グラフデータベースを使用した不正検出
Published on 28 Aug 2020
銀行や保険会社は、詐欺により毎年数十億ドルを失っています。従来の詐欺検出方法は、こうした損失を最小限に抑える上で重要な役割を果たしています。しかし、ますます巧妙化する詐欺師たちは、協力したり、偽の身元を作成するさまざまな手段を活用したりして、発見を逃れるさまざまな方法を開発しています。グラフ データベースは、詐欺グループやその他の巧妙な詐欺を高い精度で発見する新しい方法を提供し、高度な詐欺シナリオをリアルタイムで阻止することができます。
完璧な不正防止策は存在しませんが、個々のデータ ポイントを超えて、それらを結び付けるつながりに目を向けることで、大幅な改善の機会を得ることができます。多くの場合、これらのつながりは手遅れになるまで気付かれません。これは残念なことです。なぜなら、これらのつながりには、多くの場合、最良の手がかりが含まれているからです。データ間のつながりを理解し、これらのリンクから意味を引き出すことは、必ずしも新しいデータを収集することを意味するわけではありません。
問題を再構成し、グラフという新しい方法で見るだけで、既存のデータから重要な洞察を引き出すことができます。他のほとんどのデータ表示方法とは異なり、グラフは関連性を表現するように設計されています。グラフ データベースは、テーブルなどの従来の表現では検出が難しいパターンを発見できます。不正検出など、さまざまな接続データの問題を解決するためにグラフ データベースを使用する企業が増えています。
この論文では、最も被害の大きい 3 つの詐欺、すなわちファーストパーティ銀行詐欺、保険詐欺、電子商取引詐欺に見られる共通パターンのいくつかについて論じています。これらはまったく異なる 3 つの詐欺の種類ですが、すべてに 1 つの非常に重要な共通点があります。それは、詐欺は、接続された分析によって明らかにできる間接的なレイヤーに依存しているということです。これらの各例において、グラフ データベースは、既存の詐欺検出方法を強化する大きな機会を提供し、回避を大幅に困難にします。
参照: Microsoft との取引でレバレッジを最大化する 4 つの方法
例1:ファーストパーティ銀行詐欺
背景
- 第一者詐欺とは、返済する意思がないままクレジットカード、ローン、当座貸越、無担保銀行信用枠を申請する詐欺師のことです。これは銀行にとって深刻な問題です。
- 米国の銀行は、ファーストパーティ詐欺により毎年数百億ドルの損失を被っており1、これは米国の消費者信用貸倒引当金総額の4分の1以上を占めると推定されています。さらに、米国および欧州の大手銀行の無担保不良債権の10%～20%は誤分類されており、実際にはファーストパーティ詐欺であると推定されています。
- こうした損失の驚くべき規模は、おそらく 2 つの要因によるものです。1 つ目は、ファーストパーティ詐欺の検出が非常に難しいことです。詐欺師は、正当な顧客と非常によく似た行動をとりますが、ついには「脱走」し、すべてのアカウントを空にしてすぐに姿を消します。
- 2 つ目の要因は、詐欺グループの参加者数と、詐欺グループが管理する総ドル価値との関係が指数関数的であることです。これについても後で詳しく説明します。この連続的な爆発的増加は、組織犯罪でよく利用される特徴です。
- しかし、この特性により、これらのスキームは潜在的に非常に有害になる一方で、グラフベースの詐欺検出方法に対して特に影響を受けやすくなります。
