Money Laundering 방지를 위한 네트워크 분석 — 체계적 문헌 고찰 및 실험 평가

자금세탁은 범죄 활동을 재정 지원하는 등 사회 전반에 걸쳐 심각한 도전 과제를 안고 있다. 특히 자금세탁은 관련 당사자 간의 연결성을 포함하므로, 네트워크 정보를 활용한 대응 방안이 점차 주목받고 있다. 이러한 배경에서 반자금세탁(AML)을 위한 네트워크 분석(NA)에 관한 연구가 급증하였다. 그러나 기존 AML을 위한 네트워크 분석 관련 문헌은 산재해 있으며, 기존 연구들을 포괄적으로 정리한 종합적 개요는 부재한 실정이다. 이로 인해 연구자들은 적용 가능한 방법론과 각 방법의 탐지 성능 비교에 대한 이해가 제한적이다. 따라서 본 연구는 Web of Science와 Scopus에서 수집한 총 97편의 논문을 기반으로, 최근 제안된 사기 분석 프레임워크를 따르는 체계적인 분류 체계를 제안하는 광범위하고 독창적인 문헌 고찰을 수행한다. 연구 결과, 대부분의 기존 연구는 전문가 기반 규칙과 수동적인 특징 추출에 의존하고 있으나, 딥러닝 기법이 점차 주목받고 있음을 확인하였다. 또한, 주요 네트워크 분석 기법의 성능을 표준화된 환경에서 평가하고 비교할 수 있는 포괄적인 평가 프레임워크를 제시한다. 이 프레임워크를 두 가지 공개 데이터셋에 적용하여, 수동 특징 엔지니어링, 무작위 보행 기반 방법, 딥러닝 기법 간의 성능을 비교 분석하였다. 본 연구의 결론은 다음과 같다. (1) 네트워크 분석은 예측 성능을 향상시킬 수 있으나, 클래스 불균형 및 네트워크 구조적 특성에 따라 그래프 신경망(GNN)을 적용할 때 주의가 필요하다. (2) 오픈소스 데이터를 사용할 경우 과도하게 낙관적인 결과가 도출될 수 있으므로 신중한 접근이 필요하다. 본 연구에서 공개한 오픈소스 구현체는 연구자 및 실무자들이 본 연구 결과를 기반으로 보다 나은 분석을 수행하고, 기업 내부의 특수 데이터를 활용한 실험을 수행할 수 있도록 지원하며, AML을 위한 네트워크 분석의 분석 및 평가에 있어 표준화된 접근 방식을 촉진하는 데 기여할 것으로 기대된다.