小売系クレジット会社 E社様
AI対応PowerCurve®導入事例

小売系クレジットカード会社様における新不正検知システムにAIモデルを採用
～PowerCurve®を採用した不正検知モデルの実装化～

AI/機械学習アプローチによるトランザクション不正検知事例
本稿では実際にエクスペリアンジャパン（エクスペリアン）が実施したクレジットカード会社様(以下、E社)のための不正検知モデルの構築とE社へのシステム実装までの事例をご紹介します。

■ ルールベースからAI/機械学習モデルの導入へ
クレジットカード会社は、一般的にカードの利用時に、そのトランザクションが犯罪者によって不正に実行されていないかどうかを判断しています。E社では今まで米国に本社があるベンダーの不正検知の仕組みを導入していましたが、①不正検知モデルの精度向上、②見逃していた不正検知数の増加、③真正阻害（正常なトランザクションを誤って不正と判断すること）数の減少等を目的とし、エクスペリアンと実証実験を2年に渡って取り組んできました。

■ 高精度の不正検知モデルを構築するためにはノウハウが必須
現在ではAIや機械学習による不正検知モデルの構築は汎用的なプログラムを使うことで誰でも容易に構築することができるようになってきています。不正検知モデルは、全トランザクションの0.01％程度の僅少な不正件数をいかに多く判定できるかに加え、正常なトランザクションに対しては正しく正常であると判定できるかも重要事項となります。このため、不正検知モデルの精度は非常に高いものが要求されます。エクスペリアンでは、昨今の不正傾向を取り込むための変数設計や真正阻害を減少させるモデル構築手法を導入することで、高精度の不正検知モデルの構築を実現、顧客の収益弧状に大きく寄与することができました。

■ 高い実装ハードル – トランザクション不正検知
AIや機械学習モデルは計算ロジックが複雑なため、一般的に実装のハードルが高くなります。加えて、オーソリゼーション回答までの要求時間が0.5秒と短い為、スコアを計算する時間を短縮することも実務を行う上で要求されます。
エクスペリアンが提供するPowerCurve®の機能であるAnalytic Component Extensions (以下、ACE)はこれらの課題を解決しました。
ACEはモデル構築環境をそのまま実装環境へ移行するという設計思想を持っている。実際、本プロジェクトにおける実装は非常に容易でした。
また、外部呼出しを行わないことで高速でのスコアリング処理を実現できました。（1件当たり、0.5秒以内を実現）

■ 広範囲なACEの利用領域
前述の通り、AIや機械学習といった技術により、一定程度の精度の高いモデルの構築は誰でも可能です。但し、折角精度の高いモデルを構築できても実際に実運用することができなければ宝の持ち腐れとなってしまいます。そこで、ACEを使用することにより、既にモデル構築のツールがあれば、その環境を有効活用することができます。また、環境がなくても汎用ツールを使うことで、複雑であっても精度の高いモデルを利用することがリアルタイム処理で実現可能となります。

■ 不正検知のみに留まらないACEの活用範囲
前述の通り、現在、AIや機械学習といった技術の向上により、精度の高いモデル構築をすることは誰でも容易に可能となっています。但し、折角精度の高いモデルを構築できても実際に実運用できなければ宝の持ち腐れとなります。そこで、ACEを使用することにより、分析環境を速やかに実装でき、高精度のモデルをリアルタイム処理で実現できるようにします。

今回、E社様のご協力により、不正検知モデルの研究・開発を進めることができ収益性を高めることに成功しました。エクスペリアンでは全世界で同じような研究や実際の運用をしており、経験や知見を豊富もっています。今後もこのような研究・開発を継続し、引き続き、不正者らお客様をお守りする仕組みと戦略をご提供していきます。