KR20220067924A - 인공지능을 이용한 대출 상시감사지원시스템 - Google Patents
인공지능을 이용한 대출 상시감사지원시스템 Download PDFInfo
- Publication number
- KR20220067924A KR20220067924A KR1020200154718A KR20200154718A KR20220067924A KR 20220067924 A KR20220067924 A KR 20220067924A KR 1020200154718 A KR1020200154718 A KR 1020200154718A KR 20200154718 A KR20200154718 A KR 20200154718A KR 20220067924 A KR20220067924 A KR 20220067924A
- Authority
- KR
- South Korea
- Prior art keywords
- loan
- audit
- transaction
- learning
- regular
- Prior art date
Links
Images
Classifications
-
- 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
-
- G06Q40/025—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원시스템은, 사용자가 소정의 서류를 제출하여 대출 신청을 한 경우 신용등급 및 대출가능금액 등을 조사하여 대출거래를 시행하는 대출시스템과, 상기 대출시스템이 수행하는 대출거래에 대해서 주기적인 감사 외에 유무선 인터넷을 매개로 사기 또는 부실 거래 위험률과 그 근거항목을 고려하여 상시감사를 실시하며, 고위험군에 대하여 효율적인 영업감사를 수행할 수 있도록 지원하는 감사정보시스템과, 상기 대출시스템의 제 1 데이터베이스로부터 유무선 인터넷을 거쳐 데이터를 수집, 학습을 위한 전처리를 수행하며, 데이터를 분석 및 학습, 모델링하여 감사단말의 도움을 받아 이상거래 예측 모델을 생성, 저장하고, 이상거래 예측모델을 이용하여 상기 대출시스템의 대출거래 데이터에 대해 이상거래인지 여부를 예측하여 상기 감사정보시스템에 제공하여 상기 감사단말이 상기 감사정보시스템의 사기/부실 대출탐지 모니터링을 이용하여 대출에 대하여 상시 감사를 효율적으로 수행할 수 있게 해주는 인공지능감사분석시스템을 포함하는 것을 특징으로 한다.
Description
본 발명은 인공지능을 이용한 대출 상시감사지원시스템에 관한 것으로, 보다상세하게는 이상거래 예측 정교화를 위한 머신러닝 예측 모형을 개발하고, 머신러닝 기술을 활용하여 비즈니스 룰 최적화 신규개발하고 머신러닝 예측모형 및 비즈니스 룰 자동학습 시스템 구축 기존의 규칙에서 발견되지 않는 새로운 유형의 이상거래를 R&D할 수 있으며 머신러닝 탑재된 분석서버와 감사시스템간 연계개발을 목적으로 하는 인공지능을 이용한 대출 상시감사지원시스템에 관한 것이다.
일반적으로 감사는 영업점 등과 같은 피감사조직의 횡령이나 유용 또는 과실 등의 각종 사고를 적발 및 예방하는 것으로써, 피감사조직 각각에 대한 일대일 방식으로 수행되었다.
그러나, 일대일 감사 방식은 조직이 거대화되어 피감사조직이 증가함에 따라, 좀 더 체계적이고 효율적으로 개선될 필요성이 제기되었고, 그 결과 각 조직별로 다양한 감사 시스템이 도입되었다.
그러나, 종래의 감사 시스템은 피감사조직에 대한 정보를 수집 및 취합하여 감사자에게 단순히 제공하는 것에 그치고 있는 실정이다. 게다가, 각 감사자는 장기간 미수감한 피감사조작을 2~3년 간격의 정기적인 감사를 수행하였다.
그러나 종래의 감사 방식은 모든 사안별로 감사자가 피감사대상을 직접적으로 검토 및 감사하여야 하므로, 시간적 지리적으로 한계에 다다르고 있는 실정이다.
더욱이, 조직 구조 개편 또는 자산규모 증가로 인해 조직의 사업구조가 개편됨에 따라, 종래와 다른 새로운 유형의 사고가 발생하고 그 사고 금액이 거액화되고 있어 새로운 감사 시스템 구축에 대한 필요성이 제기되었다.
본 발명의 배경기술은 대한민국 특허공개번호 10-2006-0086619호(2006.08.01))의 'ERP 시스템 기반의 감사정보 시스템 및 이를 이용한 감사정보 운영 방법, 그 프로그램이 기록된 기록매체'에 개시되어 있다.
기업, 회사, 기관, 단체 등(이하 기업으로 통칭)에 있어서 그 조직의 자산을 보호하고 업무의 능률을 높이기 위해 업무 손실(Risk)을 억제하는 것이 주요한 업무가 되고 있으며, 이러한 업무 손실의 현황 파악 및 관리를 위한 경영 기법으로서 감사 제도를 예로 들 수 있다.
하지만, 종래의 감사 제도는 주로 과거 감사 경험이나 감사 실적 위주로 수행됨으로써 감사 자원의 낭비 또는 불합리한 감사가 수행되는 문제점이 상존해 왔다. 이에 따라 감사 활동의 질적 하락과 반복적인 업무 손실이 초래되고 이로 인해 불필요한 감사 자원이 다시 낭비되는 악순환이 반복되는 단점이 있다.
더욱이, 감사 활동의 관리에 있어서 감사 보고, 감사 결과 및 이에 따른 시정/개선 방안 등이 모두 분실 및 소멸의 우려가 높은 종이 형태의 문서로만 관리됨으로써 이전 감사 데이터에 대한 축적된 자료를 얻기 어렵다는 문제점도 있다.
뿐만 아니라, 종이 형태의 감사 데이터는 분석, 검색, 가공이 어려워 감사 활동에 제대로 활용되지 못하고 있으며, 정보 제공 흐름이 문서의 유통 속도에 크게 영향 받음에 따라 업무 처리와 의사 결정이 지연되는 등 업무 생산성 향상을 저하시키는 요인으로 작용하고 있다.
따라서, 감사 활동에 있어 업무 생산성과 신속성을 향상하고 감사 관련 자료를 체계적으로 저장, 검색 및 통계 처리할 수 있는 기능을 구현할 수 있는 새로운 개념의 감사 관리 시스템 감사 관리 방법의 출현이 요구되어 왔다.
본 발명은 이러한 문제점을 해결하고자 안출된 것으로, 본 발명의 목적은 사기대출로 인한 손실규모가 커짐에 따라서 사기대출 관련 이상징후의 적기 탐지할 수 있으며, 사후적발 중심 및 인력 중심에서 벗어나 사기 및 부정대출 예방할 수 있고, 점검대상 여신의 위험도 평가 및 자동재학습 기능으로 감사 효율성 증대 및 통합점검 관리 체계 구축이 가능하며, 상시 모니터링의 고도화를 통한 리스크 관리 체계 구축이 가능한 인공지능을 이용한 대출 상시감사지원시스템을 제공하는 것이다.
본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원시스템은, 사용자가 소정의 서류를 제출하여 대출 신청을 한 경우 신용등급 및 대출가능금액 등을 조사하여 대출거래를 시행하는 대출시스템과, 상기 대출시스템이 수행하는 대출거래에 대해서 주기적인 감사 외에 유무선 인터넷을 매개로 사기 또는 부실 거래 위험률과 그 근거항목을 고려하여 상시감사를 실시하며, 고위험군에 대하여 효율적인 영업감사를 수행할 수 있도록 지원하는 감사정보시스템과, 상기 대출시스템의 제 1 데이터베이스로부터 유무선 인터넷을 거쳐 데이터를 수집, 학습을 위한 전처리를 수행하며, 데이터를 분석 및 학습, 모델링하여 감사단말의 도움을 받아 이상거래 예측 모델을 생성, 저장하고, 이상거래 예측모델을 이용하여 상기 대출시스템의 대출거래 데이터에 대해 이상거래인지 여부를 예측하여 상기 감사정보시스템에 제공하여 상기 감사단말이 상기 감사정보시스템의 사기/부실 대출탐지 모니터링을 이용하여 대출에 대하여 상시 감사를 효율적으로 수행할 수 있게 해주는 인공지능감사분석시스템을 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원시스템에 의하면, 허위/사기대출 취급에 따른 금융기관의 손실 예방 및 사고금액 대형화에 대비할 수 있으며, 대내외 환경변화에 따른 신종 사기(기획 대출) 대출 대응으로 금융기관의 손실예방 및 평판 리스크 관리가 가능하며, 사기 고위험 분류 여신 계좌에 대한 선별 및 집중 점검으로 감사역 점검 업무의 효율성 증대로 점검 범위 확대할 수 있다
도 1은 본 발명의 일시스템에 따른 인공지능을 이용한 상시감사지원시스템의 전체 구성도를 나타낸다.
도 2는 도 1의 감사정보시스템의 내부 구성을 설명하는 블록도이다.
도 3은 도 1의 감사정보시스템이 감사단말에 제공하는 화면예시도이다.
도 4는 도 1의 본 발명의 일 실시예에 따른 인공지능감사 분석시스템의 내부 구성을 설명하는 블록도이다.
도 5는 도 4의 인공지능감사분석시스템과 도 2의 감사정보시스템 사이의 인터페이스 구성도를 나타낸다.
도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법의 플로우챠트이다.
도 7은 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법에 사용된 사기/부실 대출에 대한 지도학습과 비지도학습의 연동관계를 설명하는 개념도이다.
도 2는 도 1의 감사정보시스템의 내부 구성을 설명하는 블록도이다.
도 3은 도 1의 감사정보시스템이 감사단말에 제공하는 화면예시도이다.
도 4는 도 1의 본 발명의 일 실시예에 따른 인공지능감사 분석시스템의 내부 구성을 설명하는 블록도이다.
도 5는 도 4의 인공지능감사분석시스템과 도 2의 감사정보시스템 사이의 인터페이스 구성도를 나타낸다.
도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법의 플로우챠트이다.
도 7은 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법에 사용된 사기/부실 대출에 대한 지도학습과 비지도학습의 연동관계를 설명하는 개념도이다.
이하에서는 본 발명의 일 실시예에 따른 상시형 감사 장치를 첨부된 도면을 참조하여 상세하게 설명한다. 이 과정에서, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일시스템에 따른 인공지능을 이용한 상시감사지원시스템의 전체 구성도를 나타내며, 도 2는 도 1의 감사정보시스템의 내부 구성을 설명하는 블록도이고, 도 3은 도 1의 감사정보시스템이 감사단말에 제공하는 화면예시도이며, 도 4는 도 1의 본 발명의 일 실시예에 따른 인공지능감사
분석시스템의 내부 구성을 설명하는 블록도이다.
도 1 내지 도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원시스템(1)은, 사용자가 소정의 서류를 제출하여 대출 신청을 한 경우 신용등급 및 대출가능금액 등을 조사하여 대출거래를 시행하는 대출시스템(100)과, 상기 대출시스템(100)이 수행하는 대출거래에 대해서 주기적인 감사 외에 유무선 인터넷(200)을 매개로 사기 또는 부실 거래 위험률과 그 근거항목을 고려하여 상시감사를 실시하며, 고위험군에 대하여 효율적인 영업감사를 수행할 수 있도록 지원하는 감사정보시스템(300)과, 상기 대출시스템(100)의 제 1 데이터베이스(101)로부터 유무선 인터넷(200)을 거쳐 데이터를 수집, 학습을 위한 전처리를 수행하며, 데이터를 분석 및 학습, 모델링하여 감사단말(10)의 도움을 받아 이상거래 예측 모델을 생성, 저장하고, 이상거래 예측모델을 이용하여 상기 대출시스템(100)의 대출거래 데이터(101)에 대해 이상거래인지 여부를 예측하여 상기 감사정보시스템(300)에 제공하여 상기 감사단말(10)이 상기 감사정보시스템(300)의 사기/부실 대출탐지 모니터링을 이용하여 대출에 대하여 상시 감사를 효율적으로 수행할 수 있게 해주는 인공지능감사분석시스템(500)을 포함한다.
상기 인공지능감사분석시스템(500)의 제 2 데이터베이스(501)는 하둡 파일 시스템(hadoop file system)으로 원천데이터와, 상기 제 1 데이터베이스(101)로부터 인공지능감사분석작업을 위해서 변경된(staging) 데이터를 저장하는 학습용 데이터저장부(501a)와, 상기 학습용 데이터를 이용하여 머닝러닝학습을 하기 위한 예측모델 저장부(501b)와, 예측모델을 이용하여 사기대출여부 등 예측결과를 저장하는 예측결과 저장부(501c)를 더 포함할 수 있다.
상기 감사정보시스템(300)은 상기 대출시스템(100)을 통한 대출거래에 대하여 상기 인공지능 감사분석시스템(500)의 사기/부실 예측 모델 결과값이 높게 나온 경우에 상시 감사를 수행하여 사기 및 부정대출을 예방하기 위한 상시감사모듈(310)과 사기대출에 의한 업무 손실의 현황 파악 및 관리를 위한 조직에 대한 정기적인 영업 감사모듈(330)을 포함한다.
상기 상시감사모듈(310)은 상기 대출시스템(100)을 통한 대출거래에 대하여 사기 확률를 표시하는 사기확률 표시부(311)와, 상기 대출시스템(100)을 통한 대출거래에 대하여 부실확률을 표시하는 부실확률 표시부(313)와, 상기 사기확률 표시부(311) 또는 상기 부실확률 표시부(313)를 통해 표시하는 사기확률 또는 부실확률에 대하여 상기 대출거래의 확률에 대한 근거를 제시하는 근거제시부(315)를 더 포함할 수 있다.
상기 근거제시부(315)는 일반적으로 데이터기반의 머신러닝 모델의 경우에 높은 정밀도와 연속적인 위험도 추정으로 정교한 위험도를 제공하지만 결과에 대한 명확한 설명이 어려운 문제점을 해결하기 위하여, 상기 감사단말(10) 또는 상기 인공지능감사분석시스템(500)의 지원을 받아 우선적으로 검토할 비즈니스 룰 또는 모델 및 근거를 제시함으로써 사기 고위험 분류 여신 계좌에 대한 선별 및 집중 점검으로 상기 감사단말(10)의 점검 업무의 효율성을 증대시킬 수 있으며, 상기 감시단말(10)이 고려할 수 있는 종래의 비지니스 룰 또는 모델 이외의 새로운 비지니스룰 또는 모델을 제시하여 점검 범위를 확대할 수 있다.
상기 상시감사모듈(310)과 상기 영업감사모듈(330)은 상호 연동되어 고위험군에 대해서 뿐만 아니라 전체 대출거래에 대하여 통계분석과 머신러닝을 진행하여 상시 모니터링의 고도화를 통한 리스크 관리 체계 구축이 가능하다.
상기 인공지능감사분석시스템(500)은 이상거래탐지서버(510)와, 모델/비지니스룰개발서버(530)와, 자동학습서버(550)와, AI 예측서버(560)와, 연동서버(570)를 포함한다.
상기 이상거래탐지서버(510)는 대출거래에 대해 이상거래를 정의하고 태깅 등 관리 체계를 수립하는 이상거래 관리부(511)와, 상기 이상거래 관리부(511)에 의해 정의된 이상거래 데이터를 분류 수집하는 이상거래 데이터 수집부(513)와, 이상거래 데이터가 전체 대출거래 데이터 대비 1% 이내로 매우 적은 데이터여서 머신러닝모델로 이용하는 경우에 정확도가 떨어지는 문제가 발생하므로, 이상거래 데이터 중 노이즈를 제거하며, 학습데이터로 가공하기 전에 처리하는 데이터 전처리부(515)와, 이후 자세히 설명하는 모델/비지니스룰 개발서버(530) 또는 자동 학습 서버(550)에서 이용할 수 있는 학습데이터로 처리하기 위한 학습데이터 가공부(517)를 포함한다.
상기 학습데이터 가공부(517)는 이상거래 데이터를 식별하고, 머신러닝 솔루션을 위한 타켓 데이터로 정의한다.
상기 모델/비지니스룰 개발서버(530)는 이상거래 예측 정교화를 위한 머신러닝 예측모형을 개발하고, 부실대출거래 또는 사기거래 대출을 방지할 수 있는 비지스니룰을 최적화하거나 신규개발하는 것을 특징으로 한다.
상기 모델/비지니스룰 개발서버(530)는 머신러닝 기반의 이상거래 탐지모델을 개발하는 이상거래 탐지모델개발부(531)와, 제공되는 업무요건을 분석하여 부실대출거래 또는 사기거래 대출을 방지할 수 있는 비지스니룰을 최적화하거나 신규개발하는 비지니스룰 개발부(533)와, 상기 감사정보시스템(300)의 상시감사모듈(310)에서 점검할 상시감사점검항목을 개발하는 상시감사점검항목 개발부(535)와, 기존 규칙에서 발견되지 않은 새로운 유형의 사기패턴을 탐지하고 새로운 이상거래 유형을 지속적으로 자기 개발하여 자동학습서버(550)를 통해서 예측모델을 생성하고, 사기 또는 부실 대출에 대한 예측정보를 제공하도록 하기 위한 New 사기패턴 탐지부(537)를 더 포함한다.
상기 상시감사점검항목 개발부(535)는 가계대출인 경우 허위/사기 확률이 높은 신청 건의 탐지를 위해 룰 적용 및 머신러닝학습(지도학습)하여 결과값 등을 상기 감사단말(10)에 제공하여 상시감사할 수 있도록 할 수 있다.
상기 상시감사점검항목 개발부(535)는 기업여신인 경우, 신규 신용평가 대상 기업의 재무/비재무 정보를 머신러닝 학습(비지도학습) 통한 룰을 적용하여 사기/고위험 군에 대한 예측 정보를 상기 감사단말(10)에 제공하여 상시감사할 수 있도록 할 수 있다.
이와 같이 가계대출과 기업여신에 대하여 머신러닝 학습을 차별화하여 상기 감사단말(10)의 업무부하를 줄일 수 있다.
상기 자동 학습 서버(550)는 머신러닝 알고리즘을 이용하여 상기 학습데이터 가공부(517)에서 가공된 학습데이터를 이용하여 상기 이상거래 탐지모델개발부(531)에서 개발된 이상거래 모델을 이용하여 지도학습을 진행하여 사기가능성을 확률적으로 판단하는 지도학습부(551)와, 사기대출건수가 불충분하여 노이즈가 발생할 수 있으므로 이상거래데이터의 특성을 고려하여 상기 모델/비지니스룰 개발서버(530)에서 개발된 이상거래탐지모델 또는 비즈니스룰 또는 상시 점검항목이나 새로운 사기패턴을 적용하여 자동으로 비지도학습을 수행하는 비지도학습부(553)와, 상기 사기/부실 대출 모델에 대하여 비교분석하여 정확도가 높은 모델을 적용하는 모델비교분석부(555)와, 상기 대출거래에 대하여 적용할 예측모델을 상기 모델비교분석부(555)의 분석결과를 이용하여 최종선정하는 예측모델생성부(557)를 포함할 수 있다.
상기 AI 예측서버(560)는 상기 예측모델생성부(557)에서 생성한 예측모델을 이용하여 상기 지도학습부(551)와 상기 비지도학습부(553)를 이용하여 머신러닝 학습에 의하여 사기 또는 부실 대출거래의 확률을 예측하는 AI 예측부(561)와, 상기 AI 예측부(561)에서 예측된 정보를 예측정보 DB(567)에 저장하는 예측정보저장부(563)와, 상기 AI 예측서버(560)와 상기 감사정보시스템(300)을 연결하기 위한 인터페이스부(565)를 포함할 수 있다.
상기 연동서버(570)는 상기 인터넷망(200)을 통해서 상기 대출시스템(100), 감사단말(10), 감사정보시스템(300)과 송수신할 수 있도록 연결하기 위한 송수신 인터페이스(571)와, 상기 감사정보시스템(300)의 상시감사모듈(310)과 영업감사모듈(330)에서 상기 감사단말(10)의 니즈에 따라 제공할 정보를 예를들어 사기 또는 부실 확률을 % 또는 막대그래프로 표시하거나 근거항목을 순위로 제공하거나 강조표시하는 등 감사 정보를 커스터마이징할 수 있는 커스터마이징부(573)를 포함할 수 있다.
이제 도 5를 참조하여 도 4의 인공지능감사분석시스템과 도 2의 감사정보시스템 사이의 인터페이스를 상세히 설명한다.
도 5는 도 4의 인공지능감사분석시스템과 도 2의 감사정보시스템 사이의 인터페이스 구성도를 나타낸다.
도 5에 도시된 바와 같이, 상기 자동학습서버(550)는 상기 대출시스템(100)의 제 1 데이터베이스(101)로부터 과거 대출거래 데이터를 일정 주기로 추출, 변환 적재하여 상기 하둡 시스템인 제 2 데이터베이스(501)에 저장할 수 있으며, 상기 학습데이터 가공부(517)에 의해서 가공된 학습데이터를 상기 지도학습부(551) 또는 비지도학습부(553)에서 학습을 진행하고 상기 모델비교분석부(555)에서 산출된 모델을 비교분석하여 예측모델저장영역(501b)에 저장하고 상기 지도학습부(551) 또는 비지도학습부(553)에서 연속하여 재학습하며, 상기 모델비교분석부(555)는 정확도 등 배포기준을 만족하지 못하면 데이터나 파라미터를 변경하여 재학습하고, 상기 예측모델생성부(557)에서 정확도 등 모델의 성능 기준을 만족한 모델을 최종적으로 예측모델로 선정하면, 상기 AI 예측서버(560)에서 상기 대출시스템(100)의 제 1 데이터베이스(101)로부터 유입된 일배치로 적재되는 대출거래 데이터에 대하여 추출, 변환, 적재하고 상기 AI 예측부(561)에서 상기 예측모델을 이용하여 예측하고자 하는 일배치로 적재되는 대출거래 데이터에 대하여 사기확률 또는 부실확률값을 예측하며, 예측결과를 예측결과저장영역(501c)에 저장하고 상기 인터페이스부(565)를 통하여 상기 감사정보시스템(300)의 상시감사모듈(310)를 통해 제공하여 상시 감사 모니터링함으로써 허위/사기대출 취급에 따른 은행 손실 예방 및 사고금액 대형화에 대비할 수 있다.
따라서, 대내외 환경변화에 따른 신종 사기(기획 대출) 대출 대응으로 은행의 손실예방 및 평판 리스크 관리가 가능하며, 사기 고위험 분류 여신 계좌에 대한 선별 및 집중 점검으로 상기 감사단말(10)의 점검 업무의 효율성 증대로 점검 범위 확대할 수 있다.
이제 도 6 및 도 7을 참조하여 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법에 대하여 상세히 설명한다.
도 6은 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법의 플로우챠트이며, 도 7은 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법에 사용된 사기/부실 대출에 대한 지도학습과 비지도학습의 연동관계를 설명하는 개념도이다.
먼저 도 6 및 도 7에 도시된 바와 같이, 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원방법에 있어서, 상기 인공지능감사분석시스템(500)은 이상거래탐지서버(510)의 이상거래 관리부(511)에서 대출거래의 비즈니스 요구사항을 정리하고, 인공지능감사분석할 이상거래를 선정하여 요건을 정의한다(S10)
상기 이상거래 관리부(511)는 이상거래 예측 타켓을 정의하고, 분석대상, 관찰기간, 모델 세그먼트 정의, 분석방법을 선정할 수 있다.
상기 이상거래 관리부(511)에 의해 정의된 이상거래 데이터를 상기 이상거래 데이터 수집부(513)에서 분류 수집하면, 상기 데이터 전처리부(515)에서 이상거래 데이터 중 노이즈 제거를 하고 속도나 정확도를 높이기 위한 데이터 전처리를 수행하고, 상기 학습테이터 가공부(517)에서 상기 모델/비지니스룰 개발서버(530) 또는 자동 학습 서버(550)에서 이용할 수 있는 학습데이터로 처리하여 준비한다(S20).
상기 학습데이터 가공부(517)는 단기내 부도 데이터, 과거 사기(사고)관련 여신 데이터, 허위대출 의심 등록 차주 데이터 등을 분석 데이터 범위로 하여 데이터를 탐색 분석하여(S30) 학습데이터로 가공할 수 있다.
상기 학습데이터 가공부(517)는 상기 모델/비지니스룰 개발서버(530)에 의해 개발 또는 최적화된 머신러닝 예측모형, 부실대출거래 또는 사기거래 대출을 방지할 수 있는 비지스니룰을 이용하여 학습데이터를 탐색분석할 수 있으며, 기존 규칙에서 발견되지 않은 새로운 유형의 사기패턴을 탐지하고 새로운 이상거래 유형을 자동학습서버(550)를 통해서 생성된 예측모델과, New 사기패턴 탐지부(537)에서 제공하는 새로운 유형의 사기패턴을 이용할 수도 있으며, 모델비교분석부(555)에 의해서 비교분석하여 정확도가 높은 모델을 적용하여 학습데이터를 가공할 수 있다(S35).
상기 자동 학습 서버(550)는 상기 지도학습부(551)를 통해서 머신러닝 알고리즘을 이용하여 상기 학습데이터 가공부(517)에서 가공된 학습데이터와, 상기 이상거래 탐지모델개발부(531)에서 개발된 이상거래 모델을 이용하여 지도학습을 진행하여 사기가능성을 확률적으로 판단할 수 있으며, 상기 비지도학습부(553)를 이용하여 상기 모델/비지니스룰 개발서버(530)에서 개발된 이상거래탐지모델 또는 비즈니스룰 또는 상시 점검항목이나 새로운 사기패턴을 적용하여 자동으로 비지도학습을 수행할 수 있다(S50).
상기 데이터 학습/모델링 단계(S40)는 상기 예측모델생성부(557)를 이용하여 상기 대출거래에 대하여 적용할 예측모델을 상기 모델비교분석부(555)의 분석결과를 이용하여 최종선정하는 모델/비지니스룰 개발/비교분석단계(S35)를 반복할 수 있다.
상기 AI 예측서버(560)는 상기 예측모델생성부(557)에서 생성한 예측모델을 이용하여 상기 지도학습부(551)와 상기 비지도학습부(553)를 이용하여 머신러닝 학습에 의하여 사기 또는 부실 대출거래의 확률을 예측할 수 있다(S50)
상기 AI 예측서버(560)와 상기 감사정보시스템(300)을 인터페이스부(565)가 연결하여 상기 감사정보시스템(300)의 상시감사모듈(310)에서 사기 또는 부실 확률을 % 또는 막대그래프로 표시하며, 근거항목을 순위로 제공하여 이와 연동하는 상기 감사단말(10)이 감사 모니터링함으로써 허위/사기대출 취급에 따른 은행 손실 예방 및 사고금액 대형화에 대비할 수 있다.
100 : 대출시스템
200 : 인터넷
300 : 감사정보시스템 500 : 인공지능 감사분석시스템
501a : 학습용데이터저장영역 501b : 예측모델저장영역
501c: 예측결과저장영역
300 : 감사정보시스템 500 : 인공지능 감사분석시스템
501a : 학습용데이터저장영역 501b : 예측모델저장영역
501c: 예측결과저장영역
Claims (8)
- 사용자가 소정의 서류를 제출하여 대출 신청을 한 경우 신용등급 및 대출가능금액 등을 조사하여 대출거래를 시행하는 대출시스템과, 상기 대출시스템이 수행하는 대출거래에 대해서 주기적인 감사 외에 유무선 인터넷을 매개로 사기 또는 부실 거래 위험률과 그 근거항목을 고려하여 상시감사를 실시하며, 고위험군에 대하여 효율적인 영업감사를 수행할 수 있도록 지원하는 감사정보시스템과, 상기 대출시스템의 제 1 데이터베이스로부터 유무선 인터넷을 거쳐 데이터를 수집, 학습을 위한 전처리를 수행하며, 데이터를 분석 및 학습, 모델링하여 감사단말의 도움을 받아 이상거래 예측 모델을 생성, 저장하고, 이상거래 예측모델을 이용하여 상기 대출시스템의 대출거래 데이터에 대해 이상거래인지 여부를 예측하여 상기 감사정보시스템에 제공하여 상기 감사단말이 상기 감사정보시스템의 사기/부실 대출탐지 모니터링을 이용하여 대출에 대하여 상시 감사를 효율적으로 수행할 수 있게 해주는 인공지능감사분석시스템을 포함하는 본 발명의 일 실시예에 따른 인공지능을 이용한 대출 상시감사지원시스템은, 사용자가 소정의 서류를 제출하여 대출 신청을 한 경우 신용등급 및 대출가능금액 등을 조사하여 대출거래를 시행하는 대출시스템과, 상기 대출시스템이 수행하는 대출거래에 대해서 주기적인 감사 외에 유무선 인터넷을 매개로 사기 또는 부실 거래 위험률과 그 근거항목을 고려하여 상시감사를 실시하며, 고위험군에 대하여 효율적인 영업감사를 수행할 수 있도록 지원하는 감사정보시스템과, 상기 대출시스템의 제 1 데이터베이스로부터 유무선 인터넷을 거쳐 데이터를 수집, 학습을 위한 전처리를 수행하며, 데이터를 분석 및 학습, 모델링하여 감사단말의 도움을 받아 이상거래 예측 모델을 생성, 저장하고, 이상거래 예측모델을 이용하여 상기 대출시스템의 대출거래 데이터에 대해 이상거래인지 여부를 예측하여 상기 감사정보시스템에 제공하여 상기 감사단말이 상기 감사정보시스템의 사기/부실 대출탐지 모니터링을 이용하여 대출에 대하여 상시 감사를 효율적으로 수행할 수 있게 해주는 인공지능감사분석시스템을 포함하는 인공지능을 이용한 대출 상시감사지원시스템.
- 제 1 항에 있어서,
상기 인공지능감사분석시스템은 하둡 파일 시스템(hadoop file system)으로 상기 제 1 데이터베이스로부터 인공지능감사분석작업을 위해서 변경된 데이터를 저장하는 학습용 데이터저장부와, 상기 학습용 데이터를 이용하여 머닝러닝학습을 하기 위한 예측모델 저장부와, 예측모델을 이용하여 사기대출여부 등 예측결과를 저장하는 예측결과 저장부를 더 포함하는 제 2 데이터베이스를 포함하는 인공지능을 이용한 대출 상시감사지원시스템. - 제 1 항에 있어서,
상기 감사정보시스템은 상기 대출시스템을 통한 대출거래에 대하여 상기 인공지능 감사분석시스템의 사기/부실 예측 모델 결과값이 높게 나온 경우에 상시 감사를 수행하여 사기 및 부정대출을 예방하기 위한 상시감사모듈과 사기대출에 의한 업무 손실의 현황 파악 및 관리를 위한 조직에 대한 정기적인 영업 감사모듈을 포함하는 인공지능을 이용한 대출 상시감사지원시스템. - 제 3 항에 있어서,
상기 상시감사모듈은 상기 대출시스템을 통한 대출거래에 대하여 사기 확률를 표시하는 사기확률 표시부와, 상기 대출시스템을 통한 대출거래에 대하여 부실확률을 표시하는 부실확률 표시부와, 상기 사기확률 표시부 또는 상기 부실확률 표시부를 통해 표시하는 사기확률 또는 부실확률에 대하여 상기 대출거래의 확률에 대한 근거를 제시하는 근거제시부를 더 포함하는 인공지능을 이용한 대출 상시감사지원시스템. - 제 3 항에 있어서
상기 인공지능감사분석시스템은 이상거래를 정의하고, 이상거래 데이터 수집 및 전처리하며, 사고사례 데이터 식별 및 머신러닝 솔루션 타겟 데이터를 정의하고, 이상거래 데이터를 탐지 분석하는 이상거래탐지서버와, 머신러닝 기반의 이상거래 탐지모델을 개발하고 대출거래 요건을 분석하여 비즈니스룰을 개발하는 모델/비지니스룰개발서버와, 머신러닝학습을 통하여 이상거래 정의, 탐지, 분석, 새로운 룰 모델 개발 학습을 자동하는 하는 자동학습서버와, 상기 자동학습서버에서 개발된 머신러닝 모델과 학습데이터를 이용하여 이상거래를 인공지능으로 예측하는 AI 예측서버와, 상기 AI 예측서버와 상기 감사정보제공시스템을 연동시키는 연동서버를 포함하는 인공지능을 이용한 대출 상시감사지원시스템. - 제 5 항에 있어서
상기 모델/비지니스룰 개발서버는 머신러닝 기반의 이상거래 탐지모델을 개발하는 이상거래 탐지모델개발부와, 제공되는 업무요건을 분석하여 부실대출거래 또는 사기거래 대출을 방지할 수 있는 비지스니룰을 최적화하거나 신규개발하는 비지니스룰 개발부와, 상기 감사정보시스템의 상시감사모듈에서 점검할 상시감사점검항목을 개발하는 상시감사점검항목 개발부와, 기존 규칙에서 발견되지 않은 새로운 유형의 사기패턴을 탐지하고 새로운 이상거래 유형을 지속적으로 자기 개발하여 상기 자동학습서버를 통해서 예측모델을 생성하고, 사기 또는 부실 대출에 대한 예측정보를 제공하도록 하기 위한 New 사기패턴 탐지부를 더 포함하는 인공지능을 이용한 대출 상시감사지원시스템. - 제 6 항에 있어서
상기 자동 학습 서버는 머신러닝 알고리즘을 이용하여 상기 학습데이터 가공부에서 가공된 학습데이터를 이용하여 상기 이상거래 탐지모델개발부에서 개발된 이상거래 모델을 이용하여 지도학습을 진행하여 사기가능성을 확률적으로 판단하는 지도학습부와, 상기 모델/비지니스룰 개발서버에서 개발된 이상거래탐지모델 또는 비즈니스룰 또는 상시 점검항목이나 새로운 사기패턴을 적용하여 자동으로 비지도학습을 수행하는 비지도학습부와, 상기 사기/부실 대출 모델에 대하여 비교분석하여 정확도가 높은 모델을 적용하는 모델비교분석부와, 상기 대출거래에 대하여 적용할 예측모델을 상기 모델비교분석부의 분석결과를 이용하여 최종선정하는 예측모델생성부를 포함하는 인공지능을 이용한 대출 상시감사지원시스템. - 제 7 항에 있어서
상기 AI 예측서버는 상기 예측모델생성부에서 생성한 예측모델을 이용하여 상기 지도학습부 또는 상기 비지도학습부를 이용하여 머신러닝 학습에 의하여 사기 또는 부실 대출거래의 확률을 예측하는 AI 예측부를 포함하는 인공지능을 이용한 대출 상시감사지원시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200154718A KR102499181B1 (ko) | 2020-11-18 | 2020-11-18 | 인공지능을 이용한 대출 상시감사지원시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200154718A KR102499181B1 (ko) | 2020-11-18 | 2020-11-18 | 인공지능을 이용한 대출 상시감사지원시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220067924A true KR20220067924A (ko) | 2022-05-25 |
KR102499181B1 KR102499181B1 (ko) | 2023-02-10 |
Family
ID=81800362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200154718A KR102499181B1 (ko) | 2020-11-18 | 2020-11-18 | 인공지능을 이용한 대출 상시감사지원시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102499181B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102516534B1 (ko) * | 2022-06-03 | 2023-04-03 | 경상북도(경상북도교육감) | 인공지능을 이용한 일상감사시스템 및 방법 |
KR102665161B1 (ko) * | 2023-11-03 | 2024-05-10 | 신용보증기금 | 데이터 기반의 통합 감사정보시스템 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101153968B1 (ko) * | 2009-11-03 | 2012-06-08 | 김대환 | 금융사기 방지 시스템 및 방법 |
KR101999765B1 (ko) * | 2018-01-22 | 2019-07-12 | 주식회사 닥터퀀트 | 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 |
KR102094377B1 (ko) * | 2019-04-12 | 2020-03-31 | 주식회사 이글루시큐리티 | 비지도학습 이상탐지를 위한 모델 선택 시스템 및 그 방법 |
KR102103902B1 (ko) * | 2019-07-03 | 2020-04-23 | (주)위세아이텍 | 컴포넌트 기반의 머신러닝 자동화 예측 장치 및 방법 |
-
2020
- 2020-11-18 KR KR1020200154718A patent/KR102499181B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101153968B1 (ko) * | 2009-11-03 | 2012-06-08 | 김대환 | 금융사기 방지 시스템 및 방법 |
KR101999765B1 (ko) * | 2018-01-22 | 2019-07-12 | 주식회사 닥터퀀트 | 데이터마이닝 기술을 이용한 금융 사기 대출 패턴화 분석 시스템 및 방법 |
KR102094377B1 (ko) * | 2019-04-12 | 2020-03-31 | 주식회사 이글루시큐리티 | 비지도학습 이상탐지를 위한 모델 선택 시스템 및 그 방법 |
KR102103902B1 (ko) * | 2019-07-03 | 2020-04-23 | (주)위세아이텍 | 컴포넌트 기반의 머신러닝 자동화 예측 장치 및 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102516534B1 (ko) * | 2022-06-03 | 2023-04-03 | 경상북도(경상북도교육감) | 인공지능을 이용한 일상감사시스템 및 방법 |
KR102665161B1 (ko) * | 2023-11-03 | 2024-05-10 | 신용보증기금 | 데이터 기반의 통합 감사정보시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR102499181B1 (ko) | 2023-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ganesh et al. | Future of artificial intelligence and its influence on supply chain risk management–A systematic review | |
Amani et al. | Data mining applications in accounting: A review of the literature and organizing framework | |
No et al. | Multidimensional audit data selection (MADS): A framework for using data analytics in the audit data selection process | |
Ogwueleka et al. | Neural network and classification approach in identifying customer behavior in the banking sector: A case study of an international bank | |
Kuhn et al. | Learning from WorldCom: Implications for fraud detection through continuous assurance | |
CN109191282A (zh) | 一种基于行为模型的贷中监测评分方法以及*** | |
Baesens et al. | 50 years of data mining and OR: upcoming trends and challenges | |
KR102009309B1 (ko) | 금융상품 관리자동화 시스템 및 관리자동화 방법 | |
Chu et al. | Big data analytics for business intelligence in accounting and audit | |
CN112418738B (zh) | 一种基于逻辑回归的员工操作风险预测方法 | |
KR102499181B1 (ko) | 인공지능을 이용한 대출 상시감사지원시스템 | |
CN109102396A (zh) | 一种用户信用评级方法、计算机设备及可读介质 | |
Tripathi et al. | Machine learning models for evaluating the benefits of business intelligence systems | |
Wang et al. | Multiview Graph Learning for Small‐and Medium‐Sized Enterprises’ Credit Risk Assessment in Supply Chain Finance | |
Zhang et al. | An explainable financial risk early warning model based on the DS-XGBoost model | |
Milne et al. | Predicting paper making defects on-line using data mining | |
KR102499182B1 (ko) | 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템 | |
CN117333012A (zh) | 基于数据挖掘的金融风险跟踪管理***、装置和存储介质 | |
Härting et al. | Cost-benefit considerations for data analytics-an SME-oriented framework enhanced by a management perspective and the process of idea generation | |
CN112686446A (zh) | 一种面向机器学习可解释性的信贷违约预测方法及*** | |
CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
Zaremba | Does the industry matter? Airline bankruptcy prediction | |
Xie et al. | A big data technique for internet financial risk control | |
CN116911994A (zh) | 对外贸易风险预警*** | |
Chen et al. | Predicting a corporate financial crisis using letters to shareholders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |