FDS로 자동 재학습까지 – AIZEN

• 신청은 공식사이트에서만 가능
• 본인이 신청하고자 하는 카드사/은행 선택 후 신청
• 단, NH농협BC카드 고객은 반드시 BC카드 로고 확인 후 선택

• * 익영업일, 신청시 등록한 휴대전화 카카오 알림톡 또는 문자메세지로 안내

• 사용내역 및 잔액 실시간 확인 가능

아주경제 이성우 기자=국내 주식선물 시장은 하루 30조~40조원이 거래되는 세계 최대 규모다. ‘대박’을 꿈꾸는 투자자들의 심리가 불법 선물거래업체 형성으로 이어졌다. 이후 지속적인 금융당국의 적발에도 불법 선물거래업체가 소셜네트워크서비스(SNS)까지 파고들어간 것은 파생상품 규제에 여전히 허점이 많다는 것을 보여준다. 금융감독당국이 지난 2003년 증거금 상향 조정 시에 불법 선물거래업체가 쏟아졌던 경험을 감안했더라면 이 같은 후유증을 충분히 사전에 차단할 수도 있었다는 얘기다.

◆ 세계 최대 규모 선물시장이 불법 업체 난립 부추겨

12일 한국거래소에 따르면 지난해 국내 선물시장의 일평균 거래대금은 64조5393억원으로 지난 2010년(55조1529억원)에 비해 17% 증가했다. 특히 개인투자자의 비중이 60%를 넘는 주식선물의 일평균 거래대금은 지난해 1423억원에 달해 전년(881억원)에 비해 무려 61.5% 늘어났다. FX마진(외환차익)거래 역시 지난해 11월까지 연간 누적 거래대금이 727조원에 달하며 2010년(539조원)에 비해 200조원 가까이 폭증했다.

국내 선물과 FX마진거래가 급증하자 투자자들을 유혹하는 불법 선물거래업체들도 기승을 부리고 있다. 불법 선물대여업체는 선물 혹은 FX마진거래를 원하는 개인투자자에게 위탁증거금을 대납해주며 수수료를 받고 거래를 중개하는 식으로 운영된다. 그만큼 선물거래를 하기 힘든 소액투자자들이 솔깃해질 수밖에 없다.

증권업계의 한 관계자는 “증거금이 부족한 투자자들은 이들 업체를 통해 규제를 피해갈 수 있다고 생각한다”면서 “불법임을 알면서도 이용하는 이유”라고 설명했다.

하지만 이들 업체는 대박을 노리는 투자자들을 울리고 있다. 시세변동으로 손실이 발생하면 임의로 반대매매를 해 투자자에게 손실을 떠넘기는가 하면 수익이 발생할 때는 이를 가로채고 잠적해버리는 경우가 수두룩하다. 무등록업체도 난무해 수시로 회사명을 바꾸면서 투자자들의 자금을 가로채고 있다.

◆ 파생상품 규제가 불법 선물업체 판 키웠다

특히 금융당국이 옵션 전용계좌를 폐지하고 주식워런트증권(ELW) 위탁증거금을 1500만원으로 정하는 등 투기 규제를 강화하자 레버리지투자에 길든 개미들이 불법 거래로 눈을 돌리고 있다. 개인이 증권사에서 코스피200 선물이나 옵션, ELW를 매매하려면 최소 1500만원이 필요하지만 선물계좌 대여업체들은 50만원으로도 선물을 매매할 수 있도록 레버리지 제도를 운영하기 때문이다.

결국 금융당국이 비난의 화살을 받을 수밖에 없다. 무분별하게 개인투자자들이 파생상품에 투자하는 것을 막기 위한 조치임에도 그 대비책을 마련하지 못해 결국 이들 투자자를 노리는 업체들에게 기회를 제공했다는 비난을 피할 수 없게 됐다.

특히 지난 2003년 선물 증거금을 500만원에서 1500만원으로 올릴 때도 불법 선물계좌 대여업체들이 난립한 적도 있다. 그만큼 ‘학습 효과’가 반영되지 못한 미봉책이었다는 지적을 받고 있다. 이를 막기 위해 금융당국이 적극적으로 근절에 속도를 내고 있지만 이들을 완전히 뿌리 뽑진 못하고 있는 것이 현실이다.

금융감독원 관계자는 “사업자 등록번호 등을 허위로 기재하고 업체명을 수시로 바꾸어가며 영업을 하고 있어 피해배상을 위한 추적이 어렵다”고 설명했다.

게다가 투자자들이 인터넷 상에 ‘대여계좌’ ‘미니선물’ 등 단순한 키워드로 검색을 해도 이들 업체를 쉽게 찾을 수 있다. 이들은 사업자번호까지 버젓이 올려놓는 등 합법적인 업체로 둔갑해 투자자를 울리고 있다. 특히 최근 많은 사람들이 접근하는 SNS로까지 그 대상이 확대되면서 더욱 투자자 보호가 필요한 상황이다.

증권사의 한 관계자는 “금융당국이 투자자 보호를 위해서 실시한 조치가 결과적으로 불법을 조장하는 셈이 되고 말았다”며 “투자자를 보호하기 위한 적극적인 대책이 필요하다”고 지적했다.

◆ 투자자들의 세심한 주의 필요

금융당국은 불법 금융투자업체의 위법 행위를 뿌리 뽑기 위해서는 투자자들의 세심한 주의가 필요하다고 강조했다.

우선 코스피200선물 등 파생상품 거래는 인가를 받은 증권사 및 선물사만 가능하다. 금감원 홈페이지에 개설된 ‘제도권금융회사 조회’ 코너에서 검색을 할 수 없는 업체는 모두 불법 업체이며, 사이버 상에서 소액(50만원 이하)으로 선물투자를 할 수 있다고 광고하는 업체 또한 불법 업체라는 것이다.

이와 함께 ‘불법이냐 합법이냐를 떠나서 수익을 목표로 하면 된다’, ‘선물대여업체의 선정 기준은 HTS가 안정적인 업체인지, 회원 수는 많은지, 입출금이 빠른지, 오버나잇이 가능한 업체인지, 증권사와 전략적 제휴를 맺었는지 등을 기준으로 해야 한다’는 등의 광고나 안내문에 현혹돼 투자피해가 발생하지 않도록 유의해야 한다고 전했다.

더불어 상당수의 불법 업체들은 주소, 사업자 등록번호 등을 허위로 기재하고 회사명을 수시로 바꿔 영업을 하기 때문에 피해자가 민사상 손해배상책임을 청구해 배상을 받기도 어렵다는 게 금융감독당국의 설명이다.

금융 인공지능 활성화 ‘에이젠글로벌’, 딥러닝FDS로 자동 재학습까지

인공지능이 데이터의 특징을 찾아내고, 추론하며, 예측이 가능하도록 만든 딥러닝의 등장에 다양한 산업 분야에서 딥러닝 도입에 관심을 끌었다.

금융 분야에서도 이같이 딥러닝을 데이터에 접목해 비즈니스를 효율화 하는 사례를 찾고 있다. 특히 카드업계는 다양해지는 부정거래의 패턴을 잡기 위해 딥러닝을 접목한 FDS를 구축했다. 과거 부정사용이 없었던 가맹점에서 이상징후를 찾아내고, 최근 고도화된 해외거래 이상거래까지 적극적으로 대응하기 위해 ‘딥러닝’을 선택했다.

이 가운데 에이젠글로벌(AIZEN)은 불균형이 심한 카드 사고 거래 패턴에 특화된 딥러닝 모형을 적용, 실시간 모형변수의 생성기능 고도화, 전체 모델 자동 재학습까지 FDS(Fraud Detection System) AI도입에 획기적인 혁신을 진행했다고 밝혔다.

에이젠글로벌의 AI금융솔루션 ‘아바커스’는 Column-oriented OLAP DB 기반으로 대량의 카드결제 트랜잭션을 실시간으로 집계하여 다양한 관점의 파생변수들을 실시간으로 생성, 모델링 및 실시간 예측에 사용할 수 있게 했다.​

이전 시스템에서는 담당자가 매우 중요하게 생각하는 변수라도 실시간 변수 생성이 불가능하여 모형에 적용하지 못했다. 에이젠글로벌은 이같은 치명적인 구조를 획기적으로 개선하여 실시간 거래 파생변수를 만들어 사기탐지에 정확도를 높였다. 금융 빅데이터 중에 가장 빠른 응답이 필요한 카드업계에서 실시간 변수 생성을 가능하게 했다는 평이다. 또한, 카드 거래 사고 패턴상 단기간에 많은 거래를 발생시키는 부정거래에도 대응 가능하도록 구성했다.

특히 AI가 스스로 데이터를 학습해 시간이 지날수록 FDS가 강력해지는 ‘자동 재학습’을 통해 모형개발과 검증, 최고 성능의 모형 재반영의 과정을 자동화했다. 국내 및 해외 FDS 모델과 더불어 온라인 eFDS에도 적용함으로써 전체 프로세스의 자동화에 성공했다. 이것은 앞으로 신규 사고 패턴 변화에도 즉각 대응하여 모형의 성능을 유지할 수 있는 혁신의 발판을 마련한 셈이다.

강정석 에이젠글로벌 대표는 “복잡한 카드 결제 패턴을 실시간으로 집계하여 다이나믹한 변수를 생성할 수 있는 ‘아바커스’를 통해 실질적인 업무 개선을 이뤘다”며 “또한 딥러닝 모델 과정의 재학습 자동화는 FDS 프로세스 자동화 개선에 괄목한만한 성과라 뿌듯하다”고 밝혔다.

기계 학습이란 무엇인가요?

머신 러닝은 컴퓨터에서 기존 데이터를 사용하여 미래 동작, 결과 및 추세를 예측하는 데이터 과학 기술입니다. 머신 러닝을 사용하면 컴퓨터에서 명시적으로 프로그래밍하지 않고 학습합니다. 기계 학습 도구는 패턴을 식별하고 데이터가 있는 환경에서 연결을 만드는 기능을 제공하는 AI 시스템을 사용합니다.

자동화된 Machine Learning 예측 또는 예측은 애플리케이션과 디바이스를 더 스마트하게 만들 수 있습니다. 온라인 쇼핑을 예로 들면, 머신 러닝은 사용자가 구매한 제품에 따라 좋아할 만한 다른 제품을 추천하는 데 도움이 됩니다. 또는 신용 카드를 읽을 때 머신 러닝은 해당 거래를 거래 데이터베이스와 비교하여 부정 행위를 검색하는 데 도움을 줍니다. 또한 로봇 진공 청소기가 방을 청소할 때, 머신 러닝은 작업이 완료되었는지 여부를 판단하도록 해줍니다.

각 작업에 적합한 기계 학습 도구

Azure Machine Learning은 개발자와 데이터 과학자에게 다음을 비롯한 기계 학습 워크플로에 필요한 모든 도구를 제공합니다.

끌어서 놓기로 실험을 빌드한 다음, 파이프라인을 배포할 수 있는 모듈입니다.
• Jupyter Notebook: 예제 Notebook을 사용하거나 고유한 Notebook을 만들어 Microsoft의 Python용 SDK 샘플을 사용합니다. 를 사용하여 고유한 코드를 FDS로 자동 재학습까지 – AIZEN FDS로 자동 재학습까지 – AIZEN 작성하는 R 스크립트 또는 Notebook이나 디자이너에서 사용하는 R 모듈 는 Azure Machine Learning을 토대로 빌드되며 수백 또는 수천 개의 기계 학습 모델을 학습, 운영 및 관리할 수 있습니다.
• PyTorch, TensorFlow, scikit-learn 등과 같은 많은 오픈 소스 프레임워크
• Ray RLlib를 사용하는 보충 학습

MLflow를 사용하여 메트릭을 추적 및 배포하거나 Kubeflow를 사용하여 엔드투엔드 워크플로 파이프라인을 빌드할 수도 있습니다.

Python 또는 R에서 기계 학습 모델 빌드

Azure Machine Learning Python SDK 또는 R SDK를 사용하여 로컬 머신에서 학습을 시작한 다음, 클라우드로 확장할 수 있습니다. Azure Machine Learning 컴퓨팅 및 Azure Databricks와 같이 사용할 수 있는 여러 컴퓨팅 대상과 고급 하이퍼 매개 변수 튜닝 서비스를 통해 클라우드의 강력한 기능을 사용하여 더욱 우수한 모델을 더 빠르게 빌드할 FDS로 자동 재학습까지 – AIZEN 수 있습니다. SDK를 사용하여 모델 학습 및 튜닝을 자동화할 수도 있습니다.

코드 없는 도구를 사용하여 기계 학습 모델 빌드

코드를 작성할 필요가 전혀 또는 거의 없는 학습 및 배포를 위해 다음 도구를 사용해 보세요.

Azure Machine Learning 디자이너(미리 보기)

이 디자이너를 사용하면 코드를 전혀 작성하지 않고도 기계 학습 모델의 데이터 준비, 교육, 테스트, 배포, 관리 및 추적을 수행할 수 있습니다. 프로그래밍이 필요하지 않으며, 데이터 세트와 모듈을 시각적으로 연결하여 모델을 구성할 수 있습니다. 디자이너 자습서를 사용해 보세요.

AutoML(자동화된 Machine Learning) UI

사용하기 쉬운 인터페이스에서 AutoML 실험을 만드는 방법을 알아보세요.

MLOps: 배포 및 수명 주기 관리

MLOps(기계 학습 운영)는 워크플로 효율성을 향상시키는 DevOps 원칙과 사례를 기반으로 합니다. 예를 들어 연속 통합, 제공, 배포입니다. MLOps는 다음과 같은 목표에 따라 해당 원칙을 기계 학습 프로세스에 적용합니다.

• 모델의 실험 및 개발 속도 향상
• 프로덕션 단계로의 모델 배포 속도 향상
• 품질 보증

적합한 모델이 있는 경우 웹 서비스, IoT 디바이스 또는 Power BI에서 해당 모델을 쉽게 사용할 수 있습니다. 자세한 내용은 Azure Machine Learning을 사용하여 모델 배포를 참조하세요.

이러한 모델은 사용 가능하며 대량의 데이터에 대한 예측을 실시간으로 또는 비동기적으로 반환할 수 있습니다.FDS로 자동 재학습까지 – AIZEN

또한 고급 기계 학습 파이프라인을 사용하여 데이터 준비부터 모델 학습, 평가 및 배포까지 각 단계에서 공동 작업을 수행할 수 있습니다. 파이프라인을 통해 다음을 수행할 수 있습니다.

• 클라우드에서 엔드투엔드 기계 학습 프로세스 자동화
• 구성 요소를 다시 사용하고 필요한 경우에만 단계를 다시 실행
• 각 단계에서 다른 컴퓨팅 리소스 사용
• 일괄 처리 점수 매기기 작업 실행

스크립트를 사용하여 기계 학습 워크플로를 자동화하려면 Azure Machine Learning CLI에서 제공하는 명령줄 도구를 사용하여 학습 실행 제출이나 모델 배포와 같은 일반적인 작업을 수행합니다.

Azure Machine Learning을 시작하려면 다음 단계를 참조하세요.

자동화된 기계 학습

데이터 과학자는 실험 단계 중에 모델 반복에 지나치게 많은 시간을 소비합니다. 허용 가능한 모델이 빌드될 때까지 다양한 알고리즘과 하이퍼 매개 변수 조합을 시도하는 전체 프로세스는 단조롭고 까다로운 작업 특성으로 인해 데이터 과학자에게 매우 부담이 됩니다. 이는 모델 효력 측면에서 엄청난 이익을 제공하는 연습이지만 때로는 시간과 리소스 측면에서 너무 많은 비용이 들기 때문에 ROI(투자 수익률)가 저하될 수 있습니다.

AutoML(자동화된 Machine Learning)이 들어오는 곳입니다. 확률 행렬 팩터리화에 대한 FDS로 자동 재학습까지 – AIZEN 연구 논문의 개념을 사용하고 제공된 데이터의 추론에 따라 지능적으로 선택된 알고리즘과 하이퍼미터 설정을 사용하는 자동화된 파이프라인을 구현하여 지정된 문제나 시나리오를 고려합니다. 이 파이프라인 결과는 지정된 문제와 데이터 세트에 가장 적합한 모델 세트입니다.

Responsible ML

AI 시스템을 개발하고 사용하는 동안에는 신뢰가 중심이 되어야 합니다. 플랫폼, 프로세스 및 모델을 신뢰하세요. AI 및 자치 시스템이 사회 구조에 더 많이 통합됨에 따라 이러한 기술의 의도치 않은 결과를 예측하고 완화하기 위해 사전에 노력하는 것이 중요합니다.

• 모델 이해 및 공정성을 위해 빌드: 모델 동작을 설명하고 예측에 가장 큰 영향을 미치는 기능을 설명합니다. 모델 학습과 유추 중에 유리 상자 및 블랙박스 모델 모두에 기본 제공 설명자를 사용합니다. 대화형 시각화를 사용하여 모델을 비교하고 가상 분석을 수행하여 모델 정확도를 FDS로 자동 재학습까지 – AIZEN 향상시킵니다. 최첨단 알고리즘을 사용하여 모델 공정성을 테스트합니다. 기계 학습 수명 주기 전반에 걸쳐 불공정을 완화하고, 완화된 모델을 비교하고, 의도적인 공정성과 정확도를 원하는 대로 절충합니다.
• 데이터 개인 정보 보호 및 기밀 유지: 중요한 정보 공개가 제한되도록 데이터에 정확한 수준의 통계 노이즈를 주입하는 차등 개인 정보의 최신 혁신을 사용하여 개인 정보를 보존하는 모델을 빌드합니다. 데이터 누출을 식별하고 반복 쿼리를 지능적으로 제한하여 노출 위험을 관리합니다. 기밀 데이터를 사용하여 모델을 안전하게 빌드하기 위해 기계 학습용으로 특별히 설계된 암호화 및 기밀 기계 학습(출시 예정) 기술을 사용합니다.
• 기계 학습 프로세스의 모든 단계 제어: 기본 제공 기능에 액세스하여 계보를 자동으로 추적하고 기계 학습 수명 주기 전반에 걸쳐 감사 평가판을 만듭니다. 데이터 세트, 모델, 실험, 코드 등을 추적하여 기계 학습 프로세스에 대한 전체 가시성을 얻습니다. 사용자 지정 태그를 사용하여 모델 데이터 시트를 구현하고, 키 모델 메타데이터를 문서화하고, 책임을 높이며, 책임 있는 프로세스를 보장합니다.

책임 있는 ML을 구현하는 방법을 자세히 알아보세요.

다른 서비스와 통합

Azure Machine Learning은 Azure 플랫폼의 다른 FDS로 자동 재학습까지 – AIZEN 서비스와 함께 작동하며 Git 및 MLflow와 같은 오픈 소스 도구와 통합됩니다.

* 단, 바우처 전용카드 및 보조금 전용카드 등 일부 특수목적카드 및 가족카드/법인카드는 지원금 신청 및 사용이 불가하니
신청전 꼭 확인하시기 바랍니다.

• 온 /오프라인 서점에서 도서 구매, EBS 학습 콘텐츠 이용만 가능
• 서점 등 업종은 BC카드 업종분류 기준을 따름

잔액 및 이용내역 확인

• 지원금 사용 시, 실시간으로 카카오 알림톡 또는 문자 메세지 통한 사용내역 및 잔액 안내
• 페이북앱에서도 실시간 확인 가능

* 페이북 앱 > 더보기 > 내 혜택 > MY 바우처

※ 단, 결제 취소 등이 이루어진 경우, 시점에 따라 실제 잔액과 다를 수 있음

꼭 알아두세요

• 지급 및 사용 방식

* 신청 확정 결과 메시지(카카오톡 알림톡 또는 문자메시지) 수신 후 즉시 지급

* 본인 신용/체크카드로 결제 시 신용카드는 결제금액에서 지원금 잔액만큼 차감 청구, 체크카드는 계좌인출 없이
거래 승인

* 사용내역 및 잔액이 휴대폰 메시지로 실시간 전송

* 결제 시 지원금 잔액을 초과하는 금액이 존재하는 경우, 신용카드는 결제일 청구, 체크카드는 승인 시 계좌 인출

* 타 정부 바우처를 동시에 보유한 경우 우선 순위에 따라 차감
(기존 정부바우처 > 춘천일상회복 지원금 > 교육급여 학습특별지원금 바우처 > 전남문화복지 바우처 > 상생소비지원금)

* 할부결제 또는 일시불 FDS로 자동 재학습까지 – AIZEN 결제 후 할부전환 불가

* 특정 거래건에서는 사용 불가
(유가보조금 카드 등 정부 바우처 지원건, 신용/체크 하이브리드 서비스 이용건, 포인트 승인, 대중교통 요금 등 무승인건,
통신료 등 자동이체 요금납부, 대행승인 등)

☎ BC카드 정부지원금 전용 콜센터 : 1566-4800 , 1588-6374

☎ 우리카드 전용 콜센터 : 1599-0095

☎ 교육급여 학습특별지원금 한국장학재단 콜센터 : 1599-2000

신용 / 체크카드 포인트 방식 신청 기간

2022년 6월 29일(수) ~ 9월 30일(금)

* 사용기한 : 2022년 12월 31일(토)

코로나19로 인한 학습결손 완화 지원을 위해
교육급여 수급자에 특별지원금 지급
('22. 5. 31. 기준)

• 1) 교육급여 학습특별지원금 사업 홈페이지에서 신청
  • 신청은 공식사이트에서만 가능
  • 본인이 신청하고자 하는 카드사/은행 선택 후 신청
  • 단, NH농협BC카드 고객은 반드시 BC카드 로고 확인 후 선택
  • * 익영업일, 신청시 등록한 휴대전화 카카오 알림톡 또는 문자메세지로 안내
  • 사용내역 및 잔액 실시간 확인 가능

  신청 가능 발급사

  * 단, 바우처 전용카드 및 보조금 전용카드 등 일부 특수목적카드 및 가족카드/법인카드는 지원금 신청 및 사용이 불가하니 신청전 꼭 확인하시기 바랍니다.

  • 온 /오프라인 서점에서 도서 구매, EBS 학습 콘텐츠 이용만 가능
  • 서점 등 업종은 BC카드 업종분류 기준을 따름

  잔액 및 이용내역 확인

  • 지원금 사용 시, 실시간으로 카카오 알림톡 또는 문자 메세지 통한 사용내역 및 잔액 안내
  • 페이북앱에서도 실시간 확인 가능

  * 페이북 앱 > 더보기 > 내 혜택 > MY 바우처

  ※ 단, 결제 취소 등이 이루어진 경우, 시점에 따라 실제 잔액과 다를 수 있음

  꼭 알아두세요

  • 지급 및 사용 방식

  * 신청 확정 결과 메시지(카카오톡 알림톡 또는 문자메시지) 수신 후 즉시 지급

  * 본인 신용/체크카드로 결제 시 신용카드는 결제금액에서 지원금 잔액만큼 차감 청구, 체크카드는 계좌인출 없이 거래 승인

  * 사용내역 및 잔액이 휴대폰 메시지로 실시간 전송

  * 결제 시 지원금 잔액을 초과하는 금액이 존재하는 경우, 신용카드는 결제일 청구, 체크카드는 승인 시 계좌 인출

  * 타 정부 바우처를 동시에 보유한 경우 우선 순위에 따라 차감
  (기존 정부바우처 > 춘천일상회복 지원금 > 교육급여 학습특별지원금 바우처 > 전남문화복지 바우처 > 상생소비지원금)

  * 할부결제 또는 일시불 결제 후 할부전환 불가

  * 특정 거래건에서는 사용 불가
  (유가보조금 카드 등 정부 바우처 지원건, 신용/체크 하이브리드 서비스 이용건, 포인트 승인, 대중교통 요금 등 무승인건, 통신료 등 자동이체 요금납부, 대행승인 등)