従来の不正検出ソリューションは機能していません。中小企業はどのようにして不正を防止できるでしょうか?

[51CTO.com からのオリジナル記事] モバイル インターネットの発展の初期から現在に至るまで、奇妙な現象が伴っています。モバイル アプリケーションのプロモーションに関して言えば、効果的なアプリケーションのインストールから有効化までの平均コストは通常​​ 2 ～ 3 元ですが、ほとんどのチャネルがアプリケーション開発者に提示する見積りは 1 元未満であることが多いのです。近年、チャネル構造は長期にわたって安定しており、市場シェアを拡大​​するために無謀にお金を使ったり、「価格戦争」を利用したりする必要はありません。もちろん、長期間にわたって赤字が続くようなビジネスをしたい人は誰もいません。では、なぜこれらのチャネルは原価以下の価格で販売するのでしょうか?

分析の結果、詐欺チームはコスト削減と偽データ作成のため、仮想マシン、シミュレーター、改造された携帯電話などの手段を使用していたことが判明した。現在、偽造チームの技術は完成度に達しており、デバイス情報の改ざんだけでなく、ユーザー維持率やオンライン時間などのユーザー行動データまでも偽造して、開発者のKPIを満たすことができます。不正行為の現象は長い間存在しており、モバイル開発者のプロモーションコストの上昇、貴重な実ユーザーを獲得できないこと、基本データの不正が90％以上を占めることなどにつながっています。開発者はデータに基づいて正しい判断を下すことができず、多くのスタートアップ企業が競争力を失い、市場から追い出されてしまいました。

従来の不正検出ソリューションは失敗している

APP登録から有効化までの詐欺に比べ、私たちの周りではより有害な詐欺が発生しています。例えば、金融分野では、ますます多くの銀行、保険会社、証券会社がインターネットを利用して新規事業を拡大し、オンラインでユーザーの信用を評価し、ユーザーの行動履歴、使用習慣、背景情報に基づいて金融サービスを提供しています。これらのユーザーの情報が虚偽であったり、彼らが「ゾンビチキン」となって悪用されたりした場合、ほんの少数のユーザーが金融会社に計り知れない損失を与える可能性があります。

現在、国内外の詐欺行為は「ブラック産業」となっており、利害関係が密接に絡み合った産業チェーンとなっている。この業界チェーンには、登録と「アカウントの維持」を専門に担当する人々がいます。また、実際の IP アドレスをシミュレートするための端末機とクラウド サービスの提供を専門に担当する人々もいます。さらに、「買い手」を見つけて攻撃を仕掛ける責任を負っている人々もいます。さらに、企業の抜け穴を探し、いつでも「状況を利用する」準備ができている人々もいます。

このような激しい対決では、ブラックリストとホワイトリスト、評判データベース、デバイス フィンガープリントに基づくフィルタリング メカニズム、手動ルールでアカウントをスクリーニングするルール システム、さらには登場してまだ日が浅く、教師あり機械学習に基づくリスク管理モデルなど、従来の不正検出ソリューションでは、新しいタイプの攻撃に対処するのがやや困難であることは明らかです。

DataVisor China ゼネラルマネージャー Wu Zhong

最近、DataVisor China のゼネラルマネージャーである Wu Zhong が 51CTO のインタビューを受けました。インタビューでは、教師なし機械学習による不正防止と、成長中の企業が不正防止で優れた成果を上げる方法に焦点が当てられました。彼は、不正防止のニーズを持つ顧客がインタビューから何らかのインスピレーションを得られることを期待していました。

教師なし機械学習 - ルールエンジンと教師あり機械学習を超えて

呉中氏は、不正防止テクノロジーの分野は3つの段階に分けられると述べた。

• ルールシステム。不正行為を判断するためのルールを手動で作成します。
• テクノロジー信号源。第 2 世代は、以前の世代のルールに基づいており、ブラックリストとホワイトリスト、デバイス フィンガープリントなどのより多くの信号ソースが導入されています。
• 第3世代はAIを中心に据えています。この段階は、教師あり学習アルゴリズムと教師なし学習アルゴリズムの 2 つの方向に分かれています。

従来の教師あり学習アルゴリズムでは、不正検出に使用できるモデルをトレーニングするために、事前に大量のデータを分類およびスキャンする必要があります。問題は、不正行為は静的ではなく動的に進化するため、モデルの有効性を保証するのが難しいことです。教師なし学習アルゴリズムも大量のデータの学習とトレーニングに基づいていますが、学習プロセスでは大量のラベルは必要なく、ユーザー間の微妙な関連性を通じて不正行為を判断できます。 教師なし学習アルゴリズムに基づく製品とソリューションは、常に変化する集団詐欺行為に対する最先端の詐欺検出サービスをこれらの企業に提供できます。もちろん、実際のアプリケーションでは、この 2 つは分離されるのではなく、互いに補完し合います。多くのソリューションは両方のアルゴリズムを備えており、ビッグデータ プラットフォーム上に構築されています。しかし、現在のオンライン詐欺の傾向に関しては、教師なし学習アルゴリズムの方が利点が多いです。

DataVisor が成長企業の不正防止の障壁を下げる新製品 UML Essentials をリリース

DataVisor は、オンライン詐欺および金融犯罪検出サービスのリーディングカンパニーとして、ユーザーと企業の保護を最大限に高めるために、最先端の人工知能技術、特に教師なし学習アルゴリズムとビッグデータ アプリケーションを使用することに尽力しています。

Wu Zhong 氏は、DataVisor の教師なし不正防止機械学習ソリューションは最新の人工知能技術を採用しており、トレーニング データなしで攻撃を検出し、早期発見を実現できると紹介しました。このソリューションには、教師なし機械学習 (UML) エンジン、自動化されたルール エンジン、グローバル インテリジェント レピュテーション ライブラリという 3 つの主要コンポーネントがあります。

現在、ますます多くの成長企業で不正防止サービスに対する強い需要が高まっています。 Datavisor は、長年の技術の蓄積と業界に対する深い理解に基づき、成長中の企業がより柔軟で低コストの不正防止サービスを利用できるようにするために、2018 年 4 月 27 日に UML Essentials を正式にリリースしました。

UML Essentials は、Datavisor 独自の教師なし機械学習エンジンと大規模データ処理プラットフォームを活用し、UA、大規模登録、マネーロンダリング防止などのセキュリティ分野における Datavisor の長年の業界蓄積をすぐに使用できる SaaS サービスに変換し、強力で柔軟性が高く、低コストの人工知能不正防止製品を生み出します。

DataVisor UML Essentials には、次の主な機能があります。

• 高頻度のシナリオに焦点を当てます。あらゆるビジネスシナリオにおいて、「大量登録」の最初のステップで不正行為をブロックします。 DataVisor は、高品質の検出結果を保証し、理由を説明できるようにします。
• アクセスは迅速かつ簡単です。 DataVisor UML Essentials では、ユーザーは簡単にデータをアップロードし、データの品質をチェックし、サービス プロセス全体を制御できます。
• 自動モデルチューニング。 AI技術を活用した自動モデルチューニングを革新的に開発し、数週間かかっていた時間を数日に短縮しました。
• 強力なデータ処理プラットフォームのサポート。 DataVisor UML Essentials のデータ処理プラットフォームは、主流のクラウド コンピューティング上に構築されており、多用途で強力で、毎日 1,000 万件を超えるイベント処理能力を備えています。

結論は：

現在、深い技術的背景、セキュリティ分野での長年の経験、そして膨大なユーザー需要により、DataVisor が AI 分野のリーディングカンパニーであることは間違いありません。しかし、将来に向けてはまだ長い道のりが残っています。より急速に成長するためには、テクノロジーの反復と革新を継続し、より多くのアプリケーション シナリオと深く統合する必要があります。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]