알고리즘 엔지니어 at Lbank

직무 설명

주요 책임

• 사기 네트워크 탐색 및 그래프 분석: 그래프 신경망(GNN) 및 기타 알고리즘을 활용하여 대량의 거래 행동 및 온체인 데이터를 분석, 온라인 사기 정보 및 고위험 주소 네트워크를 식별하고 모니터링합니다.
• 위험 관리 전략 지원 및 위험 예측: AI를 활용하여 위험 관리 규칙 정리, 전략 최적화, 기존 위험 관리 규칙의 취약점 자동 식별 및 잠재적 위협을 방지하기 위한 선제적 위험 예측 모델 개발을 지원합니다.
• 시장 조작 및 비정상적 거래 탐지: 세탁 거래, 대량 주문 조작, 스푸핑, 펌프 앤 덤프, 프런트 러닝과 같은 비정상적 거래 행위에 대한 고성능, 저지연 실시간 모니터링 및 차단 모델을 구축합니다.
• 실시간 사기 방지 및 하이브리드 아키텍처: 전통적인 머신러닝과 대형 모델 의도 인식을 결합한 실시간 위험 관리 파이프라인을 구축 및 최적화하여 P2P 사기 및 비정상적 거래 그룹을 정확하게 차단, 금융 손실을 줄입니다.
• 자동화된 위험 관리 자료 검토: 멀티모달 검토 파이프라인을 개발하여 자료 자동 해석 및 교차 검증을 달성합니다.

직무 요구 사항

• 컴퓨터 과학, 통계학, 수학 또는 관련 분야의 학사 이상 학위(석사 우대), 위험 관리 알고리즘 분야에서 5년 이상의 경력.
• 강력한 데이터 감각과 독립적으로 문제를 정의하고 실행을 주도할 수 있는 능력.
• Python 및 SQL에 능숙하며, 대규모 데이터 처리(Hive/Spark) 경험 보유.
• 머신러닝에 대한 탄탄한 기초, 특징 공학 및 종단 간 모델 최적화에 익숙함.
• 사기 네트워크 탐색 및 그룹 식별을 위한 그래프 알고리즘 경험.
• 행동 이상 탐지를 위한 시퀀스 모델에 대한 지식.
• 실시간 시스템(Flink/Kafka) 경험 및 온라인 추론 파이프라인 설계 이해.
• 다음 비즈니스 로직 및 적대적 진화 시나리오 중 최소 하나에 익숙함:
  • 사기 대응(예: 보너스 남용, 가짜 계정, 대량 공격)
  • 거래 감시(예: 세탁 거래, 스푸핑, 펌프 앤 덤프)
  • P2P 사기 방지 / AML 규정 준수

우대 사항

• 온체인 주소 분석 및 자금 추적 경험(예: Chainalysis, TRM).
• LLM 기반 위험 관리 실무 경험(예: 의도 인식, 멀티모달 검토, RAG 기반 Q&A, 워크플로 오케스트레이션).
• 위험 관리 규칙 엔진 또는 전략 플랫폼 설계 경험.
• 주문장 메커니즘 및 시장 미세 구조에 대한 이해.
• 최상위 거래소 또는 대형 핀테크 플랫폼의 위험 관리 부문 경력.
• KDD, AAAI, WWW 등 최상위 학회 논문 발표 경력.

혜택