2023.06.14

トップ10ユースケース: 不正検知 #Neo4j #FraudDetection #ユースケース

この記事は1年以上前に投稿されました。情報が古い可能性がありますので、ご注意ください。

本ブログは、「Neo4j」社の技術ブログで2021年1月18日に公開された「Top 10 Graph Database Use Cases: Fraud Detection」の日本語翻訳です。

グラフテクノロジーは未来です。グラフデータベースは、データ間の関係を効果的に保存するだけでなく、新しい種類の関係を追加したり、新しいビジネス要件にデータモデルを適応させたりする柔軟性も備えています。

しかし、現在、企業はどのようにグラフデータベースを使用して、困難な問題を解決しているのでしょうか？このブログシリーズでは、グラフテクノロジーのトップ10のユースケースを取り上げ、それぞれについて実際の事例を紹介します。今回は、多くの企業、特に金融サービス業界にとって難しいデータの関連性の問題、すなわち不正検知について取り上げます。

ユースケース：不正検知

銀行や保険会社は、毎年何十億ドルもの損失を不正行為によって被っています。従来の不正検知方法は、誤検知や見落としの可能性がある個別分析を行っているため、これらの損失を最小限に抑えることができないことが多いです。このため、不正行為グループや犯罪者たちは分析の弱点を突くさまざまな方法を開発しています。

グラフテクノロジーは、高度な関連性分析によって、犯罪組織やその他の複雑な不正行為を高い精度で発見する新しい手法を提供します。その結果、不正検知用グラフデータベースは、高度な不正シナリオをリアルタイムで阻止することができるようになりました。

他のデータ表現とは異なり、グラフは関連性を表現するように設計されています。グラフテクノロジーは、表などの従来の表現では発見が困難なパターンを発見することができます。不正検知を含む様々なデータの関連性の問題を解決するために、グラフデータテクノロジーを使用する企業が増えています。

活用例：フォーチュン500に選ばれた金融サービス企業

フォーチュン500に選ばれた金融サービス企業では、取引を承認する前に、膨大なデータを収集してリルタイムに分析します。これらの取引の承認要求（リクエスト）は、大部分が不正検知システムによって自動的に即座に承認または拒否されます。しかし、一部の判断が難しいリクエストは、アナリストが人の手でチェックすることになります（そして、その一部リクエストは毎日1万件にもなります）。

アナリストは、関連するすべてのデータを網羅できる専用のトランザクション・レビューツールを使用しています。Neo4jを使用する前は、アナリストはMicrosoft SQL Serverのデータベースを照会し、顧客の履歴を探索して、不正行為の有無を確認する必要がありました。

「1つの履歴を確認するのに5分以上かかっていました。しかも、アナリストは毎日1万件もの取引履歴を確認しなければならないので、これは持続可能ではありませんでした。また、リレーショナルデータベースは、関連性の分析を行うのに適したソリューションではないため、データベースに大きな負荷をかけていました。」と、同社の不正検知ソリューション担当プロダクトマネージャーは述べています。

同社は、データをより効率的に分析する方法を見つけ、取引の承認を待っている顧客とアナリストの両方の時間を節約する必要がありました。具体的には、不正検知クエリの処理にかかる時間を短縮し、アナリストにシンプルなデータの可視化を提供する必要がありました。そこでNeo4jに出会ったのです。Neo4jは、接続されたデータとデータの可視化によってリアルタイムな結果を提供し、アナリストがより速く、より正確な意思決定を行えるようにします。これにより、より広範な検索が可能になり、現在の4レベルの深さまでのデータの関連性の調査を、将来的には10レベルまで深掘りすることを目指しています。

また、アナリストはデータ間のクラスターや関係性に気づき始め、これまで気づかなかった新たな不正の可能性を発見することができました。これにより、より正確でリアルタイムの不正検知が可能になりました。

Neo4jによるデータの可視化により、アナリストが手作業で行っていたレビュー時間が半分に短縮され、不正な取引をより早く停止し、不正でない顧客の待ち時間を短縮することが可能になりました。さらに、当初のデータ可視化のユースケースをはるかに超える可能性が見えてきました。

同社は現在、Neo4jをリアルタイム不正検知システムに統合し、不正な取引を即座に停止し、1日あたり数千ドルのコスト削減を実現しようとしています。