킁킁!킁! 어디서 사기 냄새 안나요? : FDS 시스템에 AI 적용하기

간단 소개

카카오뱅크 FDS 시스템에 AI를 적용한 여정을 소개하며, Rule 기반 시스템의 한계를 극복하고 AI 기반 시스템의 장점을 설명합니다.

AI Summary

FDS 시스템 소개 및 AI 도입 배경
- FDS(Fraud Detection System)는 사기/이상 거래 탐지로 고객 피해를 최소화하는 시스템.
- 기존 Rule 기반 시스템의 한계(신규 사기 유형 대응, 지속적인 룰 개발, 사기 유형 학습을 통한 회피)를 극복하기 위해 AI 기반 시스템 도입.
AI 기반 FDS 시스템의 장점 및 개발 과정
- ML 모형을 통해 유연성, 적응성, 데이터 활용, 오탐률/미탐률 개선, 지속적인 성능 개선 가능.
- 데이터 실시간 파이프라인 구축, Feature Store 활용, ML 모형 서빙의 3단계 적용.
- Flink를 이용한 이벤트 처리, Redis를 이용한 Feature Store 구축.
ML 서빙 및 분산 아키텍처
- ML 서빙의 4가지 요건(200ms 미만 응답, 분산 환경 고려, 셀프서비스 가능, JVM 기반 ML 추론) 정의.
- gRPC, Spring Cloud, DJL(Deep Java Library) 등 기술 스택 활용.
- Reactive System 컨셉을 채택하여 응답성, 유연성, 탄력성 확보.
- Discovery Server, Gateway Server, Config Server 등으로 구성된 분산 아키텍처 구축 및 모니터링 시스템 구축.