금융거래ㆍ서명 행위 기반 멀티모달 사기거래 탐지 모델 연구 = A Study on the Multimodal Fraud Transaction Detection Model Based on Financial Transactions and Signature Activities

국문 초록 (Abstract)

비대면 금융거래의 확산으로 이상 거래 탐지와 서명 위ㆍ변조 검출의 중요성이 높아지고 있다. 기존 기술은 단일모달 데이터에 의존해 서명행위의 동적 특징을 충분히 반영하지 못하였다. 본 연구는 거래 데이터, 서명 이미지, 필기 행위 시계열을 통합 분석하는 멀티모달 인공지능 모델(MAIFDM) 을 제안한다. MAIFDM는 시공간 주의학습, 문맥 임베딩 학습, 시계열 연관성 불일치 학습을 결합하여, 세 모듈의 특징을 융합한 뒤마할라노비스 거리와 Adaptive 동적 임계치를 통해 이상 여부를 판정한다. 실험 결과, MAIFDM은 기존 모델 대비 F1-score 0.907, AUC 0.942로우수한 성능을 보임으로써, 멀티모달 데이터 학습과 사기거래 탐지에 효과적인 모델임을 증명하였다.

다국어 초록 (Multilingual Abstract)

The importance of detecting abnormal transactions and detecting signature forgery or alteration is increasing due to the proliferationof non-face-to-face financial transactions. Existing technology has not sufficiently reflected the dynamic characteristics of signaturebehavior by relying on single modal data. This study proposes a multimodal artificial intelligence model (MAIFDM) that integrates andanalyzes transaction data, signature images, and handwriting behavior time series. MAIFDM combines time-space attention learning, contextembedding learning, and time-series correlation mismatch learning to fuse the features of the three modules and then determines whetherthere is an abnormality through the Mahalanobis distance and adaptive dynamic threshold. As a result of the experiment, MAIFDM showedsuperior performance with F1-score 0.907 and AUC 0.942 compared to the existing model, proving that it is an effective model formultimodal data learning and fraudulent transaction detection.