With more than 15 years of experience in advising, developing, selling, and implementing solutions to detect and prevent financial crime, Min-Gi is responsible for the Fraud, Financial Crimes & Compliance practice at SAS Institute in Korea. He provides advising services and solutions related to fraud, financial crime and fraud and anti-money laundering compliance, and next-generation artificial intelligence/machine learning solutions. As a financial crime expert, he has worked with law enforcement agencies on crime descriptive statistics, criminal typology and judgment analysis, detection of fraudulent benefit of public welfare/insurance, and analytics/prevention systems for various crimes and frauds, including financial crime/fraud detection for financial institutions. he is also a Certified Anti-Money Laundering Specialist (CAMS) by Association for Certified Anti-Money Laundering Specialist (ACAMS) , a board member of the Korean chapter of the ACAMS, an Executive Director of the Korea Association of Anti-Money Laundering, and a visiting instructor at the Korea Banking Institute.
자금 세탁 방지와 사기 방지 환경의 통합 접근 방안 금융 범죄의 현황과 대응 금융 범죄(Financial Crimes)라 함은 개인적 사용 및 사익을 위해 불법적으로 재산의 소유권을 전환하는 모든 불법 행위를 포함하는 광범위한 용어입니다. 금융 범죄는 다양한 유형의 사기(Fraud), 절도(Theft), 스캠(Scam), 탈세(Tax Evasion), 뇌물 수수(Bribery), 횡령(Embezzlement), 신원 도용(Identity Theft), 위조(Forgery) 등에 의해
앞선 두번의 연재를 통해 자금세탁 방지 기술이 향후 어떤 방식으로 발전되어갈 것인지, 금융기관이 현재 운영중인 자금세탁 환경을 앞으로 어떻게 변화시켜 나가야 하는지를 살펴보았습니다. 이를 위해 SAS는 ‘AML Compliance Analytics Maturity Model’을 제시했고, Maturity Model의 단계를 소개함으로써 현재 각 금융기관이 AML을 위해 내부적으로 어느 정도 데이터 분석을 적용하고 있는지에 대한 자체
지난 1회에서는 날로 진화하는 자금세탁 유형에 스마트하게 대응하며 자금세탁 방지 의무를 준수하는 데 AI(인공지능)와 ML(머신러닝)이 어떤 도움을 줄 수 있는지, 그리고 이를 활용하는 전략으로 AML Compliance Analytics Maturity Model을 소개했습니다. 이번 글에서는 AI와 ML을 도입하기 위한 준비 단계인 ‘데이터 품질’에 이어, 나머지 성숙도 단계를 소개합니다. Level 1. 행동 모델(Behavioral Modeling)
1회. 도입 목적과 범위, AML Compliance Analytics Maturity Model 자금세탁 방지 의무가 있는 대부분의 금융 기관과 기업은 자금세탁 방지와 관련된 컴플라이언스 업무 수행을 위해 막대한 인력, 시간, 비용, 노력을 투자하고 있습니다. 자금 세탁 방지 컴플라이언스는 FATF가 설립된 1989년 이후 자금세탁 방지(AML;Anti-Money Laundering), 테러자금조달 방지(CFT; Countering the Financing of Terrorism), 대량살상무기
최근 금융감독원은 2017년 국내 보이스피싱 피해액이 2,423억원에 달하며, 전년 대비 26% 증가했다고 발표했습니다. 특히 하반기에만 가상화폐를 이용해 148억원이 탈취된 것으로 밝혀지며 논란이 되고 있는데요. 이렇게 IT 기술이 발달함에 따라 신종 자금세탁 수법이 등장하면서 사기 탐지는 더욱 어려워지고 있습니다. 결국 산업에 관계없이 모든 금융 범죄 조사관은 사기 탐지 기술과 전략을 지속적으로 강화하고,
현대 기업에게 금융 사기, 이상 거래 탐지는 분명 어려운 도전과제입니다. 실제 사기 거래 발생률은 낮고 기업 활동의 극히 일부분에 해당되지만, 문제는 적절한 툴과 시스템을 갖추지 않는다면 엄청난 금전적 손실을 야기하는 범죄로 빠르게 이어질 수 있다는 것입니다. 더군다나 금융 사기 범죄자들은 계속해서 새로운 사기 수법을 고안해내고 점차 정교해지고 있는데요. 한가지 좋은
지난 4월, 미국 재무부 산하의 금융범죄단속반 ‘FinCEN(Financial Crime Enforcement Network)’이 북한을 자금세탁 및 테러자금조달 위험 국가로 지정하고, 금융 기관에 주의보를 발령했습니다. 트럼프 행정부가 들어선 이후 첫 발령인데요. 미국 우선주의를 제창하는 트럼프 정부와 고조되는 반테러 정서에 따라 미국 금융 당국의 AML 규제는 더욱 심화될 것이란 업계 전망입니다. 실제 최근 스탠다드 차타드
오탐(False Positive), 자금세탁방지(AML)의 새로운 도전 과제 2016년 2월, 미국 재무부 산하의 금융범죄단속반 ‘FinCEN(Financial Crime Enforcement Network)’은 플로리다 주 지브롤터 프라이빗 뱅크(Gibraltar Private Bank)와 트러스트 컴퍼니(Trust Company)에 자금세탁방지(AML: Anti-Money Laundering) 프로그램의 ‘상당한’ 결함을 이유로 4백만 달러의 벌금을 부과했습니다. 글로벌 금융 업계의 이목은 당시 보고된 여러 결함 중 ‘오탐(false positives)’으로 쏠렸습니다. *오탐(False Positive): 잘못
뉴욕 주 금융 당국(NYDFS), 금융 사이버 보안 규정 발표 최근 미 뉴욕 주 금융서비스국(NYDFS)은 뉴욕의 은행, 보험사, 기타 금융 기관을 대상으로 새로운 사이버 보안 규정을 발표했습니다. 2017년 3월 1일부터 효력을 발휘한 이 규정은 소비자와 금융 서비스 산업 전체를 보호할 사이버 보안 프로그램의 개발과 유지를 골자로 합니다. 이 사이버 보안 지침은 2016년 9월
