숫자로 증명된 성과

HEADLINE METRICS

TTA 품질검증 핵심 결과

「093. 금융 합성 데이터」 데이터셋이 받은 공식 검증 결과입니다. (결과서 PDQ-2023-093-117)

매우우수

종합 평가등급

TTA 품질검증 최고 등급 (90점 이상)

PASS · 전 항목 목표 충족

100%

구조 정확성

구문·구조 정확도 (목표 99.5% 이상)

달성

0.003

분포 유사도 (JSD)

개인·기업 CB정보 — 목표 0.4 이하

목표 대비 99% 우수

13종

합성 데이터 종 수

데이터 다양성 (목표 10종 이상)

달성

OFFICIAL CERTIFICATE

제3자 공인기관이 직접 검증했습니다.

자체 측정이 아닌, 한국정보통신기술협회(TTA)의 인공지능 학습용 데이터 품질검증 결과입니다.

TTA한국정보통신기술협회

인공지능 학습용 데이터
품질검증 결과서

Telecommunications Technology Association

결과서 관리번호

PDQ-2023-093-117

과제명

093. 금융 합성 데이터

데이터셋명

093-117 금융 합성 데이터

사업 기간

2023.07.01 ~ 12.31

종합 평가등급

매우우수

90점 이상 · 최고 등급

QUALITY SUMMARY

[표1] 품질검증 결과 요약

품질특성별 측정 지표와 정량 목표, 그리고 실제 측정 결과 — 모든 항목이 목표를 충족했습니다.

QUALITY METRICS

품질특성	측정 지표	정량 목표	측정 결과	충족
형식 정확성	정확도	99.5% 이상	99.5%+	✓ 달성
의미 정확성 합성 데이터 정확성	Difference in pair-wise correlation	0.7 이하	충족	✓ 달성
	Jensen-Shannon Divergence (JSD)	0.4 이하	충족	✓ 달성
	Pairwise Mean Squared Error (pMSE)	0.2 이하	충족	✓ 달성
다양성 (요건)	합성 데이터 종 수	10종 이상	13종	✓ 달성
구문 정확성	구조 정확성	99.5% 이상	100%	✓ 달성

지표 결과 · 데이터별 (의미 정확성)

데이터셋	JSD (≤ 0.4)	pMSE (≤ 0.2)	Corr.diff (≤ 0.7)	충족
09. 개인 CB정보	0.003	0.061	0.036	✓ 달성
10. 기업 CB정보	0.003	0.004	0.033	✓ 달성

측정 지표가 정량 목표를 크게 밑돌수록(0에 가까울수록) 합성데이터가 원본의 통계·관계 구조를 충실히 재현했음을 의미합니다.

HOW WE MEASURE

각 지표는 무엇을 의미하나요?

TTA 결과서에 명시된 지표 정의를 그대로 옮겼습니다.

01

Jensen-Shannon Divergence (JSD)

두 확률 분포 간의 유사성을 측정합니다. 0에 가까울수록 원본과 합성 분포가 유사함을 의미합니다.

목표 0.4 이하 · 결과 0.003

02

Pairwise Mean Squared Error (pMSE)

두 데이터 세트 간의 차이를 측정합니다. 값이 낮을수록 모델 성능이 좋다는 의미입니다.

목표 0.2 이하 · 결과 0.004~0.061

03

Correlation Difference

두 데이터 세트 간 변수 쌍(pair of variables)의 상관 관계 변화 또는 차이를 설명합니다.

목표 0.7 이하 · 결과 0.033~0.036

PUBLIC DATASET

AI Hub에 공개 등재된 데이터셋

검증을 통과한 「금융 합성 데이터」는 국가 AI 통합 플랫폼 AI Hub에 공개되어 활용되고 있습니다.

NEW금융 합성 데이터

분야 : 금융 · 유형 : 텍스트 · 구축년도 : 2023 · 갱신년월 : 2024-12

출처 · AI Hub

24,008

조회수

1,395

다운로드

14.44 GB

데이터 용량

13종

합성 데이터

2023

구축년도

#합성#마케팅#위험관리#상품개발#은행#카드#펀드

특징 1 · PRIVACY BY DESIGN

처음부터 끝까지 개인정보를 보호합니다.

민감정보는 자동으로 탐지·제거하고 통계적 유용성은 그대로 — 위험은 없애고 인사이트는 남깁니다.

재식별 위험 0.01% 미만 제어 민감정보 자동 탐지 및 완전 제거 개인정보보호법 준수

BEFORE

원본 데이터 — 개인정보 그대로 노출

이름	주소	전화번호
김민준	서울 강남구 테헤란로 123	010-2345-6789
이서연	부산 해운대구 센텀로 45	010-3456-7801
박지호	인천 연수구 송도대로 78	010-4567-8912

개인정보 노출 위험

AFTER

합성 데이터 — 실제처럼 보이지만 실제가 아님

이름	주소	전화번호
정우진	서울 마포구 양화로 56	010-8821-3047
한소율	대전 유성구 대학로 90	010-6145-8830
오재현	광주 서구 상무대로 21	010-4063-2095

프라이버시 보호 · 인사이트 유지

특징 2 · 원본보다 더 학습이 잘 되는 데이터

Transformer 기반 카드 매출 합성데이터 생성 구조

조건 벡터와 노이즈 벡터를 활용해 실제 카드 매출데이터와 유사한 합성데이터를 생성·검증하는 프로세스입니다.

GAN · Diffusion · Transformer 데이터 유형별 최적 모델 자동 선택 노이즈 제거로 AI 학습 최적화

입력 데이터 예시

매출일자	전표일련번호	고객ID	발급카드번호	매출금액	업종	가맹점번호	승인번호	승인일자	승인금액
2019-03-08	2019030866940000	8500-2398-46123	C26854586005	9,700	편의점	93844133470	2843392	2019-03-07	9,700
2019-03-08	2019030868530000	8507-2398-46124	C87003045005	8,000	일반음식점	90972753018	63524943	2019-03-07	8,000
2019-03-08	2019030869800040	850A-2398-46125	C55192686005	12,050	편의점	91826274018	91778823	2019-03-07	12,050

1입력 구성

2생성 모델

3데이터 생성 및 비교

4평가 및 판별

5결과 출력

카드구분체크·신용표준업종코드

100000⋯

⊕

합성데이터
생성기

컨디션 벡터

특정 조건이나 클래스 레이블에 따라 데이터를 생성할 수 있게 함
범주적 특성을 반영하여 생성기 입력으로 사용
모델이 특정 조건을 충족하는 데이터를 생성하도록 유도

D-차원 노이즈 벡터

임의성을 추가하여 다양한 데이터를 생성할 수 있게 함

합성데이터 생성기

실제 데이터와 유사한 합성데이터 생성

Transformer (역방향)

Positional
Encoding⊕입력층

N회 반복

Multi-Head
AttentionAdd &
Norm···Feed
ForwardAdd &
Norm

출력층

순차 통과

Transformer (정방향)

Positional
Encoding⊕입력층

N회 반복

Multi-Head
AttentionAdd &
Norm···Feed
ForwardAdd &
Norm

출력층

합성된 카드 매출데이터로 출력

Transformer

셀프 어텐션(self-attention)으로 시퀀스 내 요소 간 관계를 파악
병렬 처리로 시퀀스 요소를 동시에 처리 가능
Positional Encoding으로 순서 정보를 반영

실제 카드 매출데이터

매출일자	승인일자	승인금액
2019-03-08	2019-03-07	9,700
2019-03-08	2019-03-07	8,000
2019-03-08	2019-03-07	12,050
…	…	…

합성된 카드 매출데이터

매출일자	승인일자	승인금액
2019-03-08	2019-03-07	9,600
2019-03-08	2019-03-07	8,200
2019-03-08	2019-03-07	11,950
…	…	…

100000⋯

컨디션 벡터

실제 데이터를 판별기 입력으로 변환

판별기

0합성1실제

분류기 /
회귀분석

확률 벡터

p0p1⋮pn

판별기입력된 데이터가 실제인지 가짜인지 판별

합성데이터 활용모델 학습 / 검증

데이터 품질 리포트

모니터링 및 개선

조건 정보 흐름컨디션 벡터

무작위성 주입노이즈 벡터

데이터 생성 흐름모델 출력

비교/학습 피드백모델 개선

평가/판별 흐름

최종 결과 활용의사결정 지원

특징 3 · 복잡한 절차 없이 바로 사용

온프레미스 올인원, 3계층 플랫폼

서비스 · 핵심엔진 · 기반 인프라 — 정제부터 생성·차등정보보호·검증, 온프레미스 배포까지 하나의 스택으로 통합되어 있습니다.

고객 환경에 직접 설치 전처리-생성-검증 자동화 MLOps 기반 반복 실험 지원

서비스
Layer

합성데이터 생성 서비스 (확장 및 커스터마이징 영역)

기업신용
평가정보

개인신용
평가정보

사기탐지용
증강데이터

신용카드
사용내역

의료/헬스케어
합성데이터

···

신규 개발 (예시)공공기관
합성데이터

대화형 데이터 분석 서비스 (Add-on 영역)

자연어
질의응답

인사이트
추출

RAG기반
응답

시각화
자동 생성

핵심엔진
Layer

데이터 정제모듈 : 이상치제거, 데이터 노이즈 제거, 중복데이터 제거, 데이터 변환 등

데이터 분석모듈 : 데이터 분포분석, 패턴분석, 변수간 관계 추출, 컬럼별 데이터 분포

합성데이터 생성 모듈 : CTGAN, CTABGAN+, VAE, Diffusion, Transformer 등

품질최적화 : Feature-Level Contrastive Learning (FLCL), Feature Engineering

차등정보보호(DP) : DP-SGD, Privacy Budget (ε<5), Noise 최적화

시각화 / 검증 모듈 : 분포시각화, 성능측정(유사도, AUC-ROC 등), 생성보고서 등

대화형데이터 분석 : NL2SQL, RAG (Retrieval-Augmented Generation), 근거 중심 응답, 자동 리포팅 (PDF/HTML/Excel 형식 리포트 자동 생성), SQL/Python 코드 자동 실행

기반 기술
인프라

MLOps 파이프라인 (전처리, 학습모델, 학습, 튜닝, 평가/검증, 배포, 추론 관련 툴)

학습 실행환경

추론 실행환경

프레임워크
(확장가능)

TensorFlowPythonMLlibPyTorchMXNetCaffe2···

백엔드 API

FastAPI · RESTful API

FrontEnd

React · TypeScript

배포환경

Docker Compose(온프레미스) · Kubernetes(클라우드)

공인기관 품질검증으로
'매우우수' 등급을 받은 성능.

TTA 품질검증 핵심 결과

제3자 공인기관이 직접 검증했습니다.

인공지능 학습용 데이터
품질검증 결과서

[표1] 품질검증 결과 요약

각 지표는 무엇을 의미하나요?

Jensen-Shannon Divergence (JSD)

Pairwise Mean Squared Error (pMSE)

Correlation Difference

AI Hub에 공개 등재된 데이터셋

처음부터 끝까지 개인정보를 보호합니다.

Transformer 기반 카드 매출 합성데이터 생성 구조

컨디션 벡터

D-차원 노이즈 벡터

합성데이터 생성기

Transformer

온프레미스 올인원, 3계층 플랫폼

데이터의 검증 방법을 상담해보세요.

공인기관 품질검증으로'매우우수' 등급을 받은 성능.

TTA 품질검증 핵심 결과

제3자 공인기관이 직접 검증했습니다.

인공지능 학습용 데이터품질검증 결과서

[표1] 품질검증 결과 요약

각 지표는 무엇을 의미하나요?

Jensen-Shannon Divergence (JSD)

Pairwise Mean Squared Error (pMSE)

Correlation Difference

AI Hub에 공개 등재된 데이터셋

처음부터 끝까지 개인정보를 보호합니다.

Transformer 기반 카드 매출 합성데이터 생성 구조

컨디션 벡터

D-차원 노이즈 벡터

합성데이터 생성기

Transformer

온프레미스 올인원, 3계층 플랫폼

데이터의 검증 방법을 상담해보세요.

공인기관 품질검증으로
'매우우수' 등급을 받은 성능.

인공지능 학습용 데이터
품질검증 결과서