You are here

(日本語抄訳付)Machine Learning for Fraud Mitigation: The Substance Behind the Buzz

(日本語抄訳付)Machine Learning for Fraud Mitigation: The Substance Behind the Buzz

機械学習に投資しない企業は遅れをとるリスクがある。機械学習の活用により、不正防止とカスタマー・エクスペリエンス向上の両立が可能となるからだ。

Boston, April 13, 2017 – 不正防止分野における機械学習の活用は、バズワードとなっているだけでなく、実力も兼ね備えている。不正行為の進化はあまりにも速く、世界各地の金融機関やマーチャント(加盟店)は、遅れをとらないよう高度の分析テクノロジーを必要としている。機械学習は、不正防止分野において高い効果を発揮できるのだが、流行語になってしまったがために、様々な解釈を与えてしまっている。

本レポートでは、不正防止分野における機械学習について、読者が実態を理解できるよう、ベンダーの誇大広告やマーケティング上の美辞麗句を極力排除した。本レポートは、2016年10月~2017年3月にかけて実施した、不正分析ベンダーや金融機関・マーチャントの不正防止分野の経営層に対する28回のインタビューに基づいている。 ここでは、「機械学習」を定義し、様々なベンダーのアプローチを類型化、さらに、具体的な事例を説明した上で、「機械学習」活用の価値を示すポイントを指摘する。

本インパクト・ノートは、7の図表と4つの計表を含みます(全18ページ)。アイテ・グループのリテール銀行およびペイメントサービスのお客様は、本レポート、チャート(英語)、サマリーPPT(英語)をダウンロードいただけます。

Download table of contents

本レポートでは Amazon, BioCatch, Brighterion, ClearSale, DataVisor, Easy Solutions, Equifax, Experian, Feature Analytics, Featurespace, Feedzai, FICO, First Data, Forter, Guardian Analytics, IBM, ID Analytics, InAuth, iovation, iSoft, LexisNexis Risk Solutions, Mastercard, NuData, Oracle, Pindrop Security, Radial, Risk Ident, Riskified, RSA, SAS, Sift Science, Signifyd, Simility, ThetaRay, ThreatMetrix, TransUnion, Vesta, Visa, Wiproに言及している。