マスターカードは、デジタル決済の不正検知と真正性確認を強化するため、取引データに特化した新たな基盤モデルを開発した。今回のモデルは、文章や画像を中心に学習する一般的な生成系モデルとは異なり、金額、加盟店、時間帯、地域、決済手段などの表形式データを主な対象としている点が特徴だ。決済ネットワークでは取引件数の増加とともに不正手口が細分化しており、従来のルールベースや単一用途モデルだけでは追随が難しい場面が増えている。こうした状況を踏まえ、同社は大量の取引履歴から異常なパターンを抽出し、リアルタイム判断の精度向上を目指す。
決済分野では、誤検知を抑えながら不正検知率を高めることが重要課題となる。不正を見逃せば被害が広がる一方、正常取引を過剰に止めれば利用者体験や加盟店売上に影響が出るためだ。取引データ特化モデルは、連続する購買行動や加盟店間の関係性、時間的な偏りなど、複数要素を同時に評価しやすく、微妙な異常兆候の早期把握に向くとみられる。さらに、決済本人性の確認やリスクスコアの高度化にも応用余地があり、認証手続きの最適化につながる可能性がある。
今回の動きは、基盤モデル活用が対話用途だけでなく、業種固有のデータ構造に合わせた実務領域へ広がっていることを示す事例でもある。日本でもキャッシュレス比率の上昇に伴い、決済事業者や金融機関、EC事業者にとって不正対策は経営課題になっている。取引データに適したモデル設計と運用体制をどう整えるかは、今後の競争力と信頼性を左右する要素になりそうだ。
※詳細は元記事をご確認ください
Photo by Igor Omilaev on Unsplash (@omilaev)
