AI, 고객 행동의 순서를 읽다: 카카오뱅크 시퀀스 기반 FDS 모델 개발기

카카오뱅크는 기존의 단일 거래(point) 기반 탐지 방식이 가진 한계를 극복하기 위해, 고객의 앱 이용 이력과 거래 내역을 시간 흐름에 따라 분석하는 시퀀스(sequence) 기반 탐지 모델을 도입했다.

기존 방식은 특정 거래 시점의 패턴만 분석하여 신종 사기 수법에 대응하기 어려웠으나, 새로운 모델은 시계열 분류(Time Series Classification) 문제로 접근하여 잠재적 위험 신호를 선제적으로 포착한다.

모델 아키텍처로는 이미지 인식 분야의 **Vision Transformer(ViT)**를 금융 시계열 데이터에 맞게 변형하여 적용했다. 이는 기존의 통계적 모형이나 RNN/LSTM 계열 모델이 가진 비선형 패턴 포착의 한계와 장기 의존성 문제를 해결하기 위한 선택이다.

데이터는 이벤트 유형, 시간 정보, 금액, 텍el 텍스트 정보 등 네 가지 핵심 요소로 구성되며, 별도의 복잡한 Feature Engineering 없이도 모델이 데이터로부터 직접 패턴을 학습하도록 설계되었다.

이 시스템은 하루 평균 1,800만 건 이상의 추론 요청을 평균 20ms 이내의 속도로 처리하며, 대규모 실시간 서빙 환경에서도 안정적으로 작동하여 보이스피싱 탐지 사각지대를 최소화하고 있다.