FraudShield AI는 LSTM의 시계열 분석과 수작업 그래프 위상 특징을 결합해 스머핑·레이어링 같은 정교한 자금세탁 패턴을 탐지하는 하이브리드 프레임워크다. PageRank 중심성, In-Degree 동태, 자체 설계한 Flow Ratio 등 네트워크 중심 특징을 도입해 개별 거래 분석에서 네트워크 수준 포렌식으로 탐지 패러다임을 전환했다. 사기 비율 0.13%의 극단적 데이터 불균형은 Focal Loss로, 저액 스머핑 공격에는 동적 임계값 기법으로 대응한다. PaySim 데이터셋 실험에서 로지스틱 회귀·XGBoost 기준선을 정밀도·재현율·F1 모두에서 크게 앞섰고, 특히 탐지가 어려운 소액 거래 사기에서 강점을 보였다. 금융기관의 AML 시스템에 시계열과 네트워크 구조를 함께 반영하는 실용적 설계를 제시한다.

• •LSTM 시계열 분석 + 그래프 위상 특징 결합으로 개별 거래가 아닌 네트워크 수준 자금세탁 탐지
• •PageRank 중심성, In-Degree 동태, 자체 Flow Ratio 등 네트워크 중심 특징 설계
• •사기율 0.13%의 극단적 불균형에 Focal Loss, 저액 스머핑에 동적 임계값으로 대응
• •PaySim 실험에서 로지스틱 회귀·XGBoost 대비 정밀도·재현율·F1 전반 우위, 소액 사기에 특히 강점