Yoojin Jeong Receives First Prize at the 2026 Global Data Convergence Leader Program(정유진 석사과정, 2026 글로벌데이터융합리더양성사업 최우수상 수상)
Yoojin Jeong (M.S. student) received the First Prize (Top Excellence Award) at the 2026 Global Data Convergence Leader Program Performance Sharing Conference, organized under the Institute for Information & Communications Technology Planning & Evaluation (IITP).
The Global Data Convergence Leader Program is a joint graduate education initiative involving POSTECH, Seoul National University, and KAIST, with POSTECH participating through the Graduate School of Industrial Data Science (IDS).
Her research, “An Object-Centric Graph Framework for Anti-Money Laundering: Suspicious Fund-Flow Detection and Evidence-Grounded Investigation,” proposes an AML investigation framework that connects suspicious account prioritization with transaction-level evidence reconstruction.
The framework integrates fragmented financial data using Object-Centric Event Log (OCEL) 2.0 and graph-based representations, and combines them with typology-specific behavioral context for suspicious fund-flow patterns such as fan-in and cycle. Compared with a strong graph-feature baseline, the added context consistently improved account prioritization performance, indicating complementary information beyond generic graph representations. The framework further reconstructs transaction- and path-level evidence for prioritized accounts and connects it to an evidence-grounded LLM investigation workflow.
The work was recognized for its end-to-end approach from financial relationship modeling and account prioritization to evidence-grounded investigation.
한글 요약
정유진 석사과정, 2026 글로벌데이터융합리더양성사업 최우수상 수상
본 연구실 정유진 석사과정이 2026년 글로벌데이터융합리더양성사업 성과공유회에서 최우수성과 사례로 선정되어 정보통신기획평가원장상(최우수상)을 수상하였습니다.
글로벌데이터융합리더양성사업은 POSTECH, 서울대학교, KAIST가 공동으로 참여하는 대학원 인재양성 사업으로, POSTECH에서는 산업데이터사이언스(IDS) 대학원이 참여하고 있습니다.
수상 연구인 「An Object-Centric Graph Framework for Anti-Money Laundering: Suspicious Fund-Flow Detection and Evidence-Grounded Investigation」은 금융 거래 데이터에서 자금세탁 의심 계좌의 조사 우선순위를 정하고, 이를 실제 거래 근거 기반 조사까지 연결하는 AML 분석 프레임워크를 제안합니다.
본 연구는 파편화된 금융 데이터를 Object-Centric Event Log(OCEL) 2.0과 그래프 기반 표현으로 통합하고, Fan-in과 Cycle 등 자금흐름 유형에 특화된 행동 맥락을 결합합니다. 강한 기존 그래프 피처 기반 방법과 비교했을 때 이러한 맥락 정보를 추가함으로써 계좌 우선순위화 성능이 일관되게 향상되어, 일반적인 그래프 표현을 보완하는 추가 정보의 효과를 확인하였습니다. 이후 선별된 계좌의 실제 거래 및 경로 근거를 재구성하여 근거 기반 LLM 조사 워크플로우로 연결합니다.
금융 관계의 구조화와 의심 계좌 우선순위화에서 거래 근거 기반 조사까지 연결하는 end-to-end 접근의 우수성을 인정받아 최우수성과 사례로 선정되었습니다.