숫자

Scientific Reports 13권, 기사 번호: 12499(2023) 이 기사 인용

1 알트메트릭

측정항목 세부정보

ORC(조직화된 소매 범죄)는 소매업체, 마켓플레이스 플랫폼 및 소비자에게 중요한 문제입니다. 온라인 상거래, 디지털 기기, 커뮤니케이션 플랫폼의 확장과 함께 그 보급률과 영향력도 빠르게 증가했습니다. 오늘날 이는 기업의 전체 수익에 큰 피해를 입히고 지속적으로 커뮤니티 보안을 위협하는 비용이 많이 드는 일입니다. 더 많은 사람과 장치가 인터넷에 연결됨에 따라 이러한 부정적인 결과는 전례 없는 수준으로 치솟을 것입니다. 이러한 끔찍한 행위를 가능한 한 빨리 감지하고 대응하는 것은 소비자와 기업을 보호하는 동시에 증가하는 패턴과 사기를 감시하는 데 매우 중요합니다. 일반적인 사기 적발 문제는 특히 금융 서비스 분야에서 광범위하게 연구되어 왔지만, 조직화된 소매 범죄에 초점을 맞춘 연구는 문헌에서 극히 드뭅니다. 이 분야의 지식 기반에 기여하기 위해 우리는 조직적인 소매 범죄나 사기를 저지르는 판매자의 주요 시장 플랫폼에서 ORC 목록을 탐지하고 격리하기 위한 확장 가능한 기계 학습 전략을 제시합니다. 우리는 지도 학습 접근 방식을 사용하여 플랫폼의 구매자와 판매자 행동 및 거래에서 얻은 과거 데이터를 기반으로 게시물을 사기성 게시물 또는 실제 게시물로 분류합니다. 제안된 프레임워크는 맞춤형 데이터 전처리 절차, 특징 선택 방법 및 최첨단 클래스 비대칭 해결 기술을 결합하여 이러한 맥락에서 사기 목록과 합법적 목록을 구별할 수 있는 정렬된 분류 알고리즘을 검색합니다. 우리의 최고의 탐지 모델은 홀드아웃 세트에서 0.97, 샘플 외부 테스트 데이터 세트에서 0.94의 재현율 점수를 얻었습니다. 우리는 58개 기능 중 선별된 45개 기능 세트를 기반으로 이러한 결과를 얻었습니다.

최근에는 코로나19 사태로 인해 인터넷 상거래와 커뮤니케이션 플랫폼의 이용이 더욱 증가하고 있습니다. 그 어느 때보다 인구의 상당 부분이 온라인과 집에서 직장, 학교, 쇼핑, 진료 예약, 오락 등 일상적인 활동을 수행하고 있습니다1. 디지털 장치와 플랫폼2의 광범위한 사용으로 인해 사이버 범죄와 사기가 크게 확대되었으며, 이로 인해 세계 경제에 수십억 달러의 손실이 발생하고3 커뮤니티 보안이 위협받는 패턴이 지속되었습니다4.

사이버 범죄 및 사기에는 피싱, 맬웨어, 사기성 전자 상거래, 로맨스 사기, 기술 지원 사기, 갈취 또는 협박, 서비스 거부 등 다양한 범위의 극악한 행위가 포함됩니다1. 또한 신용카드 도용, 자금세탁, 표절 등의 사례도 있습니다. 두 가지 관행 모두 기업과 고객 모두에게 해로운 영향을 미쳐 이들 기업에 심각한 경제적, 평판적, 심리적 위험을 초래합니다.

사이버 범죄 및 사기에 맞서 싸우는 것은 시간과 비용이 많이 드는 작업입니다. 악의적인 행위자가 항상 진화하고 기존 사기 방지 및 탐지 시스템의 취약점을 악용할 새로운 기회를 활용하기 때문입니다. 낮은 개발 노력은 사기 연구에서 아이디어 공유를 제한함으로써 문제를 더욱 악화시킵니다. 예를 들어 공개 도메인에서 사기 탐지 또는 예방 기술을 설명하는 것은 사기꾼에게 탐지를 회피하는 데 필요한 정보를 제공할 수 있으므로 의미가 없습니다.

예방 또는 탐지를 통해 사이버 범죄 및 사기를 해결하는 데 있어 문헌에는 두 가지 주요 방법론이 문서화되어 있습니다. 예방이란 행위의 발생을 애초에 방지하기 위해 취해진 조치를 의미합니다. 여기에는 복잡한 디자인, 개인 식별 번호, 디지털 플랫폼과의 온라인 상호 작용을 위한 인터넷 보안, 컴퓨터와 모바일 장치를 위한 비밀번호 및 인증 메커니즘이 포함됩니다5. 이러한 솔루션 중 어느 것도 완벽하지 않습니다. 종종 비용(비즈니스의 경우)과 불편함(고객의 경우) 사이에서 절충이 이루어져야 합니다. 반면, 탐지는 사기 행위가 발생하는 즉시 이를 인식하는 것을 수반합니다5. 예방에 실패하면 물질적인 문제가 됩니다. 예를 들어, 우리는 카드를 교묘하게 보호함으로써 신용카드 사기를 예방할 수 있지만, 카드 정보가 도난당했다면 가능한 한 빨리 사기 사실을 알아차려야 합니다5.