베이지안 최적화를 통한 1D-컨볼루셔널 스파이킹 신경망을 활용한 사기 탐지 개선

은행 부문의 디지털화는 지난 수년간 점점 더 많은 사기 행위를 가능하게 해왔다. 사기 탐지에 대한 새로운 실용적인 솔루션을 개발하는 것은 산업이 사기 탐지 오류율을 5% 이하로 유지하면서 금전적 손실을 방지해야 한다는 요구 조건 때문에 특히 도전적인 과제이다. 기존의 머신러닝 알고리즘은 분류 편향과 높은 에너지 소비 등의 문제를 안고 있다. 반면, 뇌의 자연적 과정을 모방하도록 설계된 스파이크 신경망(Spiking Neural Networks)은 매력적인 대안으로 부상하고 있다. 특히 뉴모포르픽 하드웨어(Neuromorphic Hardware)에서 작동할 경우, 놀라운 에너지 효율성을 보이며 지속 가능한 인공지능(Artificial Intelligence)의 발전을 이끌고 있다. 본 연구에서는 베이지안 최적화(Bayesian optimization)를 활용한 1차원 컨볼루션 스파이크 신경망을 적용하여 Bank Account Fraud 데이터셋에서 사기 탐지 성능을 향상시키는 방법을 제시한다. 그 결과, 기존의 그래디언트 부스팅(Gradient Boosting) 모델과 비교했을 때, 이 아키텍처가 편향된 데이터 문제를 효과적으로 해결하면서도 높은 알고리즘 성능을 유지함을 입증하였다. 또한, 하이퍼파라미터 최적화를 위한 베이지안 최적화 과정을 체계적으로 제시함으로써 해당 알고리즘의 성능을 더욱 향상시켰다.