AIと機械学習による不正検出–ビジネスを保護するための仕組み

公開: 2020-06-22

サイバーセキュリティの専門家は、開発者やアナリストと協力して、詐欺に対する完全な保護システムを構築しようとしていますが、被害者の数と成功した試みは増え続けています。 データの痕跡を残して、より多くのアクションを実行するほど、不正なスキームを成功させるために必要なすべての情報を収集することが容易になります。 以下のインフォグラフィックは、現在の画像を反映しています。

明らかに、過去数年間の方法は効果的ではなくなっています。 AIと機械学習による不正検出でさえ、魔法の薬でも、保護の絶対的な保証でもありません。 ただし、現時点でこれ以上優れたものは発明されていないため、MLソリューションと不正検出分析によってビジネスの安全性が高まり、顧客がサービスに自信を持てるようになる方法を学ぶことは理にかなっています。

機械学習による不正検出とは何ですか？

機械学習を使用して不正を検出するという概念そのものは、合法的な行動と違法な行動には異なる特性があるという考えに基づいています。 さらに、これらの兆候は人間の目には完全に見えない可能性があります。

不正を認識するための機械学習システムは、正当な操作に関する知識から始まり、この知識をリアルタイムで発生するイベントと比較し、特定のアクションの有効性または違法性について結論を導き出します。 これがどのように見えるかです。

不正検出–ビジネスセキュリティのための機械学習ソリューション

実際、ビジネスセキュリティは氷山の一角にすぎません。 または集合名詞。 機械学習システムは、あなたのビジネスにあなたが思っている以上のものを与えることができます。

  • カスタマーエクスペリエンスの向上

    機械学習自体は、ユーザーエクスペリエンスを向上させるための非常に強力なツールです。 スマートシステムは、ユーザーの行動に基づいてユーザーを理解し、予測し、カスタマイズし、目標を達成することを学びます。 また、不正な試みからユーザーを保護します。

    最も簡単な例は、クレジットカード詐欺の検出です。 高度なオンラインバンキングシステムでは、クライアントの個人アカウントを入力したり、行動パターンが詐欺の可能性を示している場合はお金を管理したりすることはできません。 この場合、ユーザーエクスペリエンスの向上は、ユーザーが不正な試みから可能な限り保護されているというユーザーの信頼を意味します。

  • データ保護

    ハーバードビジネスレビューの調査によると、調査対象のユーザーの90％が、顧客の個人データに対する企業の注意深い態度は、顧客に対する真の態度を示していると述べています。 言い換えれば、ユーザーの忠誠心を勝ち取りたいのであれば、データに対する慎重な態度とその包括的な保護が役立つ可能性があります。

    機械学習システムは、データがどのように保存、収集、使用されているかを追跡できます。一般的に、手順はGDPRにどの程度準拠していますか。 ユーザーデータを処理する潜在的な不正または異常なアクションが検出された場合、システムはアラームを送信します。

  • 不正なRTO、プロモーションコードの乱用、およびチャージバックの排除

    詐欺師は先験的に賢い人々です。さもなければ、彼らはうまくいく計画を思い付くことができません。 小売業に関しては、これは非常に魅力的な業界です。なぜなら、売り手を欺くために立派な買い手になりすますことが常に可能だからです。

    機械学習システムは、意図の段階でもこれらの試みを阻止できます。たとえば、ユーザーが疑わしいIPで注文を開始した場合、これは不正なスキームですでに認識されています。

  • 金銭的損失と評判の問題の防止

    不正な試みが成功すると、金銭と評判が失われます。 評判よりもお金を返す方がはるかに簡単です-これはまさにあなたが危険を冒してはならないことです。 逆説的ですが、実際には逆のことが当てはまりますが、これが評判を損なうことを恐れているため、一部の企業は詐欺に立ち向かうことを拒否しています。

    不正な対応戦略が欠如していると、あなたの評判が最も損なわれます。 そして、これはほとんどの現代のユーザーの意見です。

不正検出機械学習のベストプラクティスは何ですか

では、機械学習システムは、違法な攻撃に対して高レベルの保護を提供するためにどのように機能するのでしょうか。

  • リアルタイムの異常検出

    ルールベースのシステムは、お金がすでに盗まれたときに詐欺を検出しました。 最新のシステムは、絶えず変化するデータをリアルタイムで処理するため、意図的な段階でも不正な試みを捕らえることができます。 仕組みは次のとおりです。

（また読む：アフィリエイトマーケティング詐欺：それを防ぐ方法）

  • 行動分析

    ユーザーの行動に関しては、この場合、モデルは特定のユーザーの典型的なアクションと異常なアクションを認識するようにトレーニングされています。 他の要因の組み合わせによる異常なアクションは、たとえば、ユーザーが別の国または都市で多額の現金を引き出した場合など、不正な試みの兆候である可能性があります。

  • ディープラーニング

    この場合、ニューラルネットワークを開発する必要があり、分析のために非常に大量のデータも必要です。

AIML FDでカバーできる不正シナリオの種類は何ですか？

Eコマース健康管理銀行
  • RTOおよびプロモーションコードの不正使用防止：

システムは、オンライン詐欺の試みについて許可された人に通知するために、疑わしいIPアドレスとシステムで実行されたアクションを追跡できることはすでに述べました。

  • 薬物とレシピの乱用防止：

これは、システムが処方箋や薬の発行に責任を持つ人々の行動を監視し、目に見えない原因と結果の関係を見つける必要がある場合です（たとえば、高価なまたは麻薬の薬による詐欺についての医師と薬剤師の陰謀）。

  • マネーロンダリングとテロ資金供与の防止：

銀行と国家の管理なしにお金を循環させることはできません。 これは、マネーロンダリングやテロ資金供与に類似したパターンを検索するように特別に設計されたシステムが、これらの犯罪を解決し、透明性のある銀行システムを構築するのに大いに役立つことを意味します。

  • モバイル詐欺防止：

モバイルショッピングの人気は、アカウントの盗難から友好的な詐欺までさまざまな形をとるモバイル詐欺の台頭につながっています。 この場合、スマートアルゴリズムは、モバイルデバイスからコミットされたユーザーのアクションを監視し、スマートフォン（またはアカウント）が正当な所有者の手にあるかどうかを判断します。

  • クレジットカード詐欺の検出：

これは最も一般的なタイプの詐欺であり、最近、カードを提示しない詐欺が勢いを増し始めています。 リアルタイムの不正検出システムは、お金が盗まれる前に、試みや意図を検出するのに役立ちます。

  • ローンの問題の検出：

この場合、システムは潜在的な借り手に関するデータを収集し、ローンを発行するリスクについて結論を出します。

  • 医療データ保護：

闇市場では医療データは非常に高価であり、医療機関は患者の生活と同じように責任を持ってデータを保護する必要があります。 機械学習システムは、ハッキングの試みを識別してブロックすることができます。

ML不正検出ソリューションの実装にはどのくらいの費用がかかりますか？

実際、このようなソリューションのコストの概算は、ビジネスとそのニーズを徹底的に分析した後でのみ可能です。

  • スイッチング/統合コスト

    ビジネス向けに特別に開発されたカスタムAIソリューションに切り替える場合、平均で6000ドル以上かかる場合があります。 サードパーティのMLソフトウェアをビジネスに統合する場合、最高点として年間40000ドルかかる場合があります。

  • 実装するデータセット

    Ravelinの調査によると、「機械学習は不正防止の特効薬ではありません。 機械学習モデルが正確になるには、かなりの量のデータが必要です。 一部のマーチャントでは、初期ルールの基本セットを適用し、モデルがより多くのデータで「ウォームアップ」できるようにすると便利です。

    言い換えれば、不十分なデータは、機械学習の導入に対する深刻な制限となる可能性があります。 一方、関与する必要のあるデータが多いほど、ビジネスのソリューションはより高価で技術的に複雑になります。

結論

企業にとっての機械学習の機会は、不正を検出する機能に限定されません。 機械学習と人工知能は、より楽しいユーザーエクスペリエンス、有用なデータベースの洞察、そしてより最適化された倫理的なビジネスに関するものです。 これは、近い将来、ビジネスプロセスに実装する必要があるものです。

***

Helen Kovalenkoは、NLP、コンピュータービジョン、不正検出のデータサイエンスチームで働くITプロジェクトマネージャーです。 LinkedInでHelenとつながりましょう。