銀行の不正口座検知技術が進化、DeepProtectによる実証実験の成果とは

不正口座検知の新たなステージへ

国立研究開発法人情報通信研究機構（NICT）と神戸大学、EAGLYS株式会社は、りそな銀行を含む4つの金融機関との連携で画期的な不正口座検知技術「DeepProtect」を活用した実証実験を行いました。近年、金融犯罪は急速に巧妙化し、従来の手法では対処が難しくなっています。この実験は、プライバシーを保護しながら、異なる銀行間でのデータ活用を可能にするものです。

実験の目的は、銀行ごとのデータを共有せずに、より正確な不正口座検知モデルを構築することです。具体的には、個別学習モデルと連合学習モデルを組み合わせたアンサンブル学習を用いて、その精度向上を図ることにありました。

実証実験の概要と活用技術

本実証実験では、銀行から提供された正常口座と不正口座情報を使い、データの前処理を行った上で、個別学習モデルを作成しました。その後、これらのモデルを連合学習方式で統合し、全体の検知精度を評価しました。結果として、新たにアンサンブル学習を取り入れた連合学習法は、従来の個別モデルに比べて、適合率が最大約10ポイント向上し、再現率が95％を超える結果を得ました。

この新しいアプローチにより、特に従来のルールベースやAIの個別学習では見落とされがちだった「潜在的な不正口座」の特定が可能であることが示されました。これにより、金融機関の監視業務の精度が飛躍的に向上すると期待されています。

今後の展望と実用化へ向けたステップ

NICTは、今後もDeepProtect技術をさらに発展させ、神戸大学およびEAGLYSと連携して不正取引検知業務への導入を進めていきます。具体的には、現行のAML（反マネーロンダリング）システムと並行して使用できる簡易的な導入を検討しています。これにより、金融機関の監視業務が効率化され、コストの削減も期待できるでしょう。

さらに、実証実験の結果を基に、追加の研究開発が進められ、様々な不正取引データの合成手法や、敵対的サンプル攻撃に対する防御手法の向上も進んでいます。これらの取り組みを通じて、金融機関が抱える個別の課題にも対応し、より実用性の高い不正検知システムが実現される見込みです。