「AIは詐欺検出にどのように使われていますか？」

AIが詐欺検出にどのように活用されているのか？

西部劇にはガンスリンガー、銀行強盗、賞金が存在しましたが、今日のデジタルフロンティアではアイデンティティ盗難、クレジットカード詐欺、チャージバックが広まっています。

金融詐欺による収益は、数十億ドル規模の犯罪企業となっています。詐欺師の手に渡る「生成AI」は、これをさらに収益化することを約束します。

世界的には、2026年までにクレジットカードによる損失は430億ドルに達する見込みです。これはニルソン・レポートによるものです。

金融詐欺は、ハッキングされたデータをダークウェブから収集してクレジットカードの盗難に利用するなど、さまざまな手法で行われます。「生成AI」を用いて個人情報をフィッシングする場合もあり、仮想通貨、デジタルウォレット、法定通貨間での資金洗浄も行われています。デジタルの裏世界にはさまざまな金融詐欺が潜んでいます。

• 「現実の応用における一般線形モデルの自己相関問題の解決方法」
• AIとMLによる株式取引の革命：機会と課題
• 「設定パラメータを使用して、ChatGPTの出力を改善する方法」

対応するために、金融サービス企業は詐欺検出にAIを活用しています。なぜなら、これらのデジタル犯罪の多くはリアルタイムで停止し、消費者や金融企業がすぐに損失を止める必要があるからです。

では、詐欺検出にはAIはどのように活用されているのでしょうか？

詐欺検出のためのAIは、顧客の行動と関連、アカウントのパターンや詐欺特性に合致する行動の異常を検出するために、複数の機械学習モデルを使用しています。

生成AIは詐欺の共同パイロットとして活用できる

金融サービスの多くはテキストと数字を扱うものです。生成AIや大規模言語モデル(LLMs)は、意味と文脈を学習する能力を持ち、新しいレベルの出力と生産性を約束するため、産業全体に破壊的な能力をもたらします。金融サービス企業は、生成AIを活用してより賢明かつ能力の高いチャットボットを開発し、詐欺検出を改善することができます。

一方で、悪意のある者は巧妙な生成AIのプロンプトを使用してAIのガードレールを回避し、詐欺に利用することができます。また、LLMsは人間のような文章を生成することができ、詐欺師はタイプミスや文法の誤りのない文脈に沿ったメールを作成することができます。さまざまなバリエーションのフィッシングメールを素早く作成することができるため、生成AIは詐欺行為を実行するための優れた共同パイロットとなります。詐欺GPTなど、生成AIをサイバー犯罪に悪用するためのダークウェブツールもあります。

生成AIは声認証セキュリティにおける金融被害にも悪用されることがあります。一部の銀行は声認証を使用してユーザーを認証しています。攻撃者がボイスサンプルを入手することができれば、ディープフェイク技術を使用して銀行の顧客の声をクローンすることができ、このシステムを破ろうとします。声データは、スパムの電話で集めることができます。

チャットボットの詐欺は、LLMsやその他の技術を使用して人間の行動をシミュレートすることに対する懸念があります。これらはインポスター詐欺や金融詐欺に応用されるディープフェイクビデオと音声クローンのためのものです。米国連邦取引委員会はこの問題に対して懸念を表明しています。

生成AIは不正使用と詐欺検出にどのように取り組んでいるのか？

詐欺審査には強力な新しいツールがあります。マニュアル詐欺審査を担当する従業員は、ポリシードキュメントからの情報を活用するために、バックエンドでRAGを実行するLLMベースのアシスタントのサポートを受けることができます。これにより、詐欺事件がどのようなものかを迅速に判断し、プロセスを大幅に加速することができます。

LLMsは、顧客の次の取引を予測するために採用されており、支払い企業は事前にリスクを評価し、詐欺取引をブロックすることができます。

生成AIはまた、トランザクション詐欺を撲滅するために精度を向上させ、レポートを生成し、調査を減らし、コンプライアンスリスクを軽減するのに役立ちます。

不正防止のための生成AIの重要な応用例の1つとして、「合成データ」の生成があります。合成データは、詐欺検出モデルのトレーニングに使用するデータレコードの数を増やし、詐欺師が最新の手法を認識するための例のバラエティと洗練度を高めることができます。

NVIDIAは、生成AIを活用してワークフローを構築し、情報検索のために自然言語プロンプトを使用するチャットボットと仮想エージェントを作成するためのツールを提供しています。

NVIDIAのAIワークフローを活用することで、様々なユースケースに対して正確な応答を生成するためのエンタープライズグレードの機能を迅速に構築し、展開することができます。これには、ファウンデーションモデル、NVIDIA NeMoフレームワーク、NVIDIA Triton Inference Server、GPUアクセラレートベクトルデータベースが使用され、RAGによって強化されたチャットボットが展開されます。

安全性に焦点を当てた産業では、悪用されにくいように生成AIを保護するための取り組みが行われています。NVIDIAはNeMoガードレールをリリースし、OpenAIのChatGPTなどのLLMsによって動作するインテリジェントアプリケーションが正確で適切、トピックに即して安全であることを確保するために役立てています。

このオープンソースソフトウェアは、AIを利用したアプリケーションが詐欺やその他の不正利用に悪用されるのを防ぐために設計されています。

詐欺検知のためのAIの利点は何ですか？

詐欺検知は、銀行、金融、小売業、電子商取引において課題となっています。詐欺は組織に財務的な損害をもたらすだけでなく、評判にも損害を与えます。

また、金融サービス企業の詐欺モデルが過剰反応し、正当な取引を停止する誤検知が発生すると、消費者にとっても頭痛の種となります。

そのため、金融サービス部門は、財務的および評判的な損失に対する強固な防御策として、より高度なモデルを開発しています。また、取引の詐欺検知における誤検知を減らし、顧客満足度を向上させて商店間でのシェアを増やすことを目指しています。

金融サービス企業がAIを受け入れて身元確認を強化

金融サービス業界では、身元確認のためにAIを開発しています。深層学習、グラフニューラルネットワーク（GNN）、自然言語処理（NLP）、コンピュータビジョンを使用したAI駆動アプリケーションは、顧客確認（KYC）およびマネーロンダリング（AML）の要件における身元確認の向上に貢献し、規制の遵守とコスト削減につなげます。

コンピュータビジョンは、運転免許証やパスポートなどの写真ドキュメントを分析して偽物を識別します。同時に、NLPはドキュメントを読み取り、AIがデータの真偽を測定するために分析し、詐欺記録を探します。

KYCおよびAMLの要件の向上は、規制上の経済的な重要性があります。金融機関、銀行を含むものは、フィナンシャル・タイムズによると、2022年にAML、制裁違反、KYCシステムの失敗などで約50億ドルの罰金を科せられました。

グラフニューラルネットワークとNVIDIA GPUの活用

GNNは、疑わしい活動を明らかにする能力から歓迎されています。GNNは数十億のレコードを調べ、過去に不審なアカウントに送金を行ったかどうかについて以前の未知の活動パターンを特定して、関連性を見つけることができます。

NVIDIAはDeep Graph LibraryチームやPyTorch Geometricチームと提携しており、最新のアップデート、NVIDIAのRAPIDSライブラリなどを含むGNNフレームワークのコンテナ化オファリングを提供しており、ユーザーが最新の技術に追従できるように支援しています。

これらのGNNフレームワークコンテナはNVIDIA最適化されており、NVIDIA GPUの性能を最大限に引き出すためにテストされています。

NVIDIA AIエンタープライズソフトウェアプラットフォームにアクセスすることで、開発者はNVIDIAのRAPIDS、NVIDIA Triton Inference Server、NVIDIA TensorRTソフトウェア開発キットを利用してエンタープライズの展開をサポートすることができます。

GNNを使った異常検知の改善

詐欺者は高度な技術を持ち、詐欺検知システムをかいくぐる方法を学ぶことができます。その一つは、注目されないように複雑な取引の連鎖を公開することです。これは、伝統的なルールベースのシステムではパターンを見逃すことがあります。

GNNは、モデル内のローカル構造とフィーチャコンテキストの表現の概念に基づいています。エッジとノードのフィーチャからの情報は、隣接するノード間での集約とメッセージパッシングとともに伝達されます。

GNNが複数のグラフ畳み込み層を実行すると、最終的なノードの状態には複数ホップ先のノードからの情報が含まれています。GNNのより大きな受容野は、金融詐欺行為者がトラックをかく乱するために使用するより複雑で長い取引チェーンを追跡することができます。

GNNによる教師なしまたは自己教師付きのトレーニング

大規模なスケールでの金融詐欺パターンの検出は、瞬時に数十テラバイトのトランザクションデータを分析し、実際の詐欺活動のラベル付きデータが相対的に不足しているために挑戦を伴います。

While GNNs can cast a wider detection net on fraud patterns, they can also train on an unsupervised or self-supervised task.

By using techniques such as Bootstrapped Graph Latents — a graph representation learning method — or link prediction with negative sampling, GNN developers can pretrain models without labels and fine-tune models with far fewer labels, producing strong graph representations. The output of this can be used for models like XGBoost, GNNs or techniques for clustering, offering better results when deployed for inference.

モデルの説明可能性とバイアスの取り組み

GNNはさまざまなツールを使ってモデルの説明可能性を実現します。 説明可能なAIは、AIモデルがどのように意思決定を行うかを説明するためのツールや技術を利用できる業界の慣行であり、バイアスに対する保護を可能にします。

異種グラフトランスフォーマーとグラフ注意ネットワークは、GNNモデルであり、GNNの各レイヤーにわたって注意メカニズムを実現するため、GNNが最終的な出力に到達するために使用するメッセージパスを開発者が特定することができます。

注意メカニズムがなくても、GNNExplainer、PGExplainer、GraphMaskなどの技術を使用して、GNNの出力を説明するための提案がされています。

AIを活用する先導的な金融サービス企業

• American Express：深層学習モデルによる詐欺検出の精度を6％向上させ、NVIDIA TensorRTをNVIDIA Triton Inference Server上で使用しました。

• BNY Mellon：ニューヨークメロン銀行は、連邦学習によって詐欺検出の精度を20％向上させました。BNYはInpherの安全なマルチパーティ計算を実行する共同詐欺検出フレームワークを構築し、データをNVIDIA DGXシステムで保護しました。

• PayPal：PayPalは、世界中の顧客取引をリアルタイムで潜在的な詐欺から保護し続けるための新しい詐欺検出システムを求めていました。同社はNVIDIAのGPUパワードインファレンスを使用してリアルタイム詐欺検出を10％向上させながら、サーバー容量をほぼ8分の1に削減し、新たなサービスレベルを提供しました。
• Swedbank：スウェーデン最大の銀行の1つであるスウェーデン銀行は、NVIDIAのGPU駆動の生成的対抗ネットワークをトレーニングして、不正活動を検出し、詐欺やマネーロンダリングを防止しました。これにより、1年間に1億5000万ドルを節約しました。

NVIDIA AI Enterpriseが詐欺検出にどのように取り組んでいるかを学びましょう。 このウェビナーでご確認ください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!