데이터중요도4/5
BigQuery Graph로 금융사기 탐지 네트워크 분석 확장하기
Google Cloud 데이터분석(BigQuery)
한마디로
카드 정보·기기·연락처 같은 공통점으로 연결된 사기 조직을 찾기 위해 복잡한 데이터 관계를 빠르게 분석하는 기술이에요
무슨 내용인가
금융 슈퍼앱 Curve가 BigQuery Graph의 그래프 쿼리 언어(GQL)를 도입해 사기 네트워크를 탐지하고 있어요. 기존 SQL의 다중 조인으로는 수억 개의 사용자·연결을 처리하기 어려웠는데, GQL로 그래프 패턴 매칭이 가능해져서 쿼리 복잡도를 크게 줄였거든요. 2025년 한 해만 약 1,200만 달러의 사기 손실을 방지하고 72% 정도의 정확도로 사기 사용자를 식별하고 있으며, 실시간 탐지를 위해 스트리밍 데이터 처리로 나아가는 중예요
에디터 노트 · The Brief
그래프 분석이 사기 탐지에서 강한 이유는 명확해요. 개별 거래는 정상으로 보여도 같은 기기·연락처로 얽힌 계정 군집을 보면 조직이 드러나거든요. SQL 다중 조인으로 수억 노드를 훑는 비용을 GQL 패턴 매칭으로 줄였다는 게 핵심이고, BigQuery 안에서 처리하니 별도 graph DB 운영 부담도 던 셈이에요. 다만 72% 정확도는 오탐 비중이 작지 않다는 뜻이라, 실시간 차단보다 사람이 검토하는 위험 점수 단계에 붙이는 게 현실적이고, 정상 사용자를 오인 차단했을 때 신뢰 비용도 같이 계산해야 해요.
실무 시사점
금융·전자상거래 기업들이 네트워크 분석으로 조직적 사기를 대규모로 탐지할 수 있게 되면서, 고객 신뢰와 손실 방지 경쟁이 심화될 것으로 보여요
태그
용어 풀이
- BigQuery Graph
- 구글 클라우드의 BigQuery에 내장된 그래프 데이터베이스 기능으로, 사용자·거래·기기 같은 엔티티 간 관계를 효율적으로 분석할 수 있어요
- GQL
- 그래프 쿼리 언어로, 노드(사용자)와 엣지(공통 속성)로 이루어진 네트워크에서 연결 패턴을 직관적으로 찾는 쿼리 문법이에요
- fraud detection
- 거래·계정의 비정상적 행동이나 숨겨진 연결을 감지해 사기를 방지하는 기술이에요
- network analysis
- 사용자·거래·기기 같은 요소들 간의 관계와 연결고리를 분석해서 조직적인 사기 집단의 구조를 파악하는 방법이에요