/

「カード不正利用」の検知精度、深層学習で劇的向上

グーグルに学ぶディープラーニング(中)

日経ビッグデータ

三井住友フィナンシャルグループ(三井住友FG)は、ディープラーニング(深層学習)を使ってクレジットカードの不正検知の精度を上げる検証を行った。不正利用の疑いがあると判定した取引のうち、本当に不正な取引だった比率を従来の5%程度から90%程度へと大幅に引き上げることに成功した。

東京・大手町の三井住友FG本社

現在の不正検知はまず、カード利用の場所や時間、金額などのパラメータを人が決めた特定のルールにのっとってチェックし、(1)正常な利用、(2)不正な利用、(3)不正の疑いがある利用、の大きく3種類に判別。疑いがある取引について、人が店舗や利用者に問い合わせをして確認するという手法をとっている。疑いのある取引の中で約95%が問題のない取引で、本当に不正である取引は5%程度だという。

今回、過去数カ月分のクレジットカード利用のデータを使い、ディープラーニングを用いて不正検知アルゴリズムを開発した。クレジットカードの使用履歴、使用金額、使用場所、店舗属性などの項目間の相関関係を分析しながら、モデルの最適化計算を繰り返し行うことで、アルゴリズムが不正な疑いがあると判別した取引のうち、本当の不正取引の比率は約90%と大幅に向上した。

そもそも、不正の疑いがある取引の比率が大きく低下し、正常か不正かをはっきり見分けられるようになった。もちろん、不正を見逃す比率が増えているわけではないという。

不正検知の精度が上がれば問い合わせの作業が減り、その結果カード会員や店舗への負担も軽減することができる。三井住友銀行ITイノベーション推進部などが、IT(情報技術)コンサルティングのJSOL(東京・中央)と共同で、「グーグルクラウドプラットフォーム(GCP)」上でディープラーニングを使って検証をした。

ITイノベーション推進部副部長の井口功一氏は、「過去のデータに対して、ディープラーニングを使った場合は効果が比較しやすい。その結果、かなりいい数値が出てくるので恐ろしさを感じるほど。まだ実験の段階で、これを業務に落とし込むとなるとまた違った課題が出てくるが、効果があると分かれば(事業会社、業務部門に)提案しやすくなる」と話す。

従来の人のロジックによる不正検知と比べて、ディープラーニングによる検知では正常か不正な取引かをはっきり見分けられるようになった

コールセンターへは全席導入

三井住友銀行は、このほかにもさまざまな業務への人工知能(AI)の活用の可能性を探っている。システム統括部副部長の高橋健二氏は、「現在進めているAI活用の軸は大きく3つある」と説明する。1つめは安心・安全なサービス提供、2つめは顧客サービスの向上や行員の生産性向上、3つめはチャットボット(自動会話プログラム)のような新たな顧客体験の実現だ。

実際の業務ですでに成果を挙げているのが、コールセンターの対応品質向上を目的とした米IBMの「Watson(ワトソン)」の活用だ。活用軸の2つめに該当する。2014年より順次導入を進めてきたが、2016年10月、2カ所あるコールセンターの300席全席への導入が完了した。

顧客からの問い合わせに対し、Watsonが内容を解釈して回答候補をオペレーターに提示する。実用検証を進めた結果、上位5位までの回答候補の中に適切な回答が含まれる割合は、現在では9割を超えているという。

安心・安全面へのAI活用の一例がサイバーセキュリティー対策だ。これまではメールやウェブで共有されたセキュリティー情報を人が確認して対策をしてきたが、外部の膨大な情報をAIで自然言語処理して、役立つセキュリティー対策情報を自動で導き出せるようにする。米国で業務を展開する金融機関が参加する、セキュリティー情報分析結果の共有を目的した組織である「FS-ISAC」が提供する25 万件以上の脅威情報などを活用する。

チャットボットは、日本マイクロソフトと開発を進めている。マイクロソフトが公開するオープンソースのディープラーニング開発ツールを使い、対話全体の文脈・意味を捉えて質問の追加や変化にも対応が可能なシステムを開発する。まずは行員向けの照会回答業務から利用を開始して精度の向上を進めており、顧客向けサービスへの利用の可能性を探っていく。

AIは魔法の杖か

膨大なデータをどう活用していくのかが今後の課題だと、井口氏は言う。「AIは魔法の杖のように思われがちだが、やはり上手な使い方がある。何をどうすれば業務をよくできるのか。それを定義して、業務向上に相関するデータは何なのかを探っていく必要がある。データからは答えは出てこない」。

ITイノベーション推進部では、AI活用ステップのフレームワーク化を進め、各部署に共有し、活用をさらに加速しようとしている。

三井住友銀行は、2016年4月にデータマネジメント部を新設している。金融機関におけるデータ部門はリスク管理を主目的とすることが多いが、「銀行の規制の観点だけでなく、顧客のため、生産性向上のための観点を加えたデータ整備を進めている」(データマネジメント部副部長の宮内恒氏)。

銀行の口座の入出金や振り込み、金融商品の購入、クレジットカードの購買履歴といった従来型のデータだけでなく、ウェブサイトやアプリのログ、コールセンターの音声データなど爆発的に増えていく新たなデータも含めて、AIなどで業務改善や顧客体験を向上させるために必要なデータを使える状態に整備していく。

(日経ビッグデータ編集部)

[書籍『グーグルに学ぶディープラーニング』の記事を再構成]

[参考]日経BP社は2017年1月26日、書籍『グーグルに学ぶディープラーニング』を発行。AIの中核技術として注目を集めるディープラーニング技術をやさしく解説。将来のビジネスがどう変わるのか、グーグルのサービスや日本企業の取り組み事例から探った。

グーグルに学ぶディープラーニング

著者 :日経ビッグデータ編集部
出版 : 日経BP社
価格 :1944 円 (税込み)

すべての記事が読み放題
有料会員が初回1カ月無料

セレクション

トレンドウオッチ

新着

注目

ビジネス

ライフスタイル

新着

注目

ビジネス

ライフスタイル

新着

注目

ビジネス

ライフスタイル

フォローする
有料会員の方のみご利用になれます。気になる連載・コラム・キーワードをフォローすると、「Myニュース」でまとめよみができます。
新規会員登録ログイン
記事を保存する
有料会員の方のみご利用になれます。保存した記事はスマホやタブレットでもご覧いただけます。
新規会員登録ログイン
Think! の投稿を読む
記事と併せて、エキスパート(専門家)のひとこと解説や分析を読むことができます。会員の方のみご利用になれます。
新規会員登録 (無料)ログイン