영국 기반의 금융 슈퍼 앱인 Curve는 대규모 금융 범죄에 직면해 있습니다. 기존의 사기 탐지 시스템은 복잡한 상호 연결성을 보이는 조직적인 사기 단체에 어려움을 겪습니다. 이를 해결하기 위해 Curve는 Google Cloud와 협력하여 BigQuery Graph를 구현하여 심층적인 네트워크 분석을 수행했습니다. 사기를 식별하려면 계산 비용이 많이 들고 표준 SQL로는 확장하기 어려운 다중 홉 관계를 이해해야 합니다. Curve는 BigQuery Graph로 네트워크 분석을 전환하고 네이티브 Graph Query Language(GQL) 지원을 활용했습니다. 이를 통해 기존 BigQuery 환경 내에서 데이터를 유지할 수 있어 시간과 비용을 절약했습니다. 결제 생태계를 속성 그래프로 모델링함으로써 Curve는 아키텍처를 단순화하고 직관적인 GQL을 사용하여 패턴 매칭을 수행합니다. 이제 수십억 개의 연결을 효율적으로 탐색하고 표준 SQL 및 머신러닝 워크플로우와 데이터 분석을 통합할 수 있습니다. 이러한 통합은 상당한 재정적 영향을 가져왔으며, 2025년 거래 손실에서 1,200만 달러의 절감 효과가 예상됩니다. 그래프 기반 쿼리는 사기 사용자 식별에서 약 72%의 정확도를 달성하여 사기 조사관이 높은 확실성의 사례에 집중할 수 있도록 합니다. GQL 채택은 사기 규칙을 간소화하고 머신러닝 모델의 탐색 속도를 높였습니다. Curve는 현재 실시간 탐지 루프와 네이티브 그래프 시각화를 탐색하여 사기 완화 전략을 더욱 강화하고 있습니다.