home
About
home
금융기술연구소
조직 구성
주요 연혁
우리의 연구
주요 성과
연구 스토리
연구 협업 제안
언론 보도
카카오뱅크 >
기술블로그 >
home

카카오뱅크 금융기술연구소

우리의 목표

보다 가치 있는 기술의 실현

금융 혁신 기술 탐구

기술 발전의 흐름을 조명하고, 부상하는 최신 기술을 금융산업에 접목시키기 위한 연구를 수행합니다

기술 생태계 기여

연구 성과를 함께 공유하며 금융기술 생태계 활성화에 기여합니다

금융산업의 안전성을 담보하고 혁신 기반을 마련하는 기술 도약의 산실

주요 성과

목록보기
본 발명은 프롬프트 어택 탐지 모델의 학습을 위한 학습 데이터 생성 및 증강 방법에 관한 것이다. 구체적으로는 신뢰도 기반의 데이터 레이블 조정을 활용하여 데이터 셋의 품질을 높이고, 특정 도메인에 최적화된 데이터 셋을 생성하는 것을 목적으로 한다. 또한, 금융 시나리오와 같이 특정 도메인에서 발생할 수 있는 오탐 문제를 해결하기 위해 해당 도메인에 특화된 데이터 증강 기법을 적용하여 데이터 셋의 다양성과 범용성을 증대시켜 프롬프트 어택 탐지 모델의 성능을 높일 수 있다.
프롬프트 어택 탐지 모델의 학습을 위한 학습 데이터 생성 방법 및 이를 통한 프롬프트 어택의 판단 방법
본 발명은 복수의 딥러닝 모델의 성능에 대한 우열을 가리기 위한 딥러닝 모델의 스코어링 방법에 관한 것이다. 본 발명의 목적은, 복수의 심판 모델(judge model)을 이용하여 복수의 평가 대상 모델에 대한 평가를 수행함으로써, 복수의 평가 대상 모델에 대한 성능 평가의 편향성을 줄이고, 객관성을 확보할 수 있는 딥러닝 모델의 스코어링 방법을 제공하는 것이다. 비교하는 평가 대상 모델의 수를 늘리거나, 복수의 심판 모델을 이용함에 따라 필연적으로 증가되는 비교 횟수를 감소시킴으로써, 복수의 평가 대상 모델에 대한 스코어링 수행에 필요한 시스템 리소스를 최소화 시키고, 평가 속도는 가속화 시키면서도, 평가 결과에 대한 정확도는 향상시킬 수 있다.
딥러닝 모델의 스코어링 방법 및 이를 수행하는 서버

Abstract

To mitigate the annual financial losses caused by SMS phishing (smishing) in South Korea, we propose an explainable smishing detection framework that adapts to a Korean-centric large language model (LLM). Our framework not only classifies smishing attempts but also provides clear explanations, enabling users to identify and understand these threats. This end-to-end solution encompasses data collection, pseudo-label generation, and parameterefficient task adaptation for models with fewer BertScore 0.90 0.68 BLEU 0.70 0.25 0.19 0.12 0.06 0.52 0.35 0.18 Accuracy 1.00 0.75 0.45 0.22 0.50 0.25 0.25 0.50 0.25 ROUGE 1.25 1.25 2.50 3.75 5.00 Logicalness 2.50 1.25 1.25 2.50 2.50 3.75 3.75 F1 (Normal) 1.00 0.75 0.50 3.75 0.75 5.00 1.00 F1 (Smishing) Format Adherence than five billion parameters. Our approach achieves a 15% improvement in accuracy over GPT-4 and generates high-quality explanatory text, as validated by seven automatic metrics and qualitative evaluation, including human assessments.
KorSmishing Explainer: A Korean-centric LLM-based Framework for Smishing Detection and Explanation Generation
EMNLP 2024
2024/11/12

연구 스토리

목록보기
Contents

금융기술연구소의 새로운 시작, ‘Kuzzle’

카카오뱅크 금융기술연구소(이하 기술연구소)에서 개소 N주년을 기념하며 열어온 사내 기술 로드쇼가 올해부터 “Kuzzle”이라는 새로운 이름으로 리브랜딩 되었습니다. Kuzzle은 Kakaobank와 Puzzle의 합성어로, 다양한 조각들이 모여 하나의 퍼즐을 만드는 것처럼 많은 시행착오와 깊은 생각이 모여서 기술연구소를 만들고, 다양한 고민과 사람들이 모여서 카카오뱅크의 기술력을 만드는 것을 나타냅니다. 그리고 더 나아가 우리는 기술로서 고객의 경험을 새롭게 정의하고 고객과 함께 새로운 세상을 만들어가는 AI 시대의 퍼즐 조각의 의미를 내포하고 있습니다.
Kuzzle은 AI 기술이 단순한 연구 결과물이 아닌, 하나의 감각적 경험이 될 수 있음을 보여주고 AI를 비롯한 여러 기술을 몸소 체험하여 가까이할 수 있는 공간을 만들기 위한 자리로 매김을 하고자 브랜딩 되었습니다.

행사 소개 및 컨셉

2025년 1월 4일, 카카오뱅크 금융기술연구소가 개소 4주년을 맞이하였습니다. 올해는 새롭게 브랜딩 된 Kuzzle을 시작하는 한 해인 만큼, 그 어느 때보다 풍성한 프로그램으로 준비했습니다. 다양한 연구 성과를 소개하고 AI 솔루션 체험을 통해 금융과 AI 기술의 융합 가능성을 실험하는 데 집중하면서, 임직원들이 그 가능성을 직접 체험할 수 있도록 몰입형 전시와 인터랙티브 요소에 중점을 두었습니다. 또한, 사내 이벤트 최초로 연구소 PoC를 통한 NFT 입장권을 도입하여 큰 화제를 모았습니다. 이를 통해, 연구 과제 성과를 더욱 효과적으로 알리고 연구소의 브랜딩을 공고히 하며 AI 리터러시 강화 및 사업 부서와의 협업 시너지 강화를 도모하였습니다.
금융기술연구소 기술로드쇼, ‘Kuzzle’로 새롭게 시작하다
2025/03/07
Contents

SHAP 알고리즘 가속화 필요성

카카오뱅크 금융기술연구소에서는 인공지능 알고리즘을 실제 비즈니스 문제에 활용하기 위해 다양한 R&D 활동을 수행하고 있습니다. 이러한 활동 중 하나로 설명가능 인공지능(eXplainable AI, 이하 XAI)에 대해 여러 차례 소개해드렸습니다. 이번 글에서는 산학협력으로 완성한 XAI 알고리즘 가속화 결과에 대해서 이야기 나누고자 합니다.
XAI 알고리즘 관련 소개글
다양한 XAI 알고리즘 중에서, 이전에 소개해드린 SHAP (Shapley Additive exPlanations)은 새플리값(Shapley Value)이라는 수리경제학적 이론에 기초한 방법론입니다. SHAP은 아래 수식과 같이 입력과 출력의 형태를 갖는 모든 함수에 대해 적용하여 설명 결과를 산출할 수 있다는 장점을 갖지만, 알고리즘 특성상 많은 계산량을 요구하기 때문에 SHAP 가속화 연구를 진행하게 되었습니다.
βp^(f,x)=∑S⊆F∖{p}(∣F∣1,∣S∣,∣F∣−∣S∣−1)−1[fS∪{p}(xS∪{p})−fS(xS)]\hat{\beta_p}(f,x) = \sum_{S\subseteq{F\setminus{\{p\}}}} \binom{|F|}{1,|S|,|F|-|S|-1}^{-1} [f_{S\cup\{p\}}(x_{S\cup\{p\}})-f_{S}(x_{S})]
가속화가 필요한 이유는 크게 2가지 입니다. 먼저, “실시간성”을 보장해야 하는 업무가 있습니다. 카카오뱅크에서는 고객의 소중한 자산을 지키기 위해 이상거래탐지 업무에 AI를 활용하고 있습니다. 가령, 개발한 이상거래탐지 인공지능 알고리즘이 보이스피싱으로 의심되는 거래를 실시간으로 탐지했는데, 탐지된 이유를 살펴보기 위한 XAI 결과를 3초 이상 기다려야 한다고 생각해보겠습니다. 이 때, 탐지된 대상이 실제 보이스피싱 피해자가 범죄자 계좌로 송금하는 거래였다면, 3초 뒤가 아니라 실시간으로 빠르게 해당 고객의 금융거래를 제한하여 추가적인 피해를 막아야 합니다.
AI를 설명하면서 속도도 빠르게 할 순 없을까? SHAP 가속화 이야기
2024/12/27
카카오뱅크가 이번 서비스를 개발하면서 가장 중점을 둔 부분은 특정 메시지를 스미싱으로 판단하게 된 이유를 한번 더 자세히 알려주는 기능입니다. 간단히 스미싱 여부만 알려줄 경우 이용자가 선뜻 신뢰하기 어렵기에, 덧붙인 판단 근거로 이해도를 높여 해당 정보를 신뢰할지 스스로 결정할 수 있도록 도움을 주고자 했습니다. 최근 생성형 AI 모델들은 사용자 의도를 잘 파악해 자연스러운 판단 근거 생성에 사용해 볼 수 있었습니다. 간단한 문자 내용 분류는 규칙 기반(Rule-based) 방식이 정확도와 효율이 높을 수 있지만, 새롭게 생기는 유형에 유연하게 대응하거나 판단 근거까지 생성해 줄 수는 없어서 LLM (Large Language Model)이 유리했습니다.
더 안전한 금융거래를 지원하는 ‘AI 스미싱 문자 확인’ 서비스

언론 보도

목록보기
바야흐로 거대언어모델(LLM) 시대다. 오픈AI의 GPT, 메타의 라마, 구글의 제미나이, 아마존의 타이탄 등 빅테크에서 LLM을 쏟아내고 고도화하고 있다. LLM은 다양한 산업군에 적용될 것으로 보인다. 디지털 전환에 관심이 많은 금융권에서도 LLM에 관심을 보인다. 온라인 고객센터부터 시작해 궁극적으로 영업점에도 LLM을 도입하고 싶어한다. 그러나 LLM의 최대 단점은 AI의 거짓말, 즉 ‘환각(할루시네이션)’이다. 특히 ‘돈’이 오가는 은행에서 환각은 치명적이다. 그래서 은행에게 필요한 것은 LLM을 잘 평가하는 일이다.
“생성AI도 시험치자” LLM 테스트 만든 카카오뱅크
2024/12/13
바이라인네트워크

카카오뱅크 금융기술연구소

Financial Tech Lab
Copyright ⓒ KakaoBank Corp. All rights reserved.