Offcanvas

AML

무역·AML·기후변화로 확대··· 암호화폐 수용하는 주요 정부와 은행들

블록체인 기반 디지털화폐가 무역에서 경쟁우위를 가져다줄 것으로 보고 각국 정부가 암호화폐 채택에 관심을 보이고 있다.    회계법인 KPMG 신규 보고서에 따르면, 아시아와 유럽의 중앙은행들은 향후 결제 시스템 및 국외 거래용 디지털 화폐를 출범하기 전 최종 단계에 와 있다. 세계 각국 정부는 이러한 블록체인 기반 중앙은행 디지털화폐(CBDC)의 출범을 언젠가 세계 무역에서 경쟁우위를 가져다줄 수단으로 보고 있다. KPMG 미국 블록체인 대표 아룬 고쉬는 “2020년도에 KPMG는 민간 분야의 계획에 힘을 실어줄 명확한 기술 프레임워크를 개발하도록 지방 및 중앙은행 지원에 나설 것으로 예상한다”라고 블로그 게시물에서 밝혔다.  다른 금융기관 중에서 국제통화기금(IMF)은 명목 암호화폐에 대한 지지를 표명한 바 있다. 정부 발행 화폐에 대한 의존도를 낮출 수 있다는 이유에서다. 또한, IMF 통화자본시장국 부국장 동 헤가 작성한 블로그 게시물에 따르면 “암호자산 거래는 은행 간 송금과 달리 중개인 없이 신속한 청산 및 정산이 가능하다.”  헤는 “비용이 많이 들고 번거로우며 불투명한 국외 결제 시스템에서 그 장점이 특히 확연히 드러난다. 원래 국외 결제 대금 송금은 뱅킹 네트워크를 거치기 때문에 며칠이 소요되지만 새로운 서비스는 분산원장 기술과 암호 자산을 이용해 이를 우회함으로써 몇 초 만에 송금이 가능하다”라고 말했다.  IMF는 블로그 게시물을 통해 현재 명목 화폐가 급증하고 있으며 “혁신이 도입되면서 뱅킹과 자금의 지형이 크게 변화할 것”이라고 밝혔다. 다른 국가들도 자국에 이익이 되는 방식으로 혁신을 이미 모색 중이다. 중국은 사실상의 국제 거래용 화폐인 미국 달러의 아성에 도전할 정도로 효율성이 더 높은 국가 암호화폐를 공개할 단계에 근접한 것으로 알려져 있다. 스웨덴 등 다른 소규모 국가들은 자체 국영 암호화폐를 계획 중이다(스웨덴의 경우 이크로나(e-Krona))라고 불릴 예정이다). ...

은행 암호화폐 KYC 이더리움 분산원장 스테이블코인 유로클리어 DTCC Euroclear 블록체인 AML 자금세탁방지 금융 IMF 뱅킹 인공지능 KPMG 유럽연합 분석 사물인터넷 중앙예탁기관

2020.01.14

블록체인 기반 디지털화폐가 무역에서 경쟁우위를 가져다줄 것으로 보고 각국 정부가 암호화폐 채택에 관심을 보이고 있다.    회계법인 KPMG 신규 보고서에 따르면, 아시아와 유럽의 중앙은행들은 향후 결제 시스템 및 국외 거래용 디지털 화폐를 출범하기 전 최종 단계에 와 있다. 세계 각국 정부는 이러한 블록체인 기반 중앙은행 디지털화폐(CBDC)의 출범을 언젠가 세계 무역에서 경쟁우위를 가져다줄 수단으로 보고 있다. KPMG 미국 블록체인 대표 아룬 고쉬는 “2020년도에 KPMG는 민간 분야의 계획에 힘을 실어줄 명확한 기술 프레임워크를 개발하도록 지방 및 중앙은행 지원에 나설 것으로 예상한다”라고 블로그 게시물에서 밝혔다.  다른 금융기관 중에서 국제통화기금(IMF)은 명목 암호화폐에 대한 지지를 표명한 바 있다. 정부 발행 화폐에 대한 의존도를 낮출 수 있다는 이유에서다. 또한, IMF 통화자본시장국 부국장 동 헤가 작성한 블로그 게시물에 따르면 “암호자산 거래는 은행 간 송금과 달리 중개인 없이 신속한 청산 및 정산이 가능하다.”  헤는 “비용이 많이 들고 번거로우며 불투명한 국외 결제 시스템에서 그 장점이 특히 확연히 드러난다. 원래 국외 결제 대금 송금은 뱅킹 네트워크를 거치기 때문에 며칠이 소요되지만 새로운 서비스는 분산원장 기술과 암호 자산을 이용해 이를 우회함으로써 몇 초 만에 송금이 가능하다”라고 말했다.  IMF는 블로그 게시물을 통해 현재 명목 화폐가 급증하고 있으며 “혁신이 도입되면서 뱅킹과 자금의 지형이 크게 변화할 것”이라고 밝혔다. 다른 국가들도 자국에 이익이 되는 방식으로 혁신을 이미 모색 중이다. 중국은 사실상의 국제 거래용 화폐인 미국 달러의 아성에 도전할 정도로 효율성이 더 높은 국가 암호화폐를 공개할 단계에 근접한 것으로 알려져 있다. 스웨덴 등 다른 소규모 국가들은 자체 국영 암호화폐를 계획 중이다(스웨덴의 경우 이크로나(e-Krona))라고 불릴 예정이다). ...

2020.01.14

'구글 클라우드에서 머신러닝을' HSBC 이야기

글로벌 은행인 HSBC가 일련의 작업에 구글 클라우드 플랫폼(Google Cloud Platform∙GCP)을 사용한 최초의 파일럿 머신러닝 프로젝트를 적용했다. 그리고 구글이 8월에 좀 더 세분화된 암호화 키 컨트롤을 제공하면 애플리케이션과 데이터 작업량에 대한 구글 클라우드 인프라로의 포팅이 늘어나기를 기대하고 있다.  HSBC의 글로벌 CIO인 대릴 웨스트가 지난해 구글 클라우드 넥스트(Google Cloud Next) 행사에서도 언급했듯이 HSBC는 금융 서비스 업계의 환심을 사려고 하는 구글의 주요 고객이다. HSBC는 2018년까지 규모 면에서 GCP와 관련해 100PB의 데이터를 보유할 것으로 밝혔다. 이 은행은 국가별 유동성 보고와 자금세탁방지(AML)에 머신러닝을 활용하고 있다. 지난주 샌프란시스코에서 개최된 구글 클라우드 넥스트에서 발표한 웨스트는 실시간 유동성 조사 알고리즘이 HSBC에 ‘몇 시간이 아닌 몇 분’ 단위로 국가별 뷰를 제공함으로써 이 분야에서 엄청난 생산성 향상 효과를 제공한다고 말했다. HSBC는 실시간 자금세탁방지 분석을 위해 구글 빅쿼리(Google BigQuery) 데이터 웨어하우스를 사용하고 있다. 이 은행은 시계열 데이터 위에 머신러닝 모델을 실행해서 잠재적 사례를 더 빠르고 정확하게 식별한다. 이는 지난 2012년 은행 돈세탁 사건으로 19억 달러의 벌금이 부과돼 막대한 피해를 보는 멕시코 사례를 떠올릴 때 특히 중요하다. 이제 HSBC는 일부 핵심 애플리케이션을 구글 클라우드로 재구성하는 것을 비롯해 비즈니스 뱅킹 앱을 테이블에 우선 배치하는 등 다른 작업을 목표로 삼고 있다. 웨스트는 너무 자세한 설명을 자제하며 "처음부터 클라우드 네이티브라는 의도로 차세대 애플리케이션과 관련해 구글과 파트너 관계를 맺는 프로젝트를 갖고 있다"고 이야기했다. 다음 행보는? 은행이 새로운 도구를 다른 활용 사례에 적용하려고 할수록 &lsquo...

CIO 구글 클라우드 넥스트 구글 클라우드 플랫폼 GCP AML 자금세탁방지 구글 클라우드 HSBC 아마존 웹 서비스 애저 AWS 금융 은행 마이크로소프트 멀티 클라우드

2018.07.31

글로벌 은행인 HSBC가 일련의 작업에 구글 클라우드 플랫폼(Google Cloud Platform∙GCP)을 사용한 최초의 파일럿 머신러닝 프로젝트를 적용했다. 그리고 구글이 8월에 좀 더 세분화된 암호화 키 컨트롤을 제공하면 애플리케이션과 데이터 작업량에 대한 구글 클라우드 인프라로의 포팅이 늘어나기를 기대하고 있다.  HSBC의 글로벌 CIO인 대릴 웨스트가 지난해 구글 클라우드 넥스트(Google Cloud Next) 행사에서도 언급했듯이 HSBC는 금융 서비스 업계의 환심을 사려고 하는 구글의 주요 고객이다. HSBC는 2018년까지 규모 면에서 GCP와 관련해 100PB의 데이터를 보유할 것으로 밝혔다. 이 은행은 국가별 유동성 보고와 자금세탁방지(AML)에 머신러닝을 활용하고 있다. 지난주 샌프란시스코에서 개최된 구글 클라우드 넥스트에서 발표한 웨스트는 실시간 유동성 조사 알고리즘이 HSBC에 ‘몇 시간이 아닌 몇 분’ 단위로 국가별 뷰를 제공함으로써 이 분야에서 엄청난 생산성 향상 효과를 제공한다고 말했다. HSBC는 실시간 자금세탁방지 분석을 위해 구글 빅쿼리(Google BigQuery) 데이터 웨어하우스를 사용하고 있다. 이 은행은 시계열 데이터 위에 머신러닝 모델을 실행해서 잠재적 사례를 더 빠르고 정확하게 식별한다. 이는 지난 2012년 은행 돈세탁 사건으로 19억 달러의 벌금이 부과돼 막대한 피해를 보는 멕시코 사례를 떠올릴 때 특히 중요하다. 이제 HSBC는 일부 핵심 애플리케이션을 구글 클라우드로 재구성하는 것을 비롯해 비즈니스 뱅킹 앱을 테이블에 우선 배치하는 등 다른 작업을 목표로 삼고 있다. 웨스트는 너무 자세한 설명을 자제하며 "처음부터 클라우드 네이티브라는 의도로 차세대 애플리케이션과 관련해 구글과 파트너 관계를 맺는 프로젝트를 갖고 있다"고 이야기했다. 다음 행보는? 은행이 새로운 도구를 다른 활용 사례에 적용하려고 할수록 &lsquo...

2018.07.31

'누구나 할 수 있는 머신러닝' 6가지 AML 프로젝트

머신러닝은 강력하지만 그만한 대가를 치러야 한다. 기술과 도구, 하드웨어, 데이터를 갖춘다 해도 머신러닝 모델을 만들고 세밀하게 조정하는 데는 복잡함이 따른다. 그러나 머신러닝의 핵심이 과거 사람이 직접 해야 했던 일을 자동화하는 데 있다면 머신러닝 자체의 단조로운 작업을 머신러닝을 사용해서 해결하는 것도 가능하지 않을까? 짧게 답한다면 조건부로 가능하다. “AML(Autimated Machine Learning, 자동화된 머신러닝)”로 통용되는 몇 가지 기술은 모델을 준비하고 정확성을 개선하기 위해 점진적으로 다듬는 데 필요한 작업을 줄여줄 수 있다. AML은 아직 초기 단계다. 현재는 여러 가지 개별적인 조각과 상호 단절된 기술들의 모음이지만 빠른 속도로 상용화되고 있으며, 머신러닝 전문가가 아닌 일반적인 비즈니스 사용자도 이용할 수 있을 만큼 발전했다. 그 길을 이끌고 있는 6가지 AML 툴을 소개한다. Auto-sklearn과 Auto-Weka 이미 보급된 AML의 두 가지 예는 일반적인 머신러닝 기능 패키지로 폭넓게 사용되는 Scikit-learn 프로젝트를 강화하는 형태의 툴이다. Scikit-learn에는 여러 가지 “추정자(estimator)” 기능, 즉 제공된 데이터로 학습하기 위한 방법론이 제공된다. 적절한 추정자를 선택하는 일은 지루한 과정이 될 수 있는데, Auto-sklearn 프로젝트는 이러한 지루함을 일부 없애는 것을 목표로 한다. Auto-sklearn은 자체 분석을 수행해 주어진 Scikit-learn 작업을 위한 최적의 알고리즘과 하이퍼 매개변수 집합을 결정하는 보편적 추정자 기능을 제공한다. Auto-sklearn에도 여전히 일부 수작업이 필요하다. 최종 사용자는 튜닝 프로세스에서 사용할 수 있는 메모리와 시간 제한을 설정해야 한다. 그러나 이 정도만 선택하고 나머지를 머신에 맡기는 편이 모델 선택과 하이퍼 매개변수를 붙잡고 씨름하는 ...

자동화 AML AutoML H2o 프로디지

2017.09.25

머신러닝은 강력하지만 그만한 대가를 치러야 한다. 기술과 도구, 하드웨어, 데이터를 갖춘다 해도 머신러닝 모델을 만들고 세밀하게 조정하는 데는 복잡함이 따른다. 그러나 머신러닝의 핵심이 과거 사람이 직접 해야 했던 일을 자동화하는 데 있다면 머신러닝 자체의 단조로운 작업을 머신러닝을 사용해서 해결하는 것도 가능하지 않을까? 짧게 답한다면 조건부로 가능하다. “AML(Autimated Machine Learning, 자동화된 머신러닝)”로 통용되는 몇 가지 기술은 모델을 준비하고 정확성을 개선하기 위해 점진적으로 다듬는 데 필요한 작업을 줄여줄 수 있다. AML은 아직 초기 단계다. 현재는 여러 가지 개별적인 조각과 상호 단절된 기술들의 모음이지만 빠른 속도로 상용화되고 있으며, 머신러닝 전문가가 아닌 일반적인 비즈니스 사용자도 이용할 수 있을 만큼 발전했다. 그 길을 이끌고 있는 6가지 AML 툴을 소개한다. Auto-sklearn과 Auto-Weka 이미 보급된 AML의 두 가지 예는 일반적인 머신러닝 기능 패키지로 폭넓게 사용되는 Scikit-learn 프로젝트를 강화하는 형태의 툴이다. Scikit-learn에는 여러 가지 “추정자(estimator)” 기능, 즉 제공된 데이터로 학습하기 위한 방법론이 제공된다. 적절한 추정자를 선택하는 일은 지루한 과정이 될 수 있는데, Auto-sklearn 프로젝트는 이러한 지루함을 일부 없애는 것을 목표로 한다. Auto-sklearn은 자체 분석을 수행해 주어진 Scikit-learn 작업을 위한 최적의 알고리즘과 하이퍼 매개변수 집합을 결정하는 보편적 추정자 기능을 제공한다. Auto-sklearn에도 여전히 일부 수작업이 필요하다. 최종 사용자는 튜닝 프로세스에서 사용할 수 있는 메모리와 시간 제한을 설정해야 한다. 그러나 이 정도만 선택하고 나머지를 머신에 맡기는 편이 모델 선택과 하이퍼 매개변수를 붙잡고 씨름하는 ...

2017.09.25

리뷰 | 아마존 머신러닝 '필수 기능이 튼실한 범용 서비스'

물리학자로서 필자는 본래 정확한 수식으로 세상을 설명하도록 훈련 받았다. 이후 실험적 고 에너지 입자 물리학자로서 필자는 오류가 있는 대량의 데이터를 다루고 해당 데이터를 설명하는 경쟁 모델을 평가하는 방법을 배웠다. 대량으로 수집된 비즈니스 데이터는 필자가 다룰 수 있는 물리학 데이터보다 모델화하기가 더 복잡하고 어려운 경우가 많다. 쉽게 말해 인간 행동은 복잡하고 일관적이지 않으며 제대로 이해되지 않고 있고 여러 변수에 의해 영향을 받는다. 자신의 의도가 어떤 고객이 새로운 서비스에 가입할 확률이 높은지 예상하고 싶은 것이라면, 누적된 이력 패턴을 토대로 하는 확실한 상관관계 외에도 불확실한 것들과 약간의 무작위성도 존재한다는 사실을 발견하게 될 것이다. 데이터를 그래프화하고 설명적 통계 분석을 해도 현상을 설명하는 모델을 찾지 못한다면 머신러닝이 필요할 수 있다. 아마존 머신러닝(Amazon Machine Learning, AML) 서비스의 접근 방식은 분석가들이 데이터 공학과 머신러닝 알고리즘을 이해하는지 여부에 상관 없이 해결해야 하는 비즈니스 문제를 파악할 수 있도록 개발되었다. 알다시피 이런 의도 덕분에 결과가 유사하긴 하지만 마이크로소프트 애저 머신러닝(Microsoft Azure Machine Learning)과는 다른 서비스와 인터페이스를 갖추고 있다. 두 서비스 모두 누적된 이력 데이터부터 시작해 관찰할 수 있는 것으로부터 예측 대상을 식별하고 관련된 특징을 추출하며 이를 모델에 적용하고 시스템이 모델의 계수를 최적화할 수 있다. 그리고 나서 모델을 평가하고 수용할 수 있다면, 이를 이용해 예측하면 된다. 예를 들어, 은행에서 새로운 신용카드 요금이 합법적인지 아니면 사기인지 예측하는 모델을 구축할 수 있으며, 제조업체가 잠재 고객이 자사 제품에 얼마나 많은 돈을 지불할지 예측하는 모델을 구축할 수 있다. 일반적으로 우선 자사의 데이터를 업로드하고 정리하여 AML(Amazon Machine Learning...

아마존 알고리즘 머신러닝 함수 AML 회귀분석

2016.03.28

물리학자로서 필자는 본래 정확한 수식으로 세상을 설명하도록 훈련 받았다. 이후 실험적 고 에너지 입자 물리학자로서 필자는 오류가 있는 대량의 데이터를 다루고 해당 데이터를 설명하는 경쟁 모델을 평가하는 방법을 배웠다. 대량으로 수집된 비즈니스 데이터는 필자가 다룰 수 있는 물리학 데이터보다 모델화하기가 더 복잡하고 어려운 경우가 많다. 쉽게 말해 인간 행동은 복잡하고 일관적이지 않으며 제대로 이해되지 않고 있고 여러 변수에 의해 영향을 받는다. 자신의 의도가 어떤 고객이 새로운 서비스에 가입할 확률이 높은지 예상하고 싶은 것이라면, 누적된 이력 패턴을 토대로 하는 확실한 상관관계 외에도 불확실한 것들과 약간의 무작위성도 존재한다는 사실을 발견하게 될 것이다. 데이터를 그래프화하고 설명적 통계 분석을 해도 현상을 설명하는 모델을 찾지 못한다면 머신러닝이 필요할 수 있다. 아마존 머신러닝(Amazon Machine Learning, AML) 서비스의 접근 방식은 분석가들이 데이터 공학과 머신러닝 알고리즘을 이해하는지 여부에 상관 없이 해결해야 하는 비즈니스 문제를 파악할 수 있도록 개발되었다. 알다시피 이런 의도 덕분에 결과가 유사하긴 하지만 마이크로소프트 애저 머신러닝(Microsoft Azure Machine Learning)과는 다른 서비스와 인터페이스를 갖추고 있다. 두 서비스 모두 누적된 이력 데이터부터 시작해 관찰할 수 있는 것으로부터 예측 대상을 식별하고 관련된 특징을 추출하며 이를 모델에 적용하고 시스템이 모델의 계수를 최적화할 수 있다. 그리고 나서 모델을 평가하고 수용할 수 있다면, 이를 이용해 예측하면 된다. 예를 들어, 은행에서 새로운 신용카드 요금이 합법적인지 아니면 사기인지 예측하는 모델을 구축할 수 있으며, 제조업체가 잠재 고객이 자사 제품에 얼마나 많은 돈을 지불할지 예측하는 모델을 구축할 수 있다. 일반적으로 우선 자사의 데이터를 업로드하고 정리하여 AML(Amazon Machine Learning...

2016.03.28

천태만상 자금세탁, 빅데이터로 잡는다

범죄 조직과 테러 집단이 국경을 넘나드는 불법 자금의 흐름을 감추고자 국제 무역을 이용하고 있다. 빅데이터 분석은 이러한 돈의 흐름을 추적하는 열쇠가 될 수 있다. Credit: Thinkstock 지난 10여 년 간 세계 각국의 정부들은 국제 범죄 집단과 테러 집단으로 흘러 들어가는 자금이 국경을 넘지 못하도록 하는 일명 ‘돈세탁’이라고 하는 행위를 근절하고 대테러 자금 조달을 막기 위해 노력했다. 이런 자금세탁방지(AML, Anti Money Laundering) 노력이 어느 정도 빛을 보자 범죄 집단들은 이제 정식 금융기관을 거치는 대신 복잡한 해외 무역 절차를 이용해 목적을 달성하고 있다. 그런데 PwC US에 따르면, 빅데이터 분석을 통해 이러한 범죄 활동 경로를 추적할 수 있다. 최근 PwC는 ‘무역 금융 시스템의 자금세탁 리스크(Goods gone bad: Addressing money-laundering risk in the trade finance system)’라는 제목의 백서를 발행했으며, 이 회사 고급 리스크 및 컴플라이언스 분석(Advanced Risk & Compliance Analytics) 담당 매니징 디렉터인 비커스 애거월은 “오늘날 범죄 조직들의 돈세탁 활동은 테러집단 자금 지원 및 국제 제재를 피하기 위한 노력까지 포함한다는 점에서 기존의 돈세탁보다 한 단계 더 발전한 형태”라고 지적했다. 애거월은 “범죄 집단이 검거를 피하기 위해 점점 더 교묘한 수법을 쓰고 있다. 따라서 금융 기관들은 고급 분석 및 통계 기술을 갖추고 이들보다 두, 세 걸음 앞서 가야 한다. 돈세탁은 국가를 막론하고 모든 기업 이사회 및 경영진들의 골칫거리가 되고 있다”고 말했다. 범죄 집단, 테러 조직들이 자금 흐름을 감추기 위한 수단으로 해외 무역을 선택한 이유는 명확하다. 말 그대로 ‘건초 더미에서 바늘 찾기&rsqu...

CIO 무역 자금 흐름 AML 자금세탁방지 자금세탁 금융 거래 분석 테러 범죄 PwC 빅데이터 TBML

2015.01.21

범죄 조직과 테러 집단이 국경을 넘나드는 불법 자금의 흐름을 감추고자 국제 무역을 이용하고 있다. 빅데이터 분석은 이러한 돈의 흐름을 추적하는 열쇠가 될 수 있다. Credit: Thinkstock 지난 10여 년 간 세계 각국의 정부들은 국제 범죄 집단과 테러 집단으로 흘러 들어가는 자금이 국경을 넘지 못하도록 하는 일명 ‘돈세탁’이라고 하는 행위를 근절하고 대테러 자금 조달을 막기 위해 노력했다. 이런 자금세탁방지(AML, Anti Money Laundering) 노력이 어느 정도 빛을 보자 범죄 집단들은 이제 정식 금융기관을 거치는 대신 복잡한 해외 무역 절차를 이용해 목적을 달성하고 있다. 그런데 PwC US에 따르면, 빅데이터 분석을 통해 이러한 범죄 활동 경로를 추적할 수 있다. 최근 PwC는 ‘무역 금융 시스템의 자금세탁 리스크(Goods gone bad: Addressing money-laundering risk in the trade finance system)’라는 제목의 백서를 발행했으며, 이 회사 고급 리스크 및 컴플라이언스 분석(Advanced Risk & Compliance Analytics) 담당 매니징 디렉터인 비커스 애거월은 “오늘날 범죄 조직들의 돈세탁 활동은 테러집단 자금 지원 및 국제 제재를 피하기 위한 노력까지 포함한다는 점에서 기존의 돈세탁보다 한 단계 더 발전한 형태”라고 지적했다. 애거월은 “범죄 집단이 검거를 피하기 위해 점점 더 교묘한 수법을 쓰고 있다. 따라서 금융 기관들은 고급 분석 및 통계 기술을 갖추고 이들보다 두, 세 걸음 앞서 가야 한다. 돈세탁은 국가를 막론하고 모든 기업 이사회 및 경영진들의 골칫거리가 되고 있다”고 말했다. 범죄 집단, 테러 조직들이 자금 흐름을 감추기 위한 수단으로 해외 무역을 선택한 이유는 명확하다. 말 그대로 ‘건초 더미에서 바늘 찾기&rsqu...

2015.01.21

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.13