For the last few years since credit card service was introduced, the card industry has experienced tremendous growth. The various criminal activities involved with the credit cards, however, have also increased at the almost same rate. Especially, the fraud using credit cards has caused a serious problem due to its critical damage on not only the credit rating, but also both tangible and intangible assets of card companies. As for the entire economy, it is true that the credit card fraud throws an obstacle in the way of sound credit society.
The statistical method is one of the most frequently employed by the card companies and banks to detect the credit card fraud, but it has realized no effective result with the following reasons. First, the card fraud shows a strong attribute of non-linearity and second, the frequency and amount of card usage have explosively increased as the card members have increased.
Therefore, this study attempts to develop the fraud detection models combined with the transaction approval systems that are currently used. The key component of the detection models is artificial neural networks. The models learn from the patterns of card fraud and discriminate transactions with high fraud risk. So, the models would contribute to reduce the card fraud, linked with credit card limit and balance check in the transaction approval systems.
신용카드업이 국내에 도입된 이래로 최근 몇 년 사이 신용카드 산업은 급속한 발전을 거듭하여 왔다. 이러한 신용카드 산업의 급증과 더불어 신용카드를 이용한 각종 범죄도 급증하게 되었다. 신용카드의 부정사용 역시 매년 급격하게 증가하고 있는 추세인데 이러한 추세는 미시적으로는 신용카드사의 금전적 손실과 신용도를 추락시킴으로써 유형과 무형의 재산에 대한 막대한 손실을 끼치고 있다. 또한 우리 경제 사회가 신용사회로 진입하는데 있어서도 중대한 걸림돌이 되고 있는 것 또한 부정할 수 없는 사실이다. 신용카드의 부정 사용 색출을 위한 방법으로 신용 카드사나 은행에서 많이 사용하는 방법은 통계적인 기법이 주로 사용되고 있으나 신용 카드의 부정사용이라는 문제가 비선형적인 특성이 강하고 카드 사용자의 증가로 사용빈도나 사용금액이 기하급수적으로 증가하여 전통적인 방법이 그 실효를 거두지 못하고 있는 실정이다. 따라서, 본 연구는 신용 카드사의 현재 사용 중인 거래 승인시스템에 결합하여 사용할 수 있는 모델을 설계하기 위해 인공신경망 모형을 활용하였다. 이 모델은 신용한도나 잔고 체크를 통해 거래 승인하는 기존의 거래 승인시스템에 결합하여 사용할 수 있게 될 것이다. 카드 부정 사용에 대한 패턴을 학습시켜 부정 사용일 확률이 높은 거래를 판별하고 거래 승인 전에 정밀 검사하도록 하므로써 부정거래로 인한 손실을 줄이는데 기여할 것이다.
