스플렁크로 구축한 빅데이터 기반의 FDS 사례 자료입니다... 방대한 내부 데이터를 분석하여 실시간으로 통제하는 빅데이터 기반의 FDS(Fraud Detection System)으로 기존의 배치성이거나 특정 분야만 지원하는 FDS가 아니라 모든 금융 및 기업 내외부의 부정행위를 분석하고 모니터링합니다... 이제 진정한 FDS를 구축하실 수 있습니다... 코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com 010-9338-6400

1. Total Faud Detection System
On Bigdata Engine
1

2. FDS 서비스 사례
온라인 금융 관리 솔루션의 주요 공급 업체
1800 개 이상의 금융 기관과 4 백만 이상의 소비
자 (from 2011)
포함된 응용 프로그램 :
-소비자 및 기업용 인터넷 뱅킹
-전자 결제
-개인용 온라인 재무 관리
-금융 기관 웹사이트 호스팅 및 개발
“Fraud 팀의 목표는 부정 행위 분석을보다 적극
적으로 제공하는 것입니다.”
2
2

3. 부정행위 방지 – rule 패턴 예시
모든 데이터를 이용하여 지난 30 일, 90 일 전체 기간을 분석하여 새로운 부정 행위 패턴을 특정
패턴이 출현 때마다 실시간 경고를 생성
결과 :
-부정 행위 시행자를 실시간으로 감시 - $ 5M $ 7M $ 8M 등 이체 시도 확인
-스플렁크가 부정 실시자가 다녔던 모든 기초 요소를 조사
-다음 접속시 부정 행위 패턴을 이해하기 위해 시간을 기준으로 작업을 상관 분석하게 됨
3
3

4. 부정 행위 패턴과 공격자의 위치 인식
15개 은행에서 유사한 부정 행위 패턴 확인
다음 15마일의 범위에 있는지 분석
부정 행위는 공유된 단일 처리 업체에서 발생
Big Data enables Intuit to make
better decisions using the data
they already have
44

5. Before
After
Splunk에 의한 완벽한 가시 성과 일괄 관리 제공
역할 기반 액세스 관리를 통해 데이터에 대한 안
전한 보관
고객 서비스 및 뱅킹 고객 팀은 자체 검색이 가능
해짐 - 엔지니어의 액세스 설정 작업과 작업 대
기는 불필요
짧은 시간에 부정 행위에 대한 판단을 결정
사후 대응에서 실시간 모니터링으로 변화
사용자 지정 파서를 사용
3 시간 이상 걸리는 배치 검색
보고서는 5000 통의 메일을 통해 단편적인 조
각만을 분석
고급 사용 자만 패턴을 추적할 수 있었음
5
5

6. Watch your back!!
6