[논문 리뷰] An efficient Search Tool for an Anti-Money Laundering Application of an Multi-national Bank's Dataset

Nhien‐An Le‐Khac, Sammer Markos외 3명|arXiv (Cornell University)|2016. 09. 04.

Algorithms and Data Compression참고 문헌 9인용 수 12

한 줄 요약

이 논문은 다국적 은행의 반세탁자금세탁(AML) 시스템 내에서 고객 식별을 향상시키기 위해 설계된 효율적인 검색 도구를 제시한다. 실제 금융 데이터셋에 최적화된 색인화 및 흐린 매칭 기법을 활용함으로써, 도구는 쿼리 응답 시간을 크게 단축하고 분산 데이터베이스에 걸친 고객 검색 정확도를 향상시킨다. 이는 대규모 AML 응용 분야에서 높은 효율성과 효과성을 입증한다.

ABSTRACT

Today, money laundering (ML) poses a serious threat not only to financial institutions but also to the nations. This criminal activity is becoming more and more sophisticated and seems to have moved from the clichy of drug trafficking to financing terrorism and surely not forgetting personal gain. Most of the financial institutions internationally have been implementing anti-money laundering solutions (AML) to fight investment fraud activities. In AML, the customer identification is an important task which helps AML experts to monitor customer habits: some being customer domicile, transactions that they are involved in etc. However, simple query tools provided by current DBMS as well as naive approaches in customer searching may produce incorrect and ambiguous results and their processing time is also very high due to the complexity of the database system architecture. In this paper, we present a new approach for identifying customers registered in an investment bank. This approach is developed as a tool that allows AML experts to quickly identify customers who are managed independently across separate databases. It is tested on real-world datasets, which are real and large financial datasets. Some preliminary experimental results show that this new approach is efficient and effective.

연구 동기 및 목표

• 분산 데이터베이스에 산재한 고객을 식별하는 데 있어 기존 DBMS 쿼리 도구의 비효율성과 정확도 부족 문제를 해결하기 위해.
• 대규모 금융 데이터셋에서 복잡한 데이터베이스 아키텍처로 인한 높은 처리 시간을 줄이기 위해.
• 모호하고 잘못된 결과를 최소화하여 반세탁자금세탁(AML) 응용 분야에서 고객 식별의 신뢰성을 향상시키기 위해.
• 실제 세계의 대규모 금융 데이터셋에 특화된 확장 가능한 솔루션을 개발하기 위해.
• AML 전문가가 여러 데이터베이스에 걸쳐 고객 행동을 효율적으로 모니터링하고 의심스러운 거래를 탐지할 수 있도록 하기 위해.

제안 방법

• 제안된 도구는 분산된 고객 기록 간의 검색 작업을 가속화하기 위해 맞춤형 색인 구조를 사용한다.
• 이름, 주소, 식별자와 같은 고객 데이터의 변형을 처리하기 위해 흐린 매칭 알고리즘을 구현한다.
• 실제로 다국적 은행에서 제공하는 대규모 금융 데이터셋을 기반으로 하여 실용적 관련성을 확보한다.
• 기존의 데이터베이스 관리 시스템(DBMS)과 통합되어 기초 스키마 변경 없이도 쿼리 성능을 향상시킨다.
• AML 고객 모니터링 워크플로우에서 흔히 발생하는 조인 및 선택 연산 최적화에 초점을 맞춘다.
• 실제 거래 및 고객 데이터를 사용하여 생산 수준 워크로드를 시뮬레이션해 도구를 평가한다.

실험 결과

연구 질문

• RQ1 고객 데이터가 여러 데이터베이스에 산재해 있을 경우 AML 시스템에서 고객 식별을 어떻게 향상시킬 수 있는가?
• RQ2 대규모 금융 데이터베이스에서 AML 모니터링을 위해 사용할 수 있는 쿼리 응답 시간을 줄일 수 있는 기법은 무엇인가?
• RQ3 흐린 매칭과 색인화 기법이 고객 검색에서 잘못된 양성 결과와 모호한 결과를 얼마나 줄일 수 있는가?
• RQ4 기존의 DBMS 쿼리 도구와 비교해 본다면, 제안된 도구는 실제 세계의 대규모 금융 데이터셋에서 얼마나 효과적인가?
• RQ5 다국적 은행의 높은 데이터 다양성과 볼륨을 감안할 때 도구는 효과적으로 확장 가능한가?

주요 결과

• 제안된 검색 도구는 대규모 금융 데이터셋에서 기존의 DBMS 쿼리 방법에 비해 쿼리 응답 시간을 크게 단축시킨다.
• 흐린 매칭을 통해 모호하고 잘못된 결과를 최소화함으로써 고객 식별 정확도가 향상된다.
• 초기 실험 결과에 따르면 도구는 높은 볼륨과 데이터 다양성을 지닌 복잡한 실제 금융 데이터를 효율적으로 처리할 수 있다.
• 최적화된 색인화와 흐린 매칭 기법의 통합은 기초 데이터베이스 스키마 변경 없이도 검색 성능을 향상시킨다.
• 도구는 다국적 은행 내 실제 AML 모니터링 워크플로우에서 강력한 확장성과 실용적 적용 가능성을 입증한다.
• 결과적으로 이 방법론은 대규모 AML 응용 분야에서 고객 식별에 있어 효율적이고 효과적임을 확인한다.