今年は「オンライン支払いにおける詐欺行為対策」に着目
現在、オンラインでの支払いにおける不正を防止するために様々な科学テクノロジーを駆使して対応策が練られていますが、果たして不正を完全に防ぐことはできるのでしょうか？
今日では、コンピューターはシステム内の状況を理解しながらユーザーの行動傾向まで予測できるようになってきています。バーチャル・アシスタント機能などはそのような特性を最大限に利用したもので、機械の持つ知能を使って我々の日常生活を快適なものにするべく開発が進んでいます。
では、具体的にどのような過程を経て機械は学習するのでしょうか。
基本的には我々が思っているほど複雑なものではありません。機械が自分で学習できるよう情報を与えることになりますから、特別なプログラムを通して特定の状況ではどのように対応するべきか、また複雑なタスクをどのように処理するのかをコンピューターに教え込むということになります。
当然ながら、パターンや予測を確定させるには時間がかかります。コンピューターが登場して60年以上経ちますが、今なお少しでも効率性を上げるべく開発が続けられているのを見ればその事は明らかです。しかしそのおかげで、ここにきて機械はたくさんのパターンを理解し、より複雑な問題も解決することができるようになってきています。つまり、機械の学習効果という分野には大きな可能性が秘められているのです。
機械学習のもたらす機能はエンターテインメント業界で大きな需要があります。
例えば、Netflixでは以前に視聴した映画やドキュメンタリーを元に、個別のユーザーにおススメを提示するシステムを採用していますし、オンラインで買い物をする際も以前に買った商品を参考におススメの商品が表示されるのを経験した方も多い事ともいます。
オンライン支払いのシステムは日進月歩で発達を遂げていますが、それと同時にデータを不正使用するための技術もますます高度なものとなってきているのが現状です。不正行為をはたらく側の者は常に新しい手段を用いてより効果的に情報を盗み出そうとしており、オンラインビジネスを運営する側は不正にアクセスされた際にそれを感知することがますます難しくなってきているのです。
一般的に現在広く出回っている監視システムは、購入の際各ステップを手動で対応する必要があるためスピードが犠牲になってしまい、さらに複雑化を続ける不正行為に関する技術への対応も課題となってきています。
その一方で、世界的規模で不正アクセスによる被害額は上昇の一途を辿っています。具体的には、2015年初頭には被害額は＄100あたり＄2以下でしたが、2016年には＄100あたり＄7.3にまで膨れ上がっています。またUKにおける小売ビジネスの45％は販売チャネルごとの被害状況を正確に把握できていないと答えており、コストの面からも一つずつチェックをしていく事は現実的ではないという見解も出ています。
基本的には、不正アクセスによる詐欺行為自体を止めることは不可能ですので、現実的な対応策としては、疑わしいアクセスを発見して未然に被害を防ぐ強力なシステムの導入が必要となってきます。ただ、先ほど触れたように手動で一つずつ行うのは時間がかかり人手も必要となってくるので、詐欺行為を防ぐことはできてもその分コストがかさんでしまいます。
そこで、機械の自動学習機能が効果を発揮します。つまり、これまでの消費者の購入パターンを把握させて、少しでも疑わしい動きが見られた際に素早くそのケースをピックアップさせることができるようにするという訳です。
このようにあたかも「人間の脳が行っている」かのようなプロセスで機械が学習するシステムはすでに実際に詐欺行為対策に活用されており、完璧とは言えないものの多くの被害を未然に防いでいます。
また、このシステムは顧客の信頼を得る上でも大変効果があり、特に複数の販売チャネルを通して支払いが行われる場合ではその効果は見逃せません。
具体的には、最新のアルゴリズムが全ての会計処理において不正行為の可能性をチェックし、必要に応じてアクションを起こすといった流れになります。
その際に膨大なデータを元に分析を行い適切な処置を取るといった具合ですが、機械そのものが過去の履歴を学習しつつその場で判断を下すことができるのは大きな強みです。従ってデータが増えれば増えるほど正確性は増していき、人間が手動で行うと5分かかる検査も機械であればより多くの量のデータをほぼ時間をかけずに処理することが可能になるのです。
時にはイレギュラーな形で処理されたということで不正が行われていないものも引っかかってしまうこともありますが、この経験すら学習して次回以降に反映させることができるというのですからその可能性には驚かされるばかりです。
機械学習機能を活用したソリューションは、スピードと莫大な量の情報処理が求められるEコマースにおいて必要不可欠です。それに加えて正確性、自動処理といった利点も相まって人間が行うよりもはるかに効率的な不正監視手段として今後定着していくでしょう。その結果、事業の成長やターゲットの達成はもちろん、コストカットなどといった面でも付加価値が出てくるのです。
ここまで見てきたように、機械学習は正確性が高く自動的に不正行為を発見・対処することが可能です。
では、ここに人間の介入する余地はあるのでしょうか？それとも機械が持つ情報だけで全てが足りるのでしょうか？果たしてコンピューターが人間に取って代わるのかどうかは誰しも気になるところです。
現実的には「機械学習」と言っても手動で対応する箇所が含まれているもので、すぐには完全自動化という訳にはいきません。効果的な意思決定を実践するためには人間の判断が必要不可欠なのです。
先にも触れられたように、特にショッピングシーズンには消費者の購買傾向が普段とは大幅に変わることも十分あり得るため、機械の抱える情報に任せっきりというわけにはいきません。
また、機械学習のプロセスでは入力されたデータに基づいて不正の疑いのある動きを察知するため、間違った情報を「学習」させることで問題の無い通常の取引情報も詐欺行為の疑いありと認識してしまう事にもなりかねないのです。
加えて、結局のところ不正行為をはたらく側もその都度異なった行動傾向を見せるものですから、完全に彼らの動きを把握することはできません。どれが疑わしくてどれがそうでないかというのははっきり見分けられないのは実は当たり前なのです。
従って、このようなシステムの正しい扱い方を考える時、細かく分析されたデータが常にアップデートされているということや分析プロセスにおける正確性やスピードは間違いないわけですから、そうした過程を経て警告が発せられた時点でその都度人間がその目で確認して決断を下す、というスタイルが最も効果的なのです。
基本的には機械学習のアルゴリズムは正確なデータが命ですので、時間をかけてどのような支払いパターンが怪しいものと認識するべきかを機械に教え込ませることが必要になってきます。
また、支払いプロセスを分かりやすく簡単なものにするかどうかはオンラインビジネス運営側次第です。それと同時に、リアルタイムで詐欺行為を発見して対処することは売り上げを守り顧客情報の流出を防ぐという観点からもビジネスにとって必要不可欠でもあります。
ここをしっかり押さえておかないことには事業の成否自体に大きな影響を及ぼしかねません。オンライン小売業者にとって、商品とお客様は最も重要なものですので、不正行為対策の必要性は見てみぬふりをするべきものではないということは強調されるべきです。
機械の学習機能のもたらす可能性は非常に大きく、より正確なデータを収集・管理することで不正行為防止にますます効果を発揮すると期待されます。皆さんも是非積極的に採用し、セキュリティ向上に役立ててください。
スピーディなショップ構築から、大規模なモール構築、オムニチャネルからそしてグローバル対応まで、Orange ECならシングルパッケージで対応することが可能です。
今日では、コンピューターはシステム内の状況を理解しながらユーザーの行動傾向まで予測できるようになってきています。バーチャル・アシスタント機能などはそのような特性を最大限に利用したもので、機械の持つ知能を使って我々の日常生活を快適なものにするべく開発が進んでいます。
では、具体的にどのような過程を経て機械は学習するのでしょうか。
基本的には我々が思っているほど複雑なものではありません。機械が自分で学習できるよう情報を与えることになりますから、特別なプログラムを通して特定の状況ではどのように対応するべきか、また複雑なタスクをどのように処理するのかをコンピューターに教え込むということになります。
当然ながら、パターンや予測を確定させるには時間がかかります。コンピューターが登場して60年以上経ちますが、今なお少しでも効率性を上げるべく開発が続けられているのを見ればその事は明らかです。しかしそのおかげで、ここにきて機械はたくさんのパターンを理解し、より複雑な問題も解決することができるようになってきています。つまり、機械の学習効果という分野には大きな可能性が秘められているのです。
機械学習のもたらす機能はエンターテインメント業界で大きな需要があります。
例えば、Netflixでは以前に視聴した映画やドキュメンタリーを元に、個別のユーザーにおススメを提示するシステムを採用していますし、オンラインで買い物をする際も以前に買った商品を参考におススメの商品が表示されるのを経験した方も多い事ともいます。
不正を防ぐ大きな効果
オンライン支払いのシステムは日進月歩で発達を遂げていますが、それと同時にデータを不正使用するための技術もますます高度なものとなってきているのが現状です。不正行為をはたらく側の者は常に新しい手段を用いてより効果的に情報を盗み出そうとしており、オンラインビジネスを運営する側は不正にアクセスされた際にそれを感知することがますます難しくなってきているのです。一般的に現在広く出回っている監視システムは、購入の際各ステップを手動で対応する必要があるためスピードが犠牲になってしまい、さらに複雑化を続ける不正行為に関する技術への対応も課題となってきています。
その一方で、世界的規模で不正アクセスによる被害額は上昇の一途を辿っています。具体的には、2015年初頭には被害額は＄100あたり＄2以下でしたが、2016年には＄100あたり＄7.3にまで膨れ上がっています。またUKにおける小売ビジネスの45％は販売チャネルごとの被害状況を正確に把握できていないと答えており、コストの面からも一つずつチェックをしていく事は現実的ではないという見解も出ています。
基本的には、不正アクセスによる詐欺行為自体を止めることは不可能ですので、現実的な対応策としては、疑わしいアクセスを発見して未然に被害を防ぐ強力なシステムの導入が必要となってきます。ただ、先ほど触れたように手動で一つずつ行うのは時間がかかり人手も必要となってくるので、詐欺行為を防ぐことはできてもその分コストがかさんでしまいます。
リアルタイム・チェック
そこで、機械の自動学習機能が効果を発揮します。つまり、これまでの消費者の購入パターンを把握させて、少しでも疑わしい動きが見られた際に素早くそのケースをピックアップさせることができるようにするという訳です。このようにあたかも「人間の脳が行っている」かのようなプロセスで機械が学習するシステムはすでに実際に詐欺行為対策に活用されており、完璧とは言えないものの多くの被害を未然に防いでいます。
また、このシステムは顧客の信頼を得る上でも大変効果があり、特に複数の販売チャネルを通して支払いが行われる場合ではその効果は見逃せません。
具体的には、最新のアルゴリズムが全ての会計処理において不正行為の可能性をチェックし、必要に応じてアクションを起こすといった流れになります。
その際に膨大なデータを元に分析を行い適切な処置を取るといった具合ですが、機械そのものが過去の履歴を学習しつつその場で判断を下すことができるのは大きな強みです。従ってデータが増えれば増えるほど正確性は増していき、人間が手動で行うと5分かかる検査も機械であればより多くの量のデータをほぼ時間をかけずに処理することが可能になるのです。
時にはイレギュラーな形で処理されたということで不正が行われていないものも引っかかってしまうこともありますが、この経験すら学習して次回以降に反映させることができるというのですからその可能性には驚かされるばかりです。
機械学習機能を活用したソリューションは、スピードと莫大な量の情報処理が求められるEコマースにおいて必要不可欠です。それに加えて正確性、自動処理といった利点も相まって人間が行うよりもはるかに効率的な不正監視手段として今後定着していくでしょう。その結果、事業の成長やターゲットの達成はもちろん、コストカットなどといった面でも付加価値が出てくるのです。
人間による監視は必要なくなる？
ここまで見てきたように、機械学習は正確性が高く自動的に不正行為を発見・対処することが可能です。では、ここに人間の介入する余地はあるのでしょうか？それとも機械が持つ情報だけで全てが足りるのでしょうか？果たしてコンピューターが人間に取って代わるのかどうかは誰しも気になるところです。
現実的には「機械学習」と言っても手動で対応する箇所が含まれているもので、すぐには完全自動化という訳にはいきません。効果的な意思決定を実践するためには人間の判断が必要不可欠なのです。
先にも触れられたように、特にショッピングシーズンには消費者の購買傾向が普段とは大幅に変わることも十分あり得るため、機械の抱える情報に任せっきりというわけにはいきません。
また、機械学習のプロセスでは入力されたデータに基づいて不正の疑いのある動きを察知するため、間違った情報を「学習」させることで問題の無い通常の取引情報も詐欺行為の疑いありと認識してしまう事にもなりかねないのです。
加えて、結局のところ不正行為をはたらく側もその都度異なった行動傾向を見せるものですから、完全に彼らの動きを把握することはできません。どれが疑わしくてどれがそうでないかというのははっきり見分けられないのは実は当たり前なのです。
従って、このようなシステムの正しい扱い方を考える時、細かく分析されたデータが常にアップデートされているということや分析プロセスにおける正確性やスピードは間違いないわけですから、そうした過程を経て警告が発せられた時点でその都度人間がその目で確認して決断を下す、というスタイルが最も効果的なのです。
基本的には機械学習のアルゴリズムは正確なデータが命ですので、時間をかけてどのような支払いパターンが怪しいものと認識するべきかを機械に教え込ませることが必要になってきます。
また、支払いプロセスを分かりやすく簡単なものにするかどうかはオンラインビジネス運営側次第です。それと同時に、リアルタイムで詐欺行為を発見して対処することは売り上げを守り顧客情報の流出を防ぐという観点からもビジネスにとって必要不可欠でもあります。
ここをしっかり押さえておかないことには事業の成否自体に大きな影響を及ぼしかねません。オンライン小売業者にとって、商品とお客様は最も重要なものですので、不正行為対策の必要性は見てみぬふりをするべきものではないということは強調されるべきです。
機械の学習機能のもたらす可能性は非常に大きく、より正確なデータを収集・管理することで不正行為防止にますます効果を発揮すると期待されます。皆さんも是非積極的に採用し、セキュリティ向上に役立ててください。
この記事はPayment Trends in 2017: Fighting Fraud Using Machinesの記事を本ブログが日本向けに編集したものです。
ご相談窓口
ECサイト構築のご相談はこちらから>>お問合せPR：ECサイト構築パッケージ「Orange EC」
Orange ECは、個人ショップから大型ショッピングモールまで幅広い規模で、小売業から印刷業、旅行業まで幅広い業種のネットショップを作れる、ECサイト構築パッケージです。スピーディなショップ構築から、大規模なモール構築、オムニチャネルからそしてグローバル対応まで、Orange ECならシングルパッケージで対応することが可能です。
