영국 FCA, 양자머신러닝 AML 탐지 성능 검증…고전 시스템 비교

QEG 설립 배경과 목적

FCA는 금융 범죄 탐지 분야에서 양자 컴퓨팅의 실질적 활용 가능성을 규제 기관 차원에서 직접 검증하고자 QEG를 출범시켰다. 이 그룹은 금융회사, 양자 기술 공급자, 국립 연구소 등 다중 이해관계자가 참여하는 구조로 설계됐다. 단순한 기술 시연에 그치는 것이 아니라, 고차원 거래 데이터 구조에서의 분류 알고리즘 성능 측정과 규제 감독에 필요한 알고리즘 설명 가능성, 거버넌스 기준, 운영 복원력 등 감독 함의까지 포괄하는 것이 특징이다.

합성 데이터셋 도입으로 데이터 거버넌스 문제 해결

양자 알고리즘을 금융 범죄 탐지에 적용할 때 가장 큰 걸림돌 중 하나는 데이터 거버넌스 문제다. 금융 기관은 법적 기밀 유지 의무로 인해 실제 거래 기록을 외부 공급자와 공유하기 어렵다. FCA는 이를 해소하기 위해 실제 거래 패턴을 반영한 합성 데이터셋을 자체 개발해 공통 기준선으로 제공한다. 이를 통해 개인정보 노출 없이 양자 아키텍처—파라미터화 양자 회로(parameterized quantum circuits), 양자 신경망(quantum neural networks) 등—와 고전적 머신러닝 파이프라인을 동일 조건에서 비교 평가할 수 있게 된다.

평가 지표와 기술 범위

QEG의 성능 평가는 분류 정확도와 거짓 양성률(false-positive rate)을 중심으로 이루어진다. 금융 범죄 탐지에서 거짓 양성은 불필요한 조사 비용과 고객 불편으로 직결되기 때문에 이 지표는 현실 적용성 판단에 핵심적이다. 평가 대상 알고리즘의 설명 가능성도 중요한 축을 이루는데, 이는 금융 규제 환경에서 의사결정 근거를 명확히 제시해야 하는 요건과 맞닿아 있다.

영국 양자 인프라와의 연계

이번 이니셔티브는 영국 국립양자컴퓨팅센터(NQCC)가 수행 중인 연구·벤치마킹 프로그램과 상호 보완 관계를 형성한다. FCA가 금융 규제 관점의 사용 사례를 직접 정의하고 검증하는 역할을 맡으면서, 영국의 양자 기술 생태계 내에서 공공 기관 간 역할 분담이 구체화되고 있다.

한계와 전망

QEG는 아직 개념 검증 단계에 해당하며, 합성 데이터 기반 실험의 결과가 실제 운영 환경에서 그대로 재현될지는 별도의 검증이 필요하다. 양자 하드웨어의 오류율과 현재 큐비트 수 제약을 고려할 때, 대규모 실거래 데이터를 처리하는 수준까지 도달하려면 상당한 시간이 소요될 것으로 보인다. 그럼에도 규제 기관이 선제적으로 양자 기술 평가 프레임워크를 구축하는 사례는 드물어, 향후 타국 금융 감독 당국의 참조 모델이 될 가능성이 있다.