ロイズ銀行は、誤検知を減らしながら1か月で200,000ポンド以上に相当する不正行為を検知・遮断しました。

概要

ロイズ銀行グループは、3,000万を超える顧客に当座預金、普通預金、個人向けローン、クレジットカード、住宅ローンを提供する英国の主要銀行です。顧客のうち大きな割合は占めないまでもかなりの人数が、フルサービスのモバイルアプリを用いた同行の「モバイルファースト」戦略優先の方針を反映して、現在モバイルサービスのみを利用しています。

同行のビジョンは、オンラインとモバイルユーザーに、シンプルでシームレスなトランザクションを提供することこれは、顧客が不要なステップアップ認証や介入なしに、いつでもどこでもアカウントにアクセスしてリアルタイムでトランザクションを実行できるようにすることによって実現します。

高度な行動分析と機械学習へのホワイトボックスアプローチの組み合わせにより、ロイズ銀行グループは以下の能力を備えることができます。

  • 誤検知と不要介入を減らすことにより、顧客体験を優先的に効率化する。
  • 個々の顧客の正常な行動の構成要素に対する信頼度を高める。
  • 複雑で進化を続ける不正パターンをより高い精度で検出する。

ビジネスの課題

グローバルな金融機関は、効果的な不正管理と優れた顧客体験の間の綱渡りを続けます。そのバランスは不安定です。フルサービスのオンラインチャネルへの効率的なアクセスを犠牲にして堅牢な不正検知を実現することはできません。しかし、銀行にとっての課題は、消費者の行動がこれまでになく多様化し、予測が困難になっているために、「正規」の定義が多少あいまいになっていることです。それと並行して、不正行為者は、銀行と顧客をさらに巧みに騙すようになり、完璧なソーシャルエンジニアリング攻撃を形成して、技術的に最も精通した対象も騙すことができ、多くの正規顧客より正規顧客のように振る舞うことができるようになっています。

銀行は高度な行動分析とインテリジェント機械学習の最先端に位置し、進化を続ける不正ベクトルとあらゆる種類の正規顧客の行動をより適切に区別する必要があります。

スマートルールにより、すべてのユーザーが同じように行動すると仮定する代わりに(実際にはそうではありません)、行動ルールと戦略を個別に調整できるようになりました。これにより、本当の不正と正当な「異常」行動をより適切に区別できます。

— ロイズ銀行グループDaniel Holmes氏

高度な行動分析を使用して、正規顧客の行動と潜在的な不正をより適切に区別する

ThreatMetrixスマートルールは、個々のユーザーレベルで行動を分析し、現在のイベントデータを顧客の正常な行動と比較します。このアプローチにより、通常とは異なるように見えても実際には正常な顧客のオンラインフットプリントを形成するトランザクションから、純粋に高リスクのトランザクションを隔離できます。

スマートルールのメリット

  • 動的しきい値の設定は、トランザクションのコンテキストに基づいて計算されます。現在のイベントをユーザー固有の履歴情報と比較します。
  • さまざまな粒度レベルで消費者行動を分析します。スマートルールは、ユーザーレベルまたはIPアドレス、デバイスなどのエンティティレベルで定義できます。
  • すべてのスマートルールまたはスマートルールと静的ビジネスルールの組み合わせなどの異なるルールセットを組み合わせて階層的に定義できます。

スマートルールは、数千・数万のグローバルビジネス間のログイン、支払い、新規アカウント申請などの顧客が日々行う数百万件のやり取りから生成されるインテリジェンスをクラウドソースするThreatMetrixデジタル・アイデンティティ・ネットワークによってサポートされています。

ThreatMetrixは、この情報を使用してデバイス、場所、匿名化された個人情報のさまざまなつながりを分析することによって、ユーザー固有のデジタルアイデンティティを形成して、企業にあらゆるタイプの高リスクの逸脱を警告します。

スマートルールを用いると、正当なリモート・アクセスツールの使用を標準化して不正の可能性がある行動の変化をより適切に識別できます。誤検知を減らすことで、アラートと人員を戦略向上のために再配置し、正規顧客への干渉を低減しながらより多くの不正を遮断できるようになりました。

— ロイズ銀行グループDaniel Holmes氏

機械学習へのクリアボックスアプローチによってスマートルールの成功を拡大

本物の不正をより適切に検知するスマートルールの成功に続いて、ロイズ銀行グループは、ThreatMetrixのサポートにより機械学習によるチャレンジャーポリシーを構築して正規顧客の信頼度を向上し、顧客が感じる煩わしさを軽減しました。

ThreatMetrixは、デジタル・アイデンティティ・ネットワークからのインテリジェンスを用いてロイズ銀行に実データを供給してスマート学習モデルを構築し、特定のトランザクションでさらに多くのコンテキストが必要になった場合、ロイズ銀行はそれを使用して既存のポリシーを補強しました。

スマート学習のメリット

  • ThreatMetrixの機械学習は、時間経過とともに変化する顧客行動に対応するために、反復的なアプローチを使用します。
  • 企業は、スマート学習モデルを介して生成されたルールを「選択的に」組み込んで、既存のポリシーを補強できます。
  • 他の機械学習製品には、機械学習プラットフォームで使用する前に、さまざまなソースからのデータをクリーニングするための追加の操作が必要です。ThreatMetrixスマート学習は、ThreatMetrixポリシーエンジンからのデータを使用するため、データはすでにクリーニングおよび正規化されており、時間とコストが節約できます。

この機械学習されたモデルを実装すると、個々のルールを日々管理する作業が軽減され、よりスマートで自動化された方法でスコアを集計できます。

ThreatMetrixスマート学習によって、現在のポリシースコアに機械学習されたチャレンジャーを導入できたため、ログイン時の正規顧客の信頼レベルが10%向上しました。これを不正決定に取り入れることにより、顧客の誤検知と煩わしさを軽減できる機会が提供されます。

— ロイズ銀行グループDaniel Holmes氏

コンサルテーションの予約

今すぐ始める
close btn

Powered By OneLink