電子取引が主要になったことで、インターネットを介した不正が多くなっています。不正をいち早く見つけ対応するために、不正検知ソリューションが開発され、不正検知モデルが重要な役割を果たしています。
今回は、不正検知モデルとは何かを解説し、役割やモデルを活用したソリューションをご紹介していきます。セキュリティの強化を考えている企業はぜひ導入を検討してみましょう。
参考：不正検知のソリューションについて以下の記事に仕組み・メリット・デメリットをまとめてあるのでよろしければご覧ください。
目次
不正検知モデルとは？
不正検知モデルとは、不正検知を行うシステム・ソリューションの核を担うものです。不正の識別情報を機械学習させたり、識別に必要なデータを取り込んだりすることで構築され、学習内容やデータに基づいて、検知モデルが不正を検出します。
例えば、不正会計を対象にしたソリューションであれば、会計データや指標などによって構築されています。会計に対して不正がないか判定・スコアリングし、不正会計を明らかにすることができるのです。
もし不正検知モデルがしっかり作成されていなければ、本来検知すべき不正が見逃されるかもしれません。不正検知モデル次第で対象とする不正の範囲や分析項目などが変わってくるので、不正検知の精度を左右する重要なシステムと言えます。
また、不正を検知した後のデータ出力もモデルが担っています。検知した不正をレポート化したり、表・グラフ化したりすることによって、データ管理をスムーズに行うことができます。
PR：不正検知サービスはかっこのO-PLUX、O-MOTION｜累計110,000サイトが導入！EC不正注文検知│不正アクセス検知(不正ログイン検知)
不正検知モデルの役割
不正検知モデルは、不正検知ソリューションの核を担うシステムです。モデルを適切に構成することによって、不正検知の確実性が増します。不正検知モデルが果たす役割や機能をおさえていきましょう。
不正を分析・判別する
不正検知モデルは、不正を分析・判別する役割があります。モデルに設定するルールによって、不正を検知する基準が決められ、取引情報やカード情報などから不正リスクが割り出されます。
クレジットカード決済や金融取引など様々な電子取引に活用されています。主な活用事例は以下の通りです。
・不正購買：購買情報や発送先情報、デバイス情報などが不正を判別
・不正アクセス：デバイス情報やログインIDなどから不正ログインを判別
・虚偽申し込み：デバイス情報などを元に重複申し込み、不正チャージなどを判別
不正リスクの表現の仕方は、ソリューションによって様々です。信頼度を高中低で表したり、リスクをスコア化したりするなど、程度や数値で危険性がわかるようになっています。中には、スコアリングと合わせて、スコアの根拠を示してくれるシステムもあります。なぜリスクが高いのか一目でわかるので、迅速な対応をすることができます。
モデルのカスタマイズで適切なルールを設定できる
不正検知モデルは、ソリューションごとにあらかじめ決められているわけではありません。金融機関や企業、店舗の特性、顧客特性などを参考にして、最適なルールを設定しています。最適化したルールによって、不正の漏れをなくし、精度を高めることができます。
ソリューションによっては、導入後にモデルをカスタマイズすることも可能です。幅広いルールを設定できるソリューションであれば、自社・自店舗に合ったルールを選定することで、よりセキュリティが強固になるでしょう。
正当なユーザーの利用を阻害しない
不正検知モデルは、正当なユーザーと悪質なユーザーを判別することができます。リスクが中程度のユーザーには認証を行う、危険なユーザーは即座にブロックするなど自動で対処してくれます。
従来のセキュリティでは、すべてのユーザーに認証を行うなどによって、正当なユーザーの利便性が損なわれるおそれがありました。不正検知システムでは、リスクがないことを把握した上で普段通りの利用を実現可能です。ユーザビリティを維持することで、ECショップのカゴ落ちや利用者減などを防ぐ効果を期待できます。
不正検知モデルを活用したソリューション
不正検知モデルを活用したソリューションが開発されており、金融機関や店舗などで活躍しています。そこで主なソリューションを7つ厳選してご紹介していきます。
【かっこ株式会社】O-PLUX
かっこ株式会社のO-PLUXは、累計110,000サイト以上の導入実績を持つ不正注文検知サービスです。大手企業のECサイトにも数多く導入され、独自の技術を活かした検知モデルが活躍しています。かっこ株式会社のノウハウと統計分析を組み合わせることにより、詳細なルールを設定し、不正注文を予測・発見できます。国内唯一のリアルタイム不正検知とも知られ、1件あたり数秒で検知するスピードも特徴のひとつです。
その他にも充実した機能が備わっています。端末情報を取得しなりすまし注文の端末を発見したり、不正注文をデータを活用して名寄せしたりできるなど、様々な不正に対応することができます。運用支援がサービスに含まれているので、初めて導入にもうれしい不正検知サービスです。
| 提供会社 | かっこ株式会社 |
| システム名 | 不正注文検知サービス O-PLUX |
| 主な機能 | ・検知モデル・デバイス認証・名寄せ・共有ネガティブDB・外部データの取り込み |
| サポート | ・運用支援 |
| 商品ページ | https://frauddetection.cacco.co.jp/o-plux/ |
【あずさ監査法人】不正リスク検知SUNモデル
あずさ監査法人が法人内で使用している不正リスクSUNモデルは、不正会計を検知するために開発されました。検知モデルを構成するために、不正会計を識別する情報を学習させ、財務データ・指標を取り込むことで、不正リスクスコアを検出することができます。
不正リスクスコアは、経年で変動するスコア推移や同業他社との比較、ランキング表示などもできるようになっています。ひとつのスコアリングではわからない傾向を捉えることができ、より精度の高い不正検知が可能です。
| 提供会社 | あずさ監査法人 |
| システム名 | 不正リスク検知SUNモデル |
| 主な機能 | ・不正リスクのスコアリング・データ取り込み・学習 |
| サポート | – |
| 商品ページ | https://home.kpmg/jp/ja/home/insights/2019/11/balanced-random-forest-20191115.html |
【株式会社 日立ソリューションズ西日本】異常取引モニタリングシステム
株式会社 日立ソリューションズ西日本の異常取引モニタリングシステムでは、検知モデルをエンドユーザ部門で作成することができます。取引や顧客属性などに基づいてモデルを作成できるだけでなく、店舗ごとに検知モデルをシミュレーションすることも可能です。
検知結果の報告に時間がかかっているという事業者にも役立ちます。当局報告連携機能やインポートファイル出力を活用すれば、管理業務の効率化も期待できます。
| 提供会社 | 株式会社 日立ソリューションズ西日本 |
| システム名 | 異常取引モニタリングシステム |
| 主な機能 | ・検知モデルの作成・インターネット取引のモニタリング・取引詳細の照会・検知先の分析機能 |
| サポート | – |
| 商品ページ | https://www.hitachi-solutions-west.co.jp/products/finance/tm/ |
【SAS】Detection and Investigation for Banking
ルール設定やテキストマイニング、データベース検索などSAS独自のアプローチによって、不正検知モデルが構築されます。AIや機械学習も取り入れており、あらゆるデータからリアルタイムに精度の高い検知を可能にします。
多様化する不正に対応できるように、部門・部署をまたいだ総合的な管理も可能です。関連性がわかる図など見える化機能が充実し、新たな手口にも対応できるようになります。データ管理や検知モデル管理、アラート管理など、管理機能も多く、システム運用の効率化、負担軽減にもつながります。
| 提供会社 | SAS |
| システム名 | Detection and Investigation for Banking |
| 主な機能 | ・複数の技術による不正検知・不正リスクを総合的にサポート・データ管理・アラート・検索・ネットワーク分析 |
| サポート | – |
| 商品ページ | https://www.sas.com/ja_jp/software/detection-investigation-for-banking.html |
まとめ
決済や会計などの不正が増えていることを受けて、不正検知ソリューションの導入が進んでいます。ソリューションの核となるのが不正検知モデルであり、ルール設定やカスタマイズによって、精度の高い不正検知を実現します。
不正検知モデルを活用したソリューションも増えているので、不正が起きないよう未然に防いだり、起きたときに迅速に対応できたりする体制を整えましょう。
アクセスから注文まで一貫して対応-かっこの不正検知サービス- 
