FDS에 지속 성장하는 ML 모델 적용 이야기

간단 소개

카카오페이 FDS에 지속 성장하는 ML 모델 도입 사례를 통해 변화하는 사고 패턴에 대한 효과적인 대응 방안을 제시합니다.

AI Summary

FDS와 ML 모델의 필요성
- 카카오페이는 **FDS(Fraud Detection System)**에 ML 모델을 도입하여 변화하는 사고 패턴에 대응.
- 기존 규칙 기반 탐지의 한계를 극복하고, 새로운 유형의 사고에 신속하게 대응하기 위해 ML 기반 탐지를 추가.
지속 성장하는 ML 모델
- 적응형 ML은 **지속적 학습(Continuous Train)**과 **피처의 자가 적응(Self Adaptation)**을 통해 데이터 변화에 능동적으로 대처.
- 모델의 지속적 학습은 최신 데이터를 활용하여 주기적으로 모델을 재학습하고, 성능을 개선하여 배포하는 구조.
- 피처의 자가 적응은 동적 피처를 활용하여 Data Drift에 스스로 적응하고, 새로운 유형의 이상 거래를 탐지.
실제 적용 사례 및 효과
- 카카오페이는 구글 플레이스토어와 애플 앱스토어의 결제 사고 탐지에 지속 성장하는 ML을 도입.
- 새로운 유형의 사고 발생 시 적응형 ML은 정적 ML 대비 약 30%의 탐지율 개선 효과를 보임.