상기 사기 대출 판단용 변수에 대응하는 변수 값에 대한 분석을 통해 상기 사기 대출 판단용 변수의 변수 값 범위별 가중치를 설정하는 단계를 더 포함하며, 상기 사기 대출인지를 판단하는 단계는 상기 대출 서류 내 상기 사기 대출 판단용 변수의 변수 값이 어느 범위에 속하는지의 판단하여 가중치를 선택하는 단계와, 상기 임의로 설정한 변수 값과 상기 선택한 가중치 및 상기 사기 대출 판단용 변수의 속성을 기반으로 상기 대출 서류에 대한 평가 점수를 산출하는 단계와, 상기 산출한 평가 점수와 기 설정된 임계값간의 비교를 통해 사기 대출 여부를 판단하는 단계를 포함할 수 있다.
전술한 본 발명의 과제 해결 수단에 따르면, 정상 대출 표본과 사기 대출 표본을 기반으로 대출 유형별 사기 대출 판단용 변수와 그 연관도를 분석함과 더불어 사기 대출 관련 가설을 설정한 후 이를 기반으로 대출 서류에 대한 심사를 수행함으로써, 사기 대출 발생을 미연에 방지하여 사기 대출에 의한 금융 기관의 피해를 최소화시킬 수 있다.
도 1은 본 발명의 실시예에 따른 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템의 전반적인 구성을 도시한 블록도이다.
도 2는 본 발명의 실시예에 따른 사기 대출과 관련된 데이터를 이용하여 사기 대출 유형을 패터닝하는 과정을 도시한 흐름도이다.
도 3은 본 발명의 실시예에 따른 금융 사기 유형 생성 장치에 의해 생성된 대출 유형별 금융 사기 대출 유형 정보를 이용하여 대출 서류를 심사하여 평가하는 과정을 도시한 흐름도이다.
도 4는 본 발명의 실시예에 따른 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법이 적용된 예시도이다.
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시 예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다.
이하 첨부된 도면을 참조하여 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템에 대해 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템의 전반적인 구성을 도시한 블록도이다.
도 1에 도시된 바와 같이, 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템은 크게 금융 사기 유형 생성 장치(100), 대출 평가 장치(120) 및 사기 대출 판단용 데이터베이스(140) 등을 포함할 수 있다.
금융 사기 유형 생성 장치(100)는 복수의 정상 대출 표본과 사기 대출 표본을 기반으로 대출 유형별로 사기 대출 판단용 변수 및 그에 따른 변수 범위 값을 설정하여 대출 유형별 사기 대출 유형을 패터닝할 수 있다. 구체적으로, 금융 사기 유형 생성 장치(100)는 복수의 정상 대출 표본과 사기 대출 표본을 기반으로 설정된 사기 대출 판단용 변수에 대응하는 변수 값과 변수간의 연관도 분석을 통해 대출 사기 관련 가설 및 연관도 정보를 생성할 수 있으며, 사기 대출 판단용 변수의 변수 값 범위별로 가중치(점수)를 설정함과 더불어 사기 대출 판단용 변수의 속성을 설정하는 방법으로 대출 유형별 사기 대출 유형을 패터닝하여 사기 대출 판단용 데이터베이스(140)에 저장할 수 있다. 본 발명의 실시예에서 대출 사기 관련 가설은 평가 로직, 통계적 유의성에 의한 유형 또는 검출 룰을 의미할 수 있다.
이를 위하여, 금융 사기 유형 생성 장치(100)는 입력 데이터, 예컨대 전산화된 또는 문서화된 정상 대출 데이터와 사기 대출 데이터를 유형별로 입력받아 데이터를 표준화하기 위한 데이터 표준화부(102)를 포함할 수 있다.
데이터 표준화부(102)는 대출 유형별 복수의 정상 대출 데이터에서 임의 추출 방식을 통해 정상 대출 표본을 추출하며, 복수의 사기 대출 데이터에서 층화 추출법을 통해 사기 대출 표본을 추출할 수 있다. 구체적으로, 데이터 표준화부(102)는 복수의 사기 대출 데이터를 성별, 연령 또는 직업별로 분류하여 사기 대출 표본을 추출할 수 있다.
한편, 대출 사기의 경우 대량으로 발생되지 않기 때문에 사기 대출 표본 추출 시 데이터 표준화부(102)는 과대표본 추출을 수행할 수 있다. 구체적으로, 데이터 표준화부(102)는 추출한 사기 대출 표본이 데이터로서 충분한 의미를 가질 수 있도록 하기 위한 이진 분류 기법 또는 오분류 비용 최저화 기법을 통해 복수의 사기 대출 데이터에서 과대 대기 사출 표본을 추출할 수 있다. 여기에서, 이진 분류 기법은 반응과 비반응 분류 방식으로 데이터의 량을 확장하는 방식을 의미하며, 오분류비용 최저화 기법은 민감도와 특이도를 기반으로 비반응 표본 중 일부, 즉 의심이 되는 정상 대출 표본을 사기 대출 표본으로 분류하는 것을 의미할 수 있다.
데이터 표준화부(102)는 추출한 정상 대출 표본과 사기 대출 표본 내 입력된 정보, 예컨대 신용점수, 대출 현황(대출 변동 정보를 포함함), 매출 현황(매출 변동 정보를 포함함), 부채현황, 자산현황, 업력, 손익 정보(순익 변동 정보를 포함함), 매출처 등을 추출하며, 추출한 정보 중 사기 대출 판단에 필요한 적어도 둘 이상의 정보를 추출하여 사기 대출 판단용 변수로 선택할 수 있다.
결측치 산출부(104)는 데이터 표준화부(102)에서 추출한 사기 대출 판단용 변수 각각에 대한 정상 대출 표본 내 변수 값과 사기 대출 표본의 변수 값을 이용하여 표준화를 수행하며, 이를 기반으로 사기 대출용 판단용 변수 각각에 대한 결측치 부분을 설정할 수 있다.
결측지는 대출 신청 시 입력된 대출 신청용 서류 내 오류 값(missing value), 미입력값(Broken information) 등이 존재할 때, 이를 대체하기 위한 값을 의미할 수 있으며. 이를 설정하는 과정에 대해 설명하면 아래와 같다.
먼저, A 대출 유형의 사기 대출 표본 및 정상 대출 표본에서 사기 대출 판단용 변수에 대한 변수 값을 추출하며, 정상 대출 표본 및 사기 대출 표본에서의 사기 대출 판단용 변수에 대한 표준화를 통해 평균 값, 표준편차 값, 분산 값을 계산하며, 계산한 값들간의 비교를 분석을 통해 사기 대출 판단용 변수에 대한 중요도를 판단한 후 중요도에 따라 사기 대출 판단용 변수에 대한 결측치의 범위를 설정할 수 있다. 예를 들어, 표준화 과정을 통해 분석한 결과 정상 대출에서 중요하면서 사기 대출 유형에서 빈번하게 이용되는 변수에 해당되는 경우 중요도를 높게 설정하여 결측치 범위를 사기 대출 표본에서 산출한 평균 값 이상의 범위로 설정하거나 표준화 과정을 통해 분석한 결과 정상 대출에서 영향을 주지 않거나 사기 대출 유형에서 영향을 끼치는 정도가 낮게 이용되는 변수에 해당되는 경우 결측치 범위를 평균 값 미만의 범위로 설정할 수 있다.
이러한 방식을 통해 결측치 산출부(104)는 각 사기 대출용 판단용 변수에 대한 결측치 범위를 설정할 수 있다.
변환 변수 설정부(106)는 각 사기 대출 판단용 변수의 임의의 가설에 따라 범위(변수 값의 범위)를 설정하거나 사기 대출 표본이 재추출되거나 테스트 결과에 따라 결측치 범위를 미세 조정할 수 있다.
또한, 변환 변수 설정부(106)는 각 사기 대출 판단용 변수에 대한 사기 대출 표본 내 변수 값에 대한 통계학적 분석과 가설(관리자로부터 입력된 가설, 금융 사기 유형 생성 장치에 의해 생성된 가설) 등을 기초하여 사기 대출 가능성이 있는 복수의 변수값 범위 및 각 변수값 범위에 대한 가중치(점수)를 설정할 수 있다. 구체적으로, 변환 변수 설정부(106)는 사기 대출 판단용 변수에 대한 사기 대출 표본 내 변수 값에 대한 표준 편차, 평균 값, 분산 값 등을 산출하고, 산출한 값과 가설 등을 고려하여 사기 대출 판단용 변수에 대한 각 변수값 범위를 설정함과 더불어 각 변수값 범위에 대한 가중치를 할 수 있다.
한편, 변환 변수 설정부(106)는 사기 대출 판단용 변수가 어떤 유형, 예컨대 수치형 및 범주형 변수인지를 설정할 수 있다. 구체적으로, 변환 변수 설정부(106)는 사기 대출 판단용 변수가 수치형 변수(관측 가능한 값)이면서 연속적인 값을 갖는 연속형(예컨대, 매출의 변동, 대출의 변동, 순익의 변동 등)인지 비연속적인 값을 갖는 이산형(예컨대, 직원수의 변동, 매출처 집중화, 매출처 변동, 매입처 변동 등)인지를 판단하거나 범주형이면서 순서의 의미가 있는 범위를 갖는 순위형(예컨대, 대표자 신용도 변화, 대표자 대출 변동 등)인지, 순서의 의미가 없는 명목형(예컨대, 구매품목, 불량, 성별 등)인지를 판단하여 각 사기 대출 판단용 변수의 속성을 설정할 수 있다.
또한, 변환 변수 설정부(106)는 사기 대출 판단용 변수를 변형하여 새로운 사기 대출 판단용 변수를 생성하거나 적어도 둘 이상의 사기 대출 판단용 변수를 조합하여 새로운 사기 대출 판단용 변수를 생성할 수 있다.
한편, 변환 변수 설정부(106)는 임의의 가설에 따라 사기 대출 판단용 변수 외의 새로운 사기 대출 판단용 변수를 생성할 수 있다.
연관도 분석부(108)는 사기 대출 판단용 변수에 대응하는 사기 대출 서류 내 변수 값을 기반으로 사기 대출 판단용 변수간의 연관도를 분석하고, 연관도를 기반으로 가설을 설정할 수 있다. 구체적으로, 연관도 분석부(108)는 회기 분석, 계층적 군집 분석, 연관성 분석, 의사결정트리(decision tree) 분석, 신경망 분석 등의 방법을 통해 사기 대출 판단용 변수간의 연관도 및 가설을 설정할 수 있다.
먼저, 회기 분석 방법은 하나 또는 복수의 사기 대출 판단용 변수와 종속 변수에 대한 영향을 추정하는 통계적 기법이며, 계층적 군집 분석 방법은 각 사기 대출 판단용 변수의 속성을 기반으로 유사 속성을 갖는 데이터를 군집화하여 연관성을 분석함과 더불어 군집화된 연관성을 기반으로 가설을 설정하는 방법이며, 연관성 분석 방법은 연관성 규칙, 예컨대 지지도, 신뢰도, 향상도의 측정 지표를 토대로 각 사기 대출 판단용 변수의 중요도를 산출하여 연관도 분석하는 방법이며, 의사결정트리 분석 방법은 목표 변수, 즉 사기 대출 판단 변수에 영향을 줄 수 있는 사기 대출 판단용 변수의 변수 값을 이용하여 최적의 분류를 위한 의사 결정 규칙(뎁쓰(depth)를 타고 내려가는 트리 형태의 규칙을 생성하여 사기 대출 판단용 변수간의 연관도 및 가설을 설정하는 방법이며, 신경망 분석 방법은 각 사기 대출 판단용 변수간을 상호 연결한 신경망을 형성하는 방법으로 연관도 및 가설을 설정하는 방법일 수 있다.
상술한 각 구성을 통해 금융 사기 유형 생성 장치(100)는 대출 유형별로 사기 대출 판단용 변수를 결정하고, 결정된 사기 대출 판단용 변수 각각에 대한 변수값 범위별 가중치), 결측치 범위 및 속성을 설정할 수 있다. 또한, 금융 사기 유형 생성 장치(100)는 결정된 사기 대출 판단용 변수의 조합, 변형 등을 통해 새로운 변수를 생성하거나, 새로운 가설에 따라 새로운 변수를 생성할 수 있다.
또한, 금융 사기 유형 생성 장치(100)는 상술한 바와 같은 과정을 통해 각 대출 유형에 사기 대출 판단용 변수, 변수 값 범위, 결측치 범위, 새로운 변수 등을 연결시켜 하나의 데이터 그룹을 형성한 후 이를 사기 대출 판단용 데이터베이스(140)에 저장할 수 있다.
한편, 금융 사기 유형 생성 장치(100)는 연관도 분석부(108)에 의해 생성된 대출 사기에 대한 가설 및 이와 관련된 사기 대출 판단용 변수간의 연관도를 사기 대출 판단용 데이터베이스(140)에 저장할 수 있다.
또한, 금융 사기 유형 생성 장치(100)는 새로운 사기 대출이 발생 또는 인지될 때 사기 대출 판단용 데이터베이스(140)에 저장된 데이터를 업데이트시킬 수 있다. 구체적으로, 금융 사기 유형 생성 장치(100)는 사기 대출 판단용 변수, 변수 값 범위, 결측치 범위, 새로운 변수 등을 생성하여 데이터 그룹을 업데이트시키거나 연관도 분석부(108)를 통해 대출 사기에 대한 가설 및 이와 관련된 사기 대출 판단용 변수간의 연관도를 재설정할 수 있다.
대출 평가 장치(120)는 대출과 관련된 대출 서류가 입력됨에 따라 대출 유형에 대응하는 사기 대출 판단용 변수를 사기 대출 판단용 데이터베이스(140)에서 검색하며, 검색한 사기 대출 판단용 변수에 대응하는 변수 값을 대출 서류에서 추출한 후 추출한 변수 값이 어느 변수 값 범위에 포함되는지의 판단을 통해 가중치를 선택하는 방식으로 각 사기 대출 판단용 변수에 대한 가중치를 선택하며, 선택한 가중치를 이용하여 대출 서류에 대한 대출 평가용 점수를 산출할 수 있다. 이때, 사기 대출 판단용 변수에 대응하는 변수 값이 대출 서류 내에 존재하지 않을 경우 대출 평가 장치(120)는 대출 서류 내 변수 값이 존재하지 않는 사기 대출 판단용 변수의 변수 값을 결측치를 이용하여 임의로 설정한 후 설정된 결측치가 어느 변수 값 범위에 포함되는지의 여부를 통해 사기 대출 판단용 변수에 대한 가중치를 선택할 수 있다.
또한, 대출 평가 장치(120)는 대출 서류에서 사기 대출 판단용 변수에 해당하는 부분이 기 설정된 개수 이상일 경우 사기 대출 판단용 변수 중 일부를 더미 변수로 분류하여 점수 산출 시 제외시킬 수 있다. 구체적으로, 대출 평가 장치(120)는 대출 서류에서 사기 대출 판단용 변수에 해당하는 부분이 기 설정된 개수 이상일 경우 사기 대출 판단용 변수의 속성을 기반으로 중요 사기 대출 판단용 변수를 추출하며, 추출한 중요 사기 대출 판단용 변수에 대한 변수 값만을 이용하여 대출 평가용 점수를 산출할 수 있다. 예를 들어, 범주형 변수이면서 순위 정보를 갖고 있는 사기 대출 판단용 변수는 중요 사기 대출 판단용 변수로 선택하고, 범주형 변수이면서 명목형인 사기 대출 판단용 변수는 더미 변수로 분류하여 대출 평가용 점수 산출 시 제외시킬 수 있다.
한편, 대출 평가 장치(120)는 산출한 점수와 기 설정된 임계값간의 비교를 통해 대출 심사 결과를 출력할 수 있다. 구체적으로, 대출 평가 장치(120)는 산출한 점수가 설정된 임계값을 초과할 경우 사기 대출로 판단하며, 그렇지 않을 경우 정상 대출로 판단하여 대출 결과를 출력할 수 있다.
대출 평가 장치(120)는 결측치 및 변수 값간의 연관도를 분석하며, 분석한 연관도에 부합되는 대출 사기 가설이 사기 대출 판단용 데이터베이스(140)에 존재하는지의 여부를 통해 대출 서류가 사기 대출인지를 정상 대출인지를 판단할 수 있다.
또한, 본 발명의 실시예에 따른 대출 평가 장치(120)에는 위험군 범위가 설정되어 있으며, 대출 서류 중 사기 대출로 의심되는 경우, 예컨대 대출 평가 점수가 기 설정된 범위(시스템에 의해 설정된 위험군 범위)에 포함되는 경우 대출 서류에 따라 대출이 실행된 후 대출 서류를 신청한 업체를 모니터링할 수 있다.
상술한 바와 같은 구성을 갖는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템이 동작하는 과정에 대해 도 2 내지 도 3을 참조하여 설명한다.
도 2는 본 발명의 실시예에 따른 사기 대출과 관련된 데이터를 이용하여 금융 사기 대출 유형을 생성하는 과정을 도시한 흐름도이다.
도 2에 도시된 바와 같이, 먼저 금융 사기 유형 생성 장치(100)는 정상 대출 및 사기 대출과 관련된 데이터를 입력받는다(S200). 본 발명의 실시예에서 데이터 입력은 은행, 금감원 등으로부터 사기 대출과 관련된 전산화된 데이터를 제공(수신)받는 것을 의미할 수 있다.
그런 다음, 금융 사기 유형 생성 장치(100)는 입력받은 데이터를 기반으로 복수의 정상 대출 표본 및 사기 대출 표본을 추출한다(S202). 여기에서, 사기 대출 관련 데이터량은 정상 대출과 관련된 데이터량보다 적기 때문에 과대표본 추출 과정을 통해 사기 대출 표본은 추출될 수 있다.
이후, 금융 사기 유형 생성 장치(100)는 추출한 정상 대출 표본 및 사기 대출 표본에 포함된 변수를 추출한 후 추출한 변수들 중 사기와 관련성이 높은 변수(즉, 사기 대출 판단용 변수)를 선택한다(S204).
그런 다음, 금융 사기 유형 생성 장치(100)는 사기 대출 판단용 변수와 관련된 정상 대출 표본 및 사기 대출 표본 내 변수 값들에 대한 분석을 통해 사기 대출 판단용 변수 각각에 대한 결측치 범위를 생성한 후 이를 사기 대출 판단용 변수 각각에 설정한다(S206).
그리고 나서, 금융 사기 유형 생성 장치(100)는 사기 대출 판단용 변수의 변수 값 특징을 기반으로 사기 대출 판단용 변수의 유형이 수치형인지 또는 범주형인지를 판단하여 속성을 생성한 후 이를 사기 대출 판단용 변수 각각에 설정한다(S208).
그런 다음, 금융 사기 유형 생성 장치(100)는 사기 대출 판단용 변수와 관련된 정상 대출 표본 및 사기 대출 표본 내 변수 값들에 대한 통계학적인 분석, 예컨대 평균, 분산 및 표준편차 등의 분석을 통해 변수 값 범위별 가중치를 생성한 후 이를 사기 대출 판단용 변수 각각에 설정하다(S210).
금융 사기 유형 생성 장치(100)는 상술한 바와 같은 과정을 대출 유형별로 수행하여 대출 유형별 사기 대출 판단용 변수, 결측치 범위, 변수 값 범위별 가중치 및 속성 등을 이용하여 대출 유형별 금융 사기 대출 유형 정보를 생성한 후 이를 사기 대출 판단용 데이터베이스(140)에 저장한다(S212).
한편, 상술한 본 발명의 실시예에 도시 생략되었지만, 본 발명의 실시예에 따른 금융 사기 유형 생성 장치(100)는 사기 대출 표본 내 추출한 사기 유형에 따라 사기 대출 판단용 변수간의 연관도 분석을 통해 사기 대출 관련 가설을 대출 유형별로 생성한 후 생성된 대출 유형별 연관도 및 사기 대출 관련 가설을 사기 대출 판단용 데이터베이스(140)에 저장할 수도 있다.
도 3은 본 발명의 실시예에 따른 금융 사기 유형 생성 장치에 의해 생성된 대출 유형별 금융 사기 대출 유형 정보를 이용하여 대출 서류를 심사하여 평가하는 과정을 도시한 흐름도이다.
도 3에 도시된 바와 같이, 먼저, 대출 평가 장치(120)는 유무선 통신 또는 사용자 입력을 통해 대출 서류를 입력받는다(S300).
그런 다음, 대출 평가 장치(120)는 입력받은 대출 서류를 기반으로 대출 유형을 결정한 후 대출 서류의 분석을 통해 결정된 대출 유형에 따른 사기 대출 판단용 변수에 대한 변수 값을 추출한다(S302).
이후, 대출 평가 장치(120)는 모든 사기 대출 판단용 변수에 대한 변수 값이 대출 서류 내 존재하는지를 판단한다(S304).
S304의 판단 결과, 적어도 하나 이상의 사기 대출 판단용 변수에 대한 변수 값이 존재하지 않을 경우, 대출 평가 장치(120)는 변수 값이 존재하지 않는 사기 대출 판단용 변수에 설정된 결측치 범위를 이용하여 변수 값을 설정한다(S306).
이후, 대출 평가 장치(120)는 추출한 변수 값 및 결측치 범위에 따라 설정된 변수 값이 기 설정된 개수 이상인지를 판단한다(S308).
S308의 판단 결과, 기 설정된 개수 이상일 경우, 대출 평가 장치(120)는 사기 대출 판단용 변수 각각에 설정된 속성을 기반으로 사기 대출 판단용 변수 중 적어도 하나 이상의 더미 변수를 선택하며(S310), 선택한 더미 변수의 변수 값을 제외시킨다(S312).
그리고 나서, 대출 평가 장치(120)는 더미 변수를 제외한 나머지 사기 대출 판단용 변수의 변수 값과 사기 대출 판단용 변수에 설정된 변수 값 범위별 가중치를 기반으로 대출 평가 점수를 산출하며(S314), 산출한 대출 평가 점수와 기 설정된 임계 값을 기반으로 대출 서류를 이용한 대출 신청이 사기 대출인지를 판단한다(S316).
한편, S308의 판단 결과, 기 설정된 개수 미만일 경우, 대출 평가 장치는 사기 대출 판단용 변수의 변수 값과 사기 대출 판단용 변수에 설정된 변수 값 범위별 가중치를 기반으로 대출 평가 점수를 산출(S318)한 후 S316을 수행한다.
한편, 상술한 본 발명의 실시예에 도시 생략되었지만, 본 발명의 실시예에 따른 대출 평가 장치(120)는 사기 대출 판단용 데이터베이스(140)에 저장된 대출 유형별 연관도 및 사기 대출 관련 가설을 기반으로 대출 서류를 이용한 대출 신청이 사기 대출인지를 판단할 수도 있다. 이 경우, 대출 평가 장치(120)는 사기 대출 판단용 변수의 변수 값을 이용하여 연관도를 분석하고, 분석한 연관도에 대응하는 사기 대출 관련 가설이 사기 대출 판단용 데이터베이스(140)에 존재하는지의 여부를 판단하여 대출 서류를 이용한 대출 신청이 사기 대출인지를 판단할 수 있다.
또한, 상술한 본 발명의 실시예에 도시 생략되었지만, 본 발명의 실시예에 따른 대출 평가 장치(120)는 대출 서류 중 사기 대출로 의심되는 경우, 예컨대 대출 평가 점수가 기 설정된 범위(시스템에 의해 설정된 위험군 범위)에 포함되는 경우 대출 서류에 따라 대출이 실행된 후 대출 서류를 신청한 업체를 모니터링할 수 있다.
상술한 바와 같은 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법이 대출 유형 중 결제성 여신 대출 신청(세금 계산서가 첨부된 대출 서류)에 적용된 예에 대해 도 4를 참조하여 설명하면 아래와 같다.
도 4는 본 발명의 실시예에 따른 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법이 적용된 예시도이다.
도 4에 도시된 바와 같이, 먼저 세금 계산서가 첨부된 결제성 여신 대출 신청 서류를 대출자로부터 접수(S400)됨에 따라 대출 평가 장치(120)는 금융 결제원 및 국세청(미도시됨)과 연동되어 세금 계산서에 대한 검증을 요청한다(S402).
S402의 검증 결과로 세금계산서에 대한 정상(중복 사용되지 않고 국세청에서 발행한 세금계산서로 판단되는 경우)일 경우 대출 평가 장치(120)는 세금 계산서가 첨부된 결제성 여신 대출 신청 서류에서 사기 대출 판단용 변수를 추출하며(S404), 추출한 사기 대출 판단용 변수의 변수 값과 사기 대출 판단용 변수에 설정된 변수 값 범위별 가중치를 기반으로 대출 평가 점수를 산출한 후(S406), 산출한 대출 평가 점수와 기 설정된 임계 값을 기반으로 대출 서류를 이용한 대출 신청이 사기 대출인지를 판단한다(S408).
S408의 판단 결과, 사기 대출이 아닐 경우 대출 평가 장치(120)는 결제성 여신 대출 신청 서류에 대한 검증이 완료되어 대출 실행을 요청하는 메시지를 생성하며(S410), 그렇지 않을 경우 대출 평가 장치(120)는 대출 불가 메시지를 생성한 후 이를 금감원에 의해 운영되는 기기, 예컨대 금감원 서버, 단말 등의 기기에 전송하여 사기 대출임을 알려준다(S412).
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100 : 금융 사기 유형 생성 장치
102 : 데이터 표준화부
104 : 결측치 사출부
106 : 변환 변수 설정부
108 : 연관도 분석부
120 : 대출 평가 장치
140 : 사기 대출 판단용 데이터베이스

Claims (10)

  1. 대출 유형별 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본 내 정보를 기반으로 적어도 둘 이상의 사기 대출 판단용 변수를 선택하며, 상기 선택한 사기 대출 판단용 변수에 대응하는 변수 값간의 연관도 분석을 통해 대출 사기 관련 가설 및 그에 따른 연관도 정보를 생성한 후 이를 데이터베이스에 저장하는 금융 사기 유형 생성 장치와,
    임의의 대출 유형에 대한 대출 서류가 입력됨에 따라 상기 대출 서류에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하며, 상기 추출한 변수 값간의 연관도를 분석하며, 상기 분석한 연관도에 부합되는 대출 사기 가설이 데이터베이스에 존재하는지의 여부를 통해 대출인지를 판단하는 대출 평가 장치를 포함하며,
    상기 금융 사기 유형 생성 장치는,
    적어도 하나 이상의 정상 대출 표본과 사기 대출 표본에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하며, 상기 추출한 변수 값의 분석을 통해 상기 사기 대출 판단용 변수에 대한 결측치 범위를 산출하여 설정하는 결측치 산출부와,
    상기 사기 대출 판단용 변수의 유형이 수치형 또는 범주형 변수인지를 판단하여 상기 사기 대출 판단용 변수에 대한 속성을 생성하며, 상기 생성된 속성을 상기 사기 대출 판단용 변수에 설정하는 변환 변수 설정부를 포함하며,
    상기 대출 평가 장치는,
    상기 입력된 대출 서류 내 상기 사기 대출 판단용 변수에 대응하는 변수 값이 기 설정된 개수 이상일 경우 상기 사기 대출 판단용 변수에 설정된 속성에 의거하여 상기 사기 대출 판단용 변수 중 적어도 하나 이상을 더미 변수로 분류하여 대출 평가 시 제외시키는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 대출 평가 장치는,
    상기 입력된 대출 서류 내 임의의 사기 대출 판단용 변수에 대한 변수 값이 존재하지 않을 경우 상기 임의의 사기 대출 판단용 변수에 설정된 결측치 범위를 이용하여 변수 값을 임의로 설정하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 금융 사기 유형 생성 장치는,
    상기 정상 대출 표본 및 사기 대출 표본 내 상기 사기 대출 판단용 변수에 대응하는 변수 값에 대한 분석을 통해 상기 사기 대출 판단용 변수의 변수 값 범위별 가중치를 설정하며,
    상기 대출 평가 장치는,
    상기 대출 서류 내 상기 사기 대출 판단용 변수의 변수 값이 어느 범위에 속하는지의 판단하여 가중치를 선택하며, 상기 임의로 설정한 변수 값과 상기 선택한 가중치 및 상기 사기 대출 판단용 변수의 속성을 기반으로 상기 대출 서류에 대한 평가 점수를 산출한 후 상기 산출한 평가 점수와 기 설정된 임계값간의 비교를 통해 사기 대출 여부를 판단하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템.
  6. 대출 유형별 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본을 제공받는 단계와,
    상기 제공받은 정상 대출 표본과 사기 대출 표본에 대한 분석을 통해 적어도 둘 이상의 사기 대출 판단용 변수를 생성하는 단계와,
    상기 생성한 사기 대출 판단용 변수에 대응하는 변수 값간의 연관도 분석을 통해 대출 사기 관련 가설 및 그에 따른 연관도 정보를 생성한 후 이를 데이터베이스에 저장하는 단계와,
    임의의 대출 유형에 대한 대출 서류가 입력됨에 따라 상기 대출 서류에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하되, 적어도 하나 이상의 정상 대출 표본과 사기 대출 표본에서 상기 사기 대출 판단용 변수에 대한 변수 값을 추출하는 단계와,
    상기 추출한 변수 값의 분석을 통해 상기 사기 대출 판단용 변수에 대한 결측치 범위를 산출하여 설정하는 단계와,
    상기 사기 대출 판단용 변수의 유형이 수치형 또는 범주형 변수인지를 판단하여 상기 사기 대출 판단용 변수에 대한 속성을 생성하는 단계와,
    상기 생성된 속성을 상기 사기 대출 판단용 변수에 설정하는 단계와,
    상기 추출한 변수 값간의 연관도를 분석하며, 상기 분석한 연관도에 부합되는 대출 사기 가설이 데이터베이스에 존재하는지의 여부를 통해 상기 대출 서류가 사기 대출인지를 판단하되, 상기 입력된 대출 서류 내 상기 사기 대출 판단용 변수에 대응하는 변수 값이 기 설정된 개수 이상일 경우 상기 사기 대출 판단용 변수에 설정된 속성에 의거하여 상기 사기 대출 판단용 변수 중 적어도 하나 이상을 더미 변수로 분류하여 연관도 분석 시 제외시키는 단계를 포함하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법.
  7. 삭제
  8. 제6항에 있어서,
    상기 추출하는 단계는,
    상기 입력된 대출 서류 내 임의의 사기 대출 판단용 변수에 대한 변수 값이 존재하지 않을 경우 상기 임의의 사기 대출 판단용 변수에 설정된 결측치 범위를 이용하여 변수 값을 임의로 설정하는 단계를 더 포함하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법.
  9. 삭제
  10. 제6항에 있어서,
    상기 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법은,
    상기 정상 대출 표본 및 사기 대출 표본 내 상기 사기 대출 판단용 변수에 대응하는 변수 값에 대한 분석을 통해 상기 사기 대출 판단용 변수의 변수 값 범위별 가중치를 설정하는 단계를 더 포함하며,
    상기 사기 대출인지를 판단하는 단계는,
    상기 대출 서류 내 상기 사기 대출 판단용 변수의 변수 값이 어느 범위에 속하는지의 판단하여 가중치를 선택하는 단계와,
    상기 임의로 설정한 변수 값과 상기 선택한 가중치 및 상기 사기 대출 판단용 변수의 속성을 기반으로 상기 대출 서류에 대한 평가 점수를 산출하는 단계와,
    상기 산출한 평가 점수와 기 설정된 임계값간의 비교를 통해 사기 대출 여부를 판단하는 단계를 포함하는 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 방법.
KR1020180007527A 2018-01-22 2018-01-22 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 KR101999765B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180007527A KR101999765B1 (ko) 2018-01-22 2018-01-22 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180007527A KR101999765B1 (ko) 2018-01-22 2018-01-22 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101999765B1 true KR101999765B1 (ko) 2019-07-12

Family

ID=67254087

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180007527A KR101999765B1 (ko) 2018-01-22 2018-01-22 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101999765B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102148880B1 (ko) * 2019-11-29 2020-08-28 주식회사 애자일소다 강화학습 기반의 사기 대출 분류시스템 및 방법
KR20220067924A (ko) * 2020-11-18 2022-05-25 주식회사 국민은행 인공지능을 이용한 대출 상시감사지원시스템
KR20220074328A (ko) * 2020-11-27 2022-06-03 주식회사 국민은행 인공지능을 이용한 기업대출 사기/사기의심 상시감사지원시스템
KR20220074327A (ko) * 2020-11-27 2022-06-03 주식회사 국민은행 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100416060B1 (ko) 2000-06-07 2004-01-24 주식회사농심 금융기관 대출 시스템 및 그 방법
KR20140098616A (ko) * 2013-01-31 2014-08-08 주식회사 신한은행 대출 사기 방지를 위한 자동차 대출 서비스를 제공하는 방법 및 자동차 대출 서비스를 제공하는 은행 서버
KR20140111284A (ko) * 2012-01-17 2014-09-18 비트데펜더 아이피알 매지니먼트 엘티디 온라인 사기 검출 동적 점수 합계 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100416060B1 (ko) 2000-06-07 2004-01-24 주식회사농심 금융기관 대출 시스템 및 그 방법
KR20140111284A (ko) * 2012-01-17 2014-09-18 비트데펜더 아이피알 매지니먼트 엘티디 온라인 사기 검출 동적 점수 합계 시스템 및 방법
KR20140098616A (ko) * 2013-01-31 2014-08-08 주식회사 신한은행 대출 사기 방지를 위한 자동차 대출 서비스를 제공하는 방법 및 자동차 대출 서비스를 제공하는 은행 서버

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102148880B1 (ko) * 2019-11-29 2020-08-28 주식회사 애자일소다 강화학습 기반의 사기 대출 분류시스템 및 방법
WO2021107337A1 (ko) * 2019-11-29 2021-06-03 주식회사 애자일소다 강화학습 기반의 사기 대출 분류시스템 및 방법
KR20220067924A (ko) * 2020-11-18 2022-05-25 주식회사 국민은행 인공지능을 이용한 대출 상시감사지원시스템
KR102499181B1 (ko) * 2020-11-18 2023-02-10 주식회사 국민은행 인공지능을 이용한 대출 상시감사지원시스템
KR20220074328A (ko) * 2020-11-27 2022-06-03 주식회사 국민은행 인공지능을 이용한 기업대출 사기/사기의심 상시감사지원시스템
KR20220074327A (ko) * 2020-11-27 2022-06-03 주식회사 국민은행 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템
KR102499182B1 (ko) * 2020-11-27 2023-02-10 주식회사 국민은행 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템
KR102499183B1 (ko) * 2020-11-27 2023-02-10 주식회사 국민은행 인공지능을 이용한 기업대출 사기/사기의심 상시감사지원시스템

Similar Documents

Publication Publication Date Title
US20210097603A1 (en) System and method for issuing a loan to a consumer determined to be creditworthy and with bad debt forecast
US9294497B1 (en) Method and system for behavioral and risk prediction in networks using automatic feature generation and selection using network topolgies
KR101999765B1 (ko) 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법
CN109711955B (zh) 基于当前订单的差评预警方法、***、黑名单库建立方法
CN112561685B (zh) 客户的分类方法和装置
CN110930038A (zh) 一种贷款需求识别方法、装置、终端及存储介质
Fan et al. Improved ML‐based technique for credit card scoring in Internet financial risk control
CN112990989A (zh) 价值预测模型输入数据生成方法、装置、设备和介质
Nijwala et al. Extreme gradient boost classifier based credit card fraud detection model
CN112801780A (zh) 基于联邦学习的境内外风险客户识别方法、装置及***
CN117010914A (zh) 风险团伙的识别方法、装置、计算机设备及存储介质
CN117132383A (zh) 一种信贷数据处理方法、装置、设备及可读存储介质
CN111245815A (zh) 数据处理方法、装置、存储介质及电子设备
Zhao et al. Network-based feature extraction method for fraud detection via label propagation
CN115936831A (zh) 基于大规模工商图网络的社区风险传导预测方法及***
CN112926989B (zh) 一种基于多视图集成学习的银行贷款风险评估方法及设备
CN115496364A (zh) 幌子企业识别方法及装置、存储介质及电子设备
CN112823502B (zh) 针对资源访问规则配置的实时反馈服务
Mirhashemi et al. Evaluation of Supervised Machine Learning Algorithms for Credit Card Fraud Detection: A Comparison
CN114066478A (zh) 一种基于知产信息的目标分类评估方法及设备
Li et al. Research on Efficiency in Credit Risk Prediction Using Logistic‐SBM Model
CN113537666B (zh) 评测模型训练方法、评测和业务审核方法、装置及设备
CN117349900B (zh) 一种基于数据挖掘的智能预测***及预测方法
KR102409019B1 (ko) 금융 거래 위험 평가 시스템과 방법 및 이를 위한 컴퓨터 프로그램
Giudici et al. EXCERPT

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant