Low Latency 달성을 위한 Event-Driven 기반 실시간 Fraud Detection 설계

Context

기존의 Static Rule Engine 및 Batch Processing 기반 시스템은 트래픽 규모 확장 시 분석 지연과 False Positive 증가라는 한계 노출. 밀리초(ms) 단위의 의사결정이 필요한 현대 결제 시스템에서 사후 분석 중심의 레거시 구조는 사용자 경험 저해의 핵심 원인으로 작용.

Technical Solution

• Transaction → Event Stream → Feature Enrichment → Model Inference → Decision Engine으로 이어지는 In-motion 데이터 파이프라인 구축
• Critical Path 내 Synchronous Dependency를 제거하고 빈번한 데이터의 Caching 및 Feature Precomputation을 통한 Latency 최소화
• 실시간 스코어링을 위한 Lightweight Model과 오프라인 분석용 Complex Model을 분리 운영하는 계층적 모델 전략 채택
• Pure ML의 리스크를 방지하기 위해 Pattern Detection용 ML과 Guardrail 역할을 하는 Rule-based 시스템의 하이브리드 결합
• 시스템 장애 시 거래 차단을 방지하고 Fallback Decision을 제공하는 Graceful Degradation 설계 적용
• 개별 컴포넌트의 독립적 확장이 가능한 Cloud-Native Microservices 구조를 통한 시스템 Resilience 확보