인터뷰: Neo4j 금융 서비스 부문 글로벌 총괄 Michael Down, 은행이 포착하지 못하는 4,420억 달러 규모의 사기 문제에 대하여

지난 한 해 동안 전 세계적으로 4,420억 달러가 금융 사기로 인해 손실되었으며, 전 세계 은행들이 데이터 기반의 핀테크 (Fintech) 모델로의 전환을 가속화함에 따라 이러한 시스템의 복잡성이 사기를 위한 새로운 사각지대를 만들어내고 있습니다.

Michael Down가 RBI에 전하기를, 사기는 이제 개별적으로 발생하는 것이 아니라 머니 런트 계좌 (mule accounts), 합성 신원 (synthetic identities), 그리고 거래들의 조직적인 네트워크를 통해 이동합니다.

AI (인공지능)가 공격의 속도, 규모 및 정교함을 높이는 데 도움을 주면서, 실제 세계에 미치는 영향은 금융 기업들이 현재 이러한 보이지 않는 네트워크 내의 점들을 연결할 수 있도록 설정되어 있지 않다는 것입니다. 그리고 그는 그래프 인텔리전스 (graph intelligence)가 단순히 탐지를 넘어, 배후에 있는 팀들이 운영적으로 가능한 범위를 어떻게 변화시키는지, 그리고 전통적인 시스템이 놓치는 의심스러운 패턴을 발견하는 데 어떻게 성공하는지에 대해 설명합니다.

RBI: 귀하의 의견으로는, AI가 금융 서비스 (FS) 분야에서 공격의 속도, 규모 및 정교함을 어떻게 증가시키고 있습니까?

Michael Down, Neo4j 금융 서비스 부문 글로벌 총괄:

AI는 사기의 경제학을 근본적으로 변화시켰습니다. 과거에는 가짜 신원을 생성하고, 설득력 있는 피싱 (phishing) 메시지를 작성하며, 문서를 조작하는 등 조직적인 인간의 노력이 필요했던 일들이 이제는 AI를 통해 몇 분 만에 자동화되어 대규모로 배포될 수 있습니다.

우리는 이것이 여러 전선에서 전개되는 것을 보고 있습니다. 딥페이크 (deepfakes)는 복제된 목소리, 조작된 비디오 및 얼굴 이미지를 통해 신원 확인 시스템을 우회하는 데 사용됩니다. 이와 별개로, AI가 생성한 합성 신원 (synthetic identities)은 조작된 개인 정보와 제조된 디지털 발자국을 결합하여 완전히 합법적으로 보이는 계정을 생성하며, AI 기반의 피싱 캠페인은 성공 가능성이 가장 높은 접근 방식을 지속적으로 테스트하고 개선합니다. 그 결과, 업계가 이전에 보았던 그 어떤 것보다 더 설득력 있고, 더 조직적이며, 더 정교한 사기가 발생하고 있습니다.

금융 기관의 과제는 기존의 탐지 시스템 (legacy detection systems)이 이전과는 다른 위협 모델 (threat model)을 위해 구축되었다는 점입니다. 과거에는 이상 징후 (anomalies)가 개별적으로 나타나 규칙 기반 제어 (rule-based controls)를 통해 포착될 수 있었습니다. 하지만 오늘날의 AI 기반 사기는 이러한 규칙을 트리거하는 것을 피하기 위해 계정, 기기, 그리고 금융 기관 전반에 걸쳐 의도적으로 활동을 분산시킵니다. 따라서 전통적인 시스템은 이에 적응할 필요가 있습니다.

RBI: 귀사가 BNP Paribas Personal Finance와 협력하여 사기를 20% 감소시킨 사례를 언급하셨는데... 해당 솔루션이 어떻게 이를 달성했는지 정보를 주실 수 있나요?

Down: 저희는 BNP Paribas Personal Finance가 사기를 개별적인 사건으로 취급하던 방식에서 벗어나, 서로 연결된 사기 네트워크 (connected fraud networks)를 식별할 수 있도록 근본적인 전환을 돕는 역할을 했습니다.