brunch

You can make anything
by writing

C.S.Lewis

by Master Seo Aug 01. 2022

6탄-3. 스마일게이트 게임플랫폼 ‘스토브’ 결제 탐지


스마일게이트의 게임 플랫폼 스토브에 도입된 결제 사기 탐지 서비스 알아보자

기계 학습을 사용해 구축한 사례임



<1> 스마일게이트는 글로벌 게임을 만들고 유통하는 회사.

<2> 게임 결제 사기 유형?

<3> 결제 사기 탐지  서비스는  구축 타임 라인?

<4> 데이터 작업 준비 흐름?

<5> 피처 엔지니어링

<6> 차단 방법?

<7> Amazon Fraud Detector

<8> Amazon SageMaker로 좀 더 자세하게 관리

<9> AutoGluon이라는 Auto ML 도구

<10> 스마일게이트의 모델 훈련 진행은?

<11> 실제 사기 결제가 줄었는지 효과 분석

<20> 개인 정리




<1> 스마일게이트는 글로벌 게임을 만들고 유통하는 회사.


1

대표 게임?

1인칭 슈팅 게임인 크로스 파이어

MMORPG 로스트 아크

전략시뮬 모바일 에픽 세픽


2

그룹?

지주사인 스마일게이트 홀딩스

게임을 개발하는 엔터테인먼트, RPG법인

퍼블리싱 법인인 메가포트 법인

게임 플랫폼을 담당하는 스토브 법인, 개발 조직, 인프라 조직


3

스토브 플랫폼?

유저가 게임을 실행할 수 있는 런처와 유저를 식별하기 위한 인증, 아이템 구매를 위한 빌링, 유저 간 공략 공유를 위한 커뮤니티 서비스를 제공한다.


4

스토브 플랫폼의 빌링 영역에서 발생한 사기 결제를 AI/ML을 이용하여 해결한 과정을 소개




<2> 게임 결제 사기 유형?


1

스미싱으로 개인정보를 탈취

개인정보로 스토브에 가입해 계정을 생성

이 계정으로 게임 재화를 대략 구매 후 아이템 거래 사이트에서 현금화합니다.

나중에 피해자가 카드 명세서 등을 통해 계정 도용을 인지하고 결제 취소나 환불 요청을 하게 되면서 게임사와 피해자가 금전적, 시간적 손실을 입게 된다.


2

문자를 이용해 가족/친구 사칭

개인정보 요구

이런 정보로 타입의 계정과 결제 수단으로 아이템을 구매하게 된다.


3

결제 사기 탐지 시스템 성과?

65%의 사기 결제 차단 효과

게임 결제 증가하면서  , 사기 결제도 증가하는 상태였음.




<3> 결제 사기 탐지  서비스는  구축 타임 라인?


1

구축 경과

2020년 7월 머신러닝 기반 사기 결제 검풀 Poc에서 Amazon Fraud Detector를 적용해서 검출 효과를 확인함.

21년 1월 게임 데이터 기반의 사용자 정의 모델링을 시작  (6개월 간 모델링함)

사기 탐지 예측 점수를 분석하여 500점 이상 결제 차단을 결정하고 9월부터 사기 결제 차단 서비스를 론칭함

65%의 사기 결제 차단 효과

FDS검출 효과 분석

현재는 80% 차단 목표로 고도화 진행 중


2

라벨링으로 해결?

탈취된 계정의 모든 결제를 라벨링 (높은 차단율) - 시간에 따라 사기 결재의 전후가 확인된다.

사기 신고된 결제만 라벨링 (보통)


6

게임 사기 탐지에 해당하는 데이터의 특성이 있다.?

최신성 :  신규 계정 , 과거 트랜잭션 대비 현재 트랜잭션의 차이

빈도수 : 특정 기간에  집중적으로, 1분에 10건

돈 액수 : 돈 액수가 과거보다 다른 유저보다 변화가 큼

극소 소의 사기 데이터 - 정상과 사기 심한 데이터의 불균형이 발생한다.




<4> 데이터 작업 준비 흐름?


1

유저 프로필, 결제, 게임 데이터를 하나의 키로 결합해서 단일 데이터 세트로 만든다. 데이터 결합

데이터 샘플링

데이터 필터링

데이터 클렌징 작업


2

사기 결제 건수는 정상 결제 건수의 0.01%이다. 10,000건 중 1건이다.




<5> 피처 엔지니어링


데이터 분석 결과를 기계 학습 알고리즘이 이해할 수 있도록 데이터를 넣어 줘야 한다.

이를 피처 엔지니어링이라고 한다.

피처 엔지니어링 기법?

사기 탐지만의 특별한 피처 엔지니어링 기술이 존재함.


1

RFM 피처?

최신성, 빈도성, 돈의 규모 


2

Match/Comparison 피처?

예로  빌링 주소와 배송 주소의 일치 여부


3

피처 풍부화?

IP 안에 국가, 도시, 인터넷 제공회사 VPN 사용 여부의 정보를 가지고 있다.



// 스토브는 실시간 피처 생성기를 만들었다.



<6> 차단 방법?


1

기존 차단 방법?

룰 기반과 기계 학습 기반을 합친 하이브리드를 권장한다.


룰 기반 - 블랙리스트, 사용자 리스트로 처리

기계 학습 장점 - 통 계정 패턴을 감지,  사기 변형을 처리 가능, 탐지 못하는 것/ 탐지 오류를 조정 가능



<7> Amazon Fraud Detector (AFD)


시작부터 끝까지 사기 탐지 서비스를 생성, 배포, 관리 및 확장하는데  필요한 것들이 포함되어 있다.

클라우드에서 필요할 때마다 즉시 사용할 수 있는 완전 관리형 서비스이다.

설루션 설계보다 문제 해결에 더 집중할 수 있다.

빠르게 사기 탐지 모델을 만들고 서비스에 적용할 수 있는 장점이 있다.



Amazon Fraud Detector 기능 4가지를 알아보자~


1

사전 구축된 사기 탐지 모델 템플릿이 존재한다.

이는 모델 템플릿에 피처 엔지니어링과 알고리즘이 결합된 형태입니다.


2

맞춤형 사기 탐지 모델 자동 생성

선택한 사기 탐지 모델 템플릿에 데이터를  제공하면 피처 엔지니어링, 알고리즘 선택, 모델 최적화를 하여 최적화된 된 모델이 자동 생성됨을 의미한다.


3

Amazon.com의 과거 사기 탐지 패턴을 모델 학습에 이용한다.


4

Amazon SageMaker의 사용자 정의 모델을 생성하여 사용할 수 있다.

이는 사용자가 직접 만든 모델 및 Amazon Fraud Detector의 모델과 결합하여 더욱더 정확도가 높은 사기 탐지를 가능하게 한다.



<8> Amazon SageMaker로 좀 더 자세하게 관리


좀 더 자세하게 관리하고 싶다면 Amazon SageMaker 

 Amazon SageMaker는 광범위한 ML플랫폼을 제공한다.

사용자가 커스터 마이징 할 수 있는 ML 플랫폼이다.




<9> AutoGluon이라는 Auto ML 도구


AutoGluon 은  AWS에서 구축한 오픈 소스 AotoML 도구 키트.

텍스트 , 이미지 및 테이블 형식 데이터에 대한 고정밀 머신 러닝 및 딥 러닝 모델을 학습하고 배포한다.




<10> 스마일게이트의 모델 훈련 진행은?


1

사기 결제가 처음 발견되고 , 머신 러닝 기반 검출 효과 증명 과정에서  Amazon Fraud Detector (AFD) 도입함

빌트인 알고리즘과 매니지드 서비스를 제공하여 별도 복잡한 시스템 구축 없이 머신러닝 기반의 검출 효과를 확인함.


2

지능적으로 진화하는 사기 결제를 막기 위해 커스터마이징 필요?

Amazon SageMaker  , AutoGluon   도입


3

분석서 모델링 툴인 Amazon SageMaker

체계적인 데이터 분석과 다양한 알고리즘을 적용 , 데이터 과학자가 직접 사기 결제 검출 모델을 만들게 되었다.


4

 AutoGluon   도입?

가중치를 줄 수 있다.




<11> 실제 사기 결제가 줄었는지 효과 분석


1

사기 결제 유저의 주문 번호가 스토브 고객센터를 통해 신고 들어온 사기 결제 인지 확인했고, 

검출 모델이 그 사기 결제를 제대로 인지하고 차단했는지  주문 번호를 매칭 한 결과 65%의 사기 결제 검출을 확인함.


2

차단을 적용한 결제 수단인 신용카드와 휴대폰 소액 결제 사기는 줄었다.

차단하지 않는 계좌 이체로 사기가 증가함.


3

테스트 데이터와 실제 데이터에 따라 검출률이 달라진다. 

확인하자.


4

빠르게 실험하고 디버깅해서 빠르게 확인할 수 있어야 한다.

어려운 이론보다  다양한 구현을 실무에 적용하기를 권장한다.


5

AWS SA , ML Special List SA의 도움이 컸다.




<20> 개인 정리


1

 Amazon Fraud Detector (AFD) 사용해보자.


2

지능적으로 진화하는 사기 결제를 막기 위해 커스터마이징이 필요하다.

Amazon SageMaker  ,  AutoGluon를 추가로 도입해 사용해 보자.


3

어려운 이론보다  다양한 구현을 실무에 적용하기를 권장한다.




https://brunch.co.kr/@topasvga/2439



감사합니다.

















매거진의 이전글 6탄-1. Amazon Lex를 활용한 한국어 챗봇구축
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari