オンラインでの不正アクティビティを特定

フリクションレスのカスタマーエクスペリエンスを実現しながら、オンラインの不正行為を防止します

世界中で毎年、オンラインの不正行為により数百億 USD が失われています。企業は、これまで、正確性が不十分で、かつ、不正行為者の行動の変化に対応できないルールベースの不正検出アプリケーションを使用していました。AWS 不正検出機械学習ソリューションを使用することで、企業はオンラインの不正行為をプロアクティブかつより正確に検出および防止できます。これらのソリューションは、変化する脅威パターンに適応しながら、収益の損失を減らし、ブランドが傷つかないようにし、フリクションレスのオンラインカスタマーエクスペリエンスを提供するのに役立ちます。

機械学習でオンラインでの不正アクティビティを特定 | Amazon Web Services (2:05)

利点

よりパーソナライズされたエクスペリエンスを提供する

独自の条件に基づく不正検出

機械学習のエキスパートを擁していない企業は、Amazon Fraud Detector を使用して機械学習ベースの不正検出機能をビジネスアプリケーションに数分で追加できます。データサイエンティストの専門チームを擁する企業は、Amazon SageMaker を使用して高度に専門化された不正検出ソリューションを数日で開発できます。

カスタマーエンゲージメントを向上させる

Amazon の不正検出の専門知識に基づいて構築する

Amazon の不正検出機械学習ソリューションは、AWS、Amazon.com、および子会社の事業における不正および迷惑行為を 20 年間にわたって防止してきた Amazon の経験を活用して、不正パターンに関する知識を利用して作成するモデルを強化します。

すべてのタッチポイントをパーソナライズ

オンラインの不正行為をリアルタイムで防止および検出する

Amazon の不正検出機械学習ソリューションは、イベントのリスクをリアルタイムでスコアリングします。これにより、お客様は、不正行為者をブロックまたは拒否するように設計された抑制または是正措置を即座に適用し、リスクの低いアクティビティを迅速に追跡して、正当な顧客により優れたカスタマーエクスペリエンスを提供できるようにします。

すべてのタッチポイントをパーソナライズする

不正チームにさらにコントロールを与える

Amazon の不正検出機械学習ソリューションは、不正検出モデルのトレーニング、調整、およびデプロイに必要な複雑なタスクを自動的に処理することで、機械学習のエキスパートではないが不正に関する問題に精通しているユーザーが高精度のモデルの開発と更新に参加できるようにします。

ユースケース

支払いまたは取引における不正検出

対象イベントは、オンライン購入の完了、またはオンラインでの支払いの実行もしくは処理の試みです。e コマース分野での一般的な事例の 1 つは、「ゲスト決済」に関するものです。この取引に関与するのは、アカウント履歴がないユーザー、またはより匿名性の高いエクスペリエンスのために「ゲスト」として決済するオプションを選択したユーザーです。

新規アカウントの不正行為

対象イベントは、新しいアカウントにサインアップまたは登録する行為です。不正行為の始まりは、悪意のある攻撃者が偽の、盗まれた、合成アイデンティティを作成したり、複数のアカウントを生成したりした時点であり、多くの場合はボットが使用されます。デジタルプラットフォームでアイデンティティが確立されると、攻撃の実行が容易になります。

アカウントの乗っ取り

対象イベントは、正当なユーザーのアカウントへのログインの試みです。アカウントの乗っ取りとは、悪意のある攻撃者がユーザー ID とパスワードを盗んだか、ダークウェブで購入したか、または推測できたために、正当なユーザーのログイン情報が漏えいした状況をいいます。

プロモーションに関する迷惑行為

対象イベントは、通常、ユーザーがデマンドジェネレーションまたはマーケティングプロモーションを通じて付与された特典を引き換える行為です。悪意のある攻撃者は、正当なユーザーのアカウントにアクセスし、譲渡または購入を通じてロイヤルティクレジットまたはポイントを使い果たします。また、複数の偽のアカウントを作成して、新しいアカウントで利用できる無料トライアルや無料クレジットなどのプロモーションを悪用したり、自分自身を紹介して紹介ボーナスを獲得したりします。

偽の / 濫用的なレビュー

対象イベントは、誤解を招く、または濫用的な内容を含む可能性のある製品レビューの投稿です。スクリーニングの自動化は、偽のレビューや濫用的なレビューを見つける機能をスケーリングするために重要です。これにより、カスタマーサービスチームは、その多くが誤検知である可能性のある大量のアラートを切り分ける必要がなくなります。

認証

オンラインアカウントの登録の際に、機械学習を利用した顔面バイオメトリクスにより、あらゆる状況で本人確認が可能となります。事前にトレーニングされた顔認識および組み込み分析機能を使用することにより、これを追加してユーザーのオンボーディングおよび認証ワークフローを強化できます。機械学習の専門知識は不要です。

お客様事例

Omnyex

SLA Digital

SLA Digital は、シームレスで安全な通信事業者向け請求ソリューションを通じて、世界中の携帯電話事業者とオンライン事業者に新しい収入源を生み出しています。SLA Digital は、事業者が移動体通信事業者と簡単に接続できるようにする通信事業者向け請求プラットフォームを提供します。これにより、両者のコスト、運用上のリスク、および市場投入までの時間を削減できます。支払いアグリゲーターとして、不正な取引を特定して防止することは、SLA Digital のビジネスにとって非常に重要です。

「12 か月前、当社は独自の機械学習の専門知識に多額の投資をする必要のない不正検出ソリューションを探していました。透明性のある従量制料金により、Amazon Fraud Detector は、当社が効果的で手頃な料金の新しい機械学習モデルを簡単に作成し、既存のセットアップに組み込むのに役立ちました」

SLA Digital、テクノロジー責任者、Richard Fisher 氏

Omnyex

FlightHub Group

FlightHub Group は、旅行を利用しやすいものにしています。これは、より多くの人々が新しい場所を訪れ、新しい文化を探求することを可能にします。年間 500 万人以上の顧客にサービスを提供している同社の目標は、最適な旅程と卓越した顧客サービスとともに、利用可能な最低料金の航空券を旅行者が利用できるようにすることにあります。FlightHub の不正防止チームの最優先事項の 1 つは、価値に対する意識の高い、手頃な料金の航空券を探している旅行者と、盗まれたクレジットカードでチケットを購入しようとしている不正行為者を見分けることです。

「Amazon Fraud Detector を導入して以来、当社の中断率は 2% を下回りました (以前は 5%)。さらに、当社のチャージバック率は、会社の設立以来、最低水準に抑えられています。このビジネスにおいて、当社の過去のモデルではリスクがあるとフラグを付けられて拒否されていたであろう、より多くの決済を受け付けることができるようになりました。しかし、当社にとっての最大のメリットはおそらく、以前とほぼ同じ運用コストでこれらの素晴らしい結果を得られることです。これらはすべて、予約数と収益の増加、およびチャージバックを理由とする損失の減少につながっています」

FlightHub、不正調査マネージャー、Drayton Williams 氏

Pulselive

Aella Credit

「新興市場では、本人確認が大きな課題でした。新興市場の数十億人のユーザー向けに信用貸しの文化を構築するうえで、ユーザーの身元を適切に確認する機能が必要でした。当社のモバイルアプリケーションで本人確認に Amazon Rekognition を使用することで、確認エラーが大幅に減り、ビジネスを拡大できるようになりました。今では、人間が操作しなくても個人の身元をリアルタイムで検出し、確認できるようになったため、商品にすばやくアクセスできます。よく宣伝されているさまざまなソリューションを試しましたが、さまざまな肌の色合いを正確に認識できるものはありませんでした。Amazon Rekognition を使うことで、当社の市場でお客様の顔を効果的に認識できるようになりました。また、KYC にも有効で、重複するプロファイルや重複するデータセットを検出できるようにもなりました」

Wale Akanbi 氏、Aella Credit、CTO 兼共同創設者

Pulselive

ActiveCampaign

「2020 年第 1 四半期および第 2 四半期に、フィッシング攻撃に使用されるアカウントが急増しました。そのため、当社では、既存の自社製ソリューションをより強力なトランザクションデータとシグナルで補完して、悪意のある攻撃者をより迅速に特定する必要がありました。予測的な機械学習に基づくスケーラブルなソリューションは、自らも成長を続ける企業である当社にとって重要でした。Amazon Fraud Detector を使用したことで、当社の独自のデータを使用して、フィッシング攻撃を引き起こすアカウントのサインアップを正確に識別するモデルの構築が容易になりました。さらに重要なことに、当社は、これらの結果を非常に低い誤検知率で得ることができました。つまり、当社のオペレーションスタッフは追加の作業をする必要がなかったということです。Amazon Fraud Detector の料金モデルは競争力があります。また、モデルを既存のワークフローに簡単に統合できます」

ActiveCampaign、シニア E メールオペレーションエンジニア、Alex Burch 氏

Lotte Mart

Qantas Loyalty

「Amazon Fraud Detector は、当社の不正検出と軽減の能力を大きく高めてくれました。当社固有の状況に適用するカスタムルールの記述、オンデマンドでの機械学習モデルのトレーニング、他の AWS のサービスとのシームレスな統合などにより、プラットフォームを完全にコントロールしながら、迅速かつインテリジェントな意思決定を行うことができました。AWS は概念実証の段階で非常に役に立ちましたし、不正の動向に合わせてプラットフォームに新しい機能を追加してくれています」

Qantas Loyalty、CTO、Mary Criniti 氏

Lotte Mart

CDKeys

「当社では、Amazon Fraud Detector を使用して、不正取引を 6% 削減しました。同時に、これまで人間による確認のフラグが立てられていた取引のうち、90% を超える取引でチェックアウトの実行を自動化することができました。現在、人間が確認する取引の割合は 1% 未満となっており、これまでの 10% から減少しています。このサービスを実装してから、Trustpilot スコアが大幅に向上しました。これは、このチェックアウト検出のオートメーションと、ウェブサイトで一貫して行っている追加の機能強化の結果であることがわかっています。お客様にとって、信頼は当社の価値の大きな部分を占めているため、これは当社のビジネスにとって大きな勝利となりました」

Omnyex、オペレーションディレクター、Kevin Cole 氏

Lotte Mart

Truevo

「Amazon Fraud Detector により、当社におけるオペレーションが大幅に改善され、悪意のある攻撃者への対応における柔軟性が高まり、システムとプロセスをより良くコントロールできるようになりました。最初は、社内およびサードパーティのソリューションに目を向けていました。Amazon Fraud Detector が発表されると、当社は方向性をすぐに変更しました。当社は長年 AWS のサービスを利用しており、Amazon のサービスに大きな信頼を置いています。Amazon Fraud Detector を使用することで、当社は、オンプレミスまたは SaaS のサービスに付随する従来の制限から脱することができます。代わりに、当社は、ニーズに合わせて Machine Learning を利用したサービスを適応させる柔軟性を得ることができました。また、AWS のルールのみのオプションを使用しながら、必要に応じて完全な Machine Learning 機能に簡単に拡張できます。これにより、Truevo の開発期間が 3〜6 か月短縮されました! 実際、当社では、最初のプロトタイプモデルを 30 分以内にデプロイできました。全体的に、当社は、リアルタイムで不正を検出する能力に大きな自信を持って事業活動を行っています。完全に確信できないものの、停止する必要のある不審なアクティビティに気付いた場合に備えて、当社ではルール検出をデプロイする準備が整っています。当社は、変わり続ける規制やスキームの要件に対応し、それに適応することができ、これにより、ビジネスのトップを走り続けることができます」

Truevo、COO、Charles Grech 氏

始める準備はできましたか?

お問い合わせ
お問い合わせ

不正検出のための機械学習ソリューションの詳細については、お問い合わせください

お問い合わせ 
パートナーを見つける
パートナーを見つける

グローバルテクノロジーおよびコンサルティングパートナーと連携するには、AWS パートナーネットワークまでご連絡ください

開始方法 
イニシアチブの実行を開始する
お客様ご自身で実行

Amazon AI サービスまたは Amazon SageMaker を活用して、独自の不正検出ソリューションを開発

詳細はこちら 

お客様ご自身で実行

Amazon は、ビジネスアプリケーションに不正検出を追加するために使用できる以下の AI サービスを提供しています。

機械学習の経験がない、または市場投入までの時間に制約がある組織は、フルマネージド AI サービスである Amazon Fraud Detector をアプリケーションに簡単に統合して、最も一般的な不正検出のユースケースに対処できます。

独自の機械学習モデルを開発することを希望する組織は、AWS Marketplace から入手できる組み込みのアルゴリズムと事前トレーニング済みモデルを提供する Amazon SageMaker を使用して、不正検出ソリューションを数日で構築できます。

オンボーディングおよび認証ワークフローにユーザーアイデンティティ検証を追加したい組織は、事前にトレーニングされた顔認識および分析機能を提供する Amazon Rekognition を使用して、機械学習を利用した顔面バイオメトリクスを使用できます。機械学習の専門知識は不要です。

または、Amazon SageMaker を使用して、独自の不正検出機械学習モデルを構築することもできます。

潜在的不正アクティビティを検出してそのアクティビティにレビューのためにフラグを立てるアーキテクチャを、Amazon SageMaker を使用して構築する方法を学びます。

リソース

Amazon Fraud Detector で概念実証を構築して不正行為を迅速に摘発する

ブログを読む »

Amazon Fraud Detector を使用して不正検出モデルを構築、トレーニング、およびデプロイする

チュートリアルにアクセスする »

オンラインの不正行為との戦いで機械学習の力を活用する

動画を見る »