homepee.com

INSIGHTS

  • Home
  • Insights
  • FRAUD NEWS

FRAUD NEWSINSIGHTS

FRAUD 관련 뉴스 게시판 입니다.
제목 특별한 사기대처에 필요한 빅데이터 분석

 

특별한 사기 대처에 필요한 빅데이터 분석

 

Katherine Larilee Moore, J.D., M.S 번역: 성태경(경기대교수, CFE) 

 

 







자연 재해, 대규모 비극적 사건, 혹은 집단 소송의 결과로, 피해자 보상금이 즉각적으로 조성되는 경우가 자주 있다. 이 보상금은 피해자를 돕기 위해서인데, 사기의 매력적인 대상이 되기도 한다. 대기업, 보험사, 단체가 피해 성금을 모으면, 사기꾼들은 이런 조직은 사기 피해를 감당할 수 있을 것이라고 믿기 때문에 자기 합리화를 하게 된다. 대규모 보상금의 경우 수많은 거래와 신청건이 있어, 사기꾼들은 이러한 방대한 데이터 속에 자신들의 행동이 감춰질 수 있기를 희망한다. 대규모 지급액의 이러한 매력은 사기꾼을 끌어들이게 된다. 다행스럽게도, 이에 대한 답이 있다. 바로 빅데이터 분석이다.

이러한 분석은 최초 사정인과 최종 검토자와 조사팀의 검토 절차를 간소화할 수 있다. 빅데이터 분석은 다음의 두 가지 종류의 사기를 파악하는데 특히 유용하다: 피해액의 과다/과장 산정과 유령 신청이다.

BP 원유 유출은 빅데이터 분석이 사기 대처의 도구로 어떻게 사용될 수 있는지를 보여준 좋은 사례이다. 원유 유출은 역사상 최대 보상금액을 지급했다. 본인이 사기 청구건을 조사하는 기간 동안 응용한 데이터 분석과 통계적 추세 회귀분석은 최고의 선진 기법을 사용할 첫 기회였다.

 

못받은 봉사료와 BP 원유 유출에 대한 과다 청구 사기

 

피해액의 과다 혹은 과장 산정은 사기 조사나 검토를 담당하는 사람에게는 아주 흔한 일이다. 과다 산정 청구는 아마 최초의 보험 청구에서도 있었을 만한 일이다. 청구인을 배려하는 검토는 동일한 사건에 노출되었어도 전체 집단 내에서 사람마다 각기 다른 피해 유형과 정도를 나타낼 수 있다는 점을 인정한다. 합리적인 차이는 예상할 수 있지만, 황당한 차이는 받아들일 수 없다는 것이다.

 

특히 과다 산정 사기는 유사한 청구건을 나란히 놓고 비교하면 발견할 수 있다. 효과적인 빅데이터 분석은 피해액의 객관적이고, 계량적인 기준을 제공하며, 받아들일 수 있는 차이를 정의하여 준다. 꼼꼼하게 정성적인 검토를 하는 전문지식을 가진 인간의 두 눈을 대체할 수는 없지만, 초기 자료분석 검토는 사정인이 서류를 받기 전에 이례적인 청구건을 발견하거나 범위를 벗어난 청구건을 골라내어서, 시간이 많이 소요되는 검토 작업을 대체할 수 있다.

 

보상금 지급에 있어서 발생하는 과다 산정 사기 사례 중 하나는 소득 손실에 대한 보상을 산정할 때 발생할 수 있다. 이러한 소득 보상에는 번외라고 부르는 청구가 내재되어 있다. 번외 소득은 일반적인 회계기준에는 적용되지 않는 자진신고 소득을 의미하며, 서류상 근거가 미약한 소득이다. 이러한 청구건은 봉사료가 주소득인 서비스 산업에서 많이 볼 있다. 또는 기장하지 않거나 소득과 손실을 직접 보고하는 소규모기업에서도 발생한다. 이러한 두 유형은 어느 나라 경제에서도 중요한데, 이는 주변에서 자연 재해 혹은 인재가 발생하면 가장 큰 피해를 입을 수 있기 때문이다. 이 경우 번외 소득을 인정하고, 피해 보상금을 신속하게 지급하려는 노력을 하게 된다. 이러한 상황은 피해액을 과다 청구하고 소득을 과장 계상하기를 원하는 사람의 이해와 잘 맞물려지게 된다.

 

일반적으로, 소득 보상 사정을 해보면 같은 식당에 근무하는 종업원들은 상당한 기간을 두고 보면 평균적으로 비슷한 수입을 올린다. 그리고 평균 봉사료 대 평균 식당 매출의 비율 역시 상당한 기간을 두고 보면 어느 정도 일정하다. 하루 매출이 1만 달러인 식당이 봉사료와 수입 피해액으로 3천 달러를 청구한다면, 이것은 수입을 과장한 것이다. 어떤 사정인도 이 주장을 의심할 것이며 건실한 사기조사사는 이러한 소득 청구를 식당의 재무지표와 비교하여 그 타당성을 검중할 것이다.

 

어떤 청구인이 하루 매출이 일만 달러인 식당에서 봉사료로 300달러 수입을 올린다고 신고할 수 있다. 하루 300달러의 봉사료는 상당히 잘 되는 식당의 종업원이 올릴 수 없는 황당한 금액은 아니다 따라서 대부분의 사정인이 별 의심을 하지 않을 것이다. 그러나 만약 봉사료 손실액으로 3천 달러를 청구한다면 이는 터무니없는 청구건이라고 인식될 것이다. 하루 3천 달러는 식당이 올리는 하루 매출액의 30%를 차지한다. 그런데도 이러한 사기는 감지하기 어렵고, 사정인에게 경고를 보내지 않을 수 있다. 그러나 자료분석은 이러한 패턴을 인식하고 심층적인 사기 검증이 필요하다는 것을 알려줄 수 있다. BP 원유 유출의 사기 검증을 실시하면서, 본인은 유사한 상황에 처해 있는 청구건들 중에서 각 신고액의 차이가 합리적인 범위로 볼 수 있는 한도를 정의하는 알고리즘을 도출하였다. 이 알고리즘은 정상적으로 정의된 보통의 청구건에서 벗어나 정당성이 부족하고 과다한 액수를 신고한 청구건을 골라내는 데 사용하였다. 이 알고리즘은 종업원 대 고용주 소득 비율, 사업 대 사업 소득 비율, 손익계산서 대 세금신고서 등의 자료를 비교하는데 사용하였다.

 

유령 갑판원과 또 다른 유령 청구

 

아마도 가장 음흉한 유형의 사기는 유령 청구라고 할 수 있다. 조직화된 사기꾼들은 존재하지 않은 개인을 대상으로 거래 처리를 하기 위하여 여러 하수인을 고용하고 있다. 사기꾼은 여러 가지의 가짜 수입 창출 거래를 만들어낸다. 이러한 가짜 거래는 내부에서 공모한 사람들에게는 쉽게 드러날 수 있다. 본인인 방대한 양의 자료를 검토하면서, 거래 기록에서 어떤 패턴을 발견할 수 있었다. 코페르니쿠스라는 이름이 고객 거래파일의 이름, 중간이름, 그리고 때로는 성에서 보통 이상의 빈도로 나타났다. 기본적인 회귀분석을 통하여 대부분의 주민이 슬라빅 언어를 사용하는 중간 규모의 도시에서 코페르니쿠스라는 이름이 나타나는 확률을 파악하였다. 그 결과는 충격적이었다. 사기꾼들은 사정인들이 각 청구건을 서로 연계시켜 검토하지 않을 것이라 생각하였지만, 자료 분석은 이러한 면을 놓치지 않는다.

 

또 다른 유령 청구의 사례는 사기꾼이 존재하지 않은 청구건을 만들어서 신고하는 것이다. BP 원유 유출에서 발생한 청구 신고는 선박 소유주나 선장으로부터 고용을 증명하는 서류만 필요한 손쉬운 것이었다. 이를 알게 된 사기꾼들은 상당한 보상액을 청구하기에는 청구할 인원이 부족하다는 점을 착안하였다. 동시에 여러 선박에서 갑판원으로 일했다는 청구건들이 접수되었다. 어떤 건은 2010년 이전까지 조업하지 않았던 갑판원들이 원유 유출 4개월 전부터 엄청난 어획량을 올린 것으로 보고하였다.

 

추가 자료 분석 결과, 2명의 갑판원이 있던 선박이 이웃, 사촌, 친구에게 매각되고, 이 배에 5명의 갑판원이 고용된 것으로 밝혀졌다. 6개월 후 이 선박은 배우자에게 매각되고, 이 배에 7명의 선원이 고용된 것으로 파악되었다. 2010년 전에 조업하였던 선박에서 갑자기 조업권이 있는 갑판원들이 일하고 있고, 2012년까지 주정부에 신고 되지 않았던 2008년 소득을 신고하였다. 이러한 패턴의 반복이 수많은 청구건에서 지속적으로 나타났다.

 

어업은 주로 여러 세대에 걸쳐 잘 알고 지내온 오랜 친구, 가족, 이웃 간에 서로 조력하여 종사하기 때문에, 개별적으로는 이러한 사기가 밝혀지기 어려울 수 있다. 그러나 새로운 청구 데이터베이스의 다른 정보와 소급 청구된 영수증을 비교 분석하여, 사기가 포함된 청구건을 찾아 내게 되었다.

 

추가 정보 요청에 대하여, 사기꾼들은 보다 지능적이고 조직적으로 대처하기 시작하였다. 결국에는 징구서류도 아닌 소득신고서 등을 제출하였다. 더 많은 서류들이 제출될수록, 비교 분석을 위하여 추가 자료들이 입력되었다. 이러한 자료들을 대상으로 나온 분석 결과는 놀라웠다 청구건들의 상당수가 존재하지 않는 것이었다. 많은 선박들이 새로운 선박의 선원 파일에 등재되기 위해 배우자가 가족들의 명의로 정상거래가 아니게 매각된 것이었다. 경우에 따라서는

선박명이 변경되기도 하였다. 이러한 선박들은 새로운 사업체로 신고하였다. 선장은 소득 손실을 주장하는 갑판원들을 고용하였다. 많은 갑판원들의 청구건들이 같은 주소에 거주하는 다른 청구건들과 같은 이름을 사용하였다. 이점에 의문을 품자, 사기꾼은 우체국 사서함을 이용하고, 새로운 주소와 일치하는 운전면허증을 만들기 시작하였다. 이러한 사기 계획은 수없이 이용되었고, 결국에는 44,000 건이 넘는 가짜 청구건을 만든 기법을 획책하였다. 지속적으로추가되는 자료를 활용하여, 빅데이터 분석과 철저한 정성적인 검토를 통하여 이러한 패턴은 대부분 즉각적으로 파악되고 있다.

 

자료 분석과 많은 헌신적인 조사자들에 의해, 사기행각은 여러 연방조사국과, FBI 국장 루이스 피치가 설립한 세계적인 위기관리 회사인 피치그룹에 보고되어 추가 검토가 이루어지고 있다. 사기꾼들은 이후 법무성에 기소를 위해 넘겨졌다. BP 원유 유출과 같은 대형 사고의 경우, 수 많은 청구건들을 조사하는 것은 거의 불가능하다. 다행히도, 많은 부정조사사들이 빅데이터 분석을 배우고 있고, 방대한 양의 자료 분석이 극복할 수 있는 과제라는 사실을 인식하고 있다.

 

Source: Fraud Examiner, November 2017.

 

 

첨부파일