被害を未然に防ぐデータサイエンティストの資質
膨大な詐欺行為と戦うPayPal、決め手はオープンソースと“好奇心”
PayPalは、高度な予測データ分析を使用してユーザーを不正行為から保護し、PayPalのブランドを維持している。常に進化することがPayPal成功の鍵を握っている。
PayPalは買い手と売り手双方の保護に力を入れる《クリックで拡大》
不正ユーザーは、善良なユーザーをだますための新しい方法を絶えず見つけ出している。米PayPalは予測データ分析を使用して、これに対抗している。
ほとんどのユーザーが一般的な不正行為に慣れている。例えば、知らない人物から大量の資金の分配を約束する電子メールが届く。多くの場合に使われるのは、PayPalのような支払い処理サービスだ。
PayPalのグローバルリスクサイエンス部門のシニアディレクターであるフイ・ワン氏は、不正ユーザーから定期的に攻撃を受けると業務が困難になると語る。同氏の任務は、不正な取引が実行される前に停止させることだ。PayPalは多くの利害関係を抱えている。サービスが不正に使用されれば、ユーザーからの信頼が損なわれ、PayPalのブランドに傷が付く。最終的には、ユーザーの減少につながることにもなりかねない。
データ分析を利用した不正行為の予測
不正行為を防ぐため、ワン氏と彼女のチームは予測データ分析を使用して潜在的な不正取引を特定する作業に乗り出した。進化するという脅威の性質を考えれば、同氏の業務が落ち着くことはない。「私たちの抱える問題が非常に動的であるという意味では、PayPalにとって私たちはユニークな存在だ」と同氏は言う。
潜在的な不正行為を特定するため、ワン氏のチームは過去の支払いデータを分析し、不正行為の未遂を示唆する特徴を割り出している。リクエストするユーザーが使用しているのはどのようなデバイスか、リクエストの発信元の国はどこか、ユーザーのPayPalのプロファイルの詳細は何かなど、あらゆることを不正行為と関連付けることが可能だ。チームはこのデータを使用して、各取引に付随する潜在的な不正行為の兆候を評価する機械学習アルゴリズムを構築している。やがて、機械学習アルゴリズムは学習を積み重ね、予測の精度を増していく。
PayPalユーザーに対する脅威は日々進化することから、予測データ分析に対する学習アプローチはワン氏のリスクモデリングチームの課題となっていた。だが、同氏によると、このアプローチが実装可能になったのは2011年ごろからだという。それ以前の計算能力では、このような大容量の過去データに対して複雑なアルゴリズムを実行できなかったのだ。
しかし2011年以降、特にオープンソースコミュニティーから多くの新しいテクノロジーが登場し、ワン氏のチームは従来のリスクモデリングの壁を越えることができた。データ管理にTeradataとOracleの製品を使用し、分析にはSAS Instituteの製品を使用している。だが、「Apache Hadoop」や「Apache Spark」などのオープンソースツールへの依存度は高まっている。オープンソースのリソースは、サポート対象のツールの数を柔軟に増やし、データサイエンティストは最も快適なツールで作業する状況を可能にしたと同氏は指摘する。
「市販のソフトウェアが私たちのニーズを完全に満たさないことは何度もあったが、そういった場合にオープンソースが非常に重宝した。私たちはオープンソースを使用して、あらゆる調整を自分たちで行うことができる。その結果、データサイエンティストの力を解き放てるようになった」（ワン氏）
データサイエンティストを見極めるポイントを把握する
ワン氏のもう1つの功績は、適切なデータサイエンティストとエンジニアを探し出したことだ。新しいチームメンバーを雇用するとき、同氏は特定の技術スキルよりも、専門知識や好奇心など重視した。テクノロジーは変化するが、優秀なエンジニアであれば新しいプログラミング言語を習得できるはずだと同氏は述べる。
このアプローチはスキルの詳細一覧を集めるよりも難しい。履歴書に好奇心を記載する欄はない。だが、確認するポイントを知ることで雇用戦略はうまくいくようになると同氏は語る。
「私たちは、多くの新卒採用で成功を収めてきた。彼らは技術面では最新かつ優れたものを持っており、よりオープンマインドであることが分かっている」（ワン氏）
PayPalが不正ユーザーに対抗するために役立つものとして同氏が期待するのが、このオープンマインドである。PayPalのテクノロジースタックが成熟し、より高度な予測分析と機械学習をサポートするようになっても、不正ユーザーも同じ技術ツールを利用できるようになる。それが同氏にとって、継続的な改善が必須となる理由だ。
「私たちは常に一歩先を行くために、絶えず進化していかなければならない」とワン氏は語る。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
市場調査・トレンド
データ侵害の被害は平均440万米ドル、Linux環境のリスクはどう軽減する？ -
製品資料
ハイブリッドクラウド環境の管理を単純化するために知りたい「4つの方法」 -
市場調査・トレンド
「OSの選択」が戦略的な課題に？ 次世代のLinux基盤に求められる機能や要件 -
製品資料
SaaS企業のカスタマーサクセス、少人数で成果を上げる運用体制をどう作る？ -
製品資料
カスタマーサポートの投資効果が見えない？ 実態把握から始める改善方法とは
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
2
取手市がVDIと決別した理由 更改費用「4倍超」を約1.7倍に圧縮
-
3
AI全部入り「Microsoft 365 E7」に企業が二の足を踏む訳 移行意向はわずか4％
-
4
なぜ人はいるのにDXが進まない？ ライオンも直面した“老害”レガシーシステム
-
5
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
6
エンジニアが選考を辞退する本当の理由 7割が隠す“面接の違和感”とは
-
7
急増する「AIはこう言ってる」マン 判断を狂わせる「AI忖度」を防ぐには？
-
8
「Linuxサーバの長期運用とRed Hat Enterprise Linux」に関するアンケート
-
9
AI時代の競争力はデータ基盤で決まる 仮想化刷新を未来への投資に変える条件
-
10
「結局使わなくなる」Microsoft 365 Copilotを半年で定着 キリンの3施策
ホワイトペーパーランキング PR
-
1
属人化や仕様バグはなぜ起きる？ AI時代に必須のドキュメント文化の作り方
-
2
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
3
「NAS」「SAN」「DAS」は何が違う？ いまさら聞けないストレージの基礎
-
4
5分で分かる「AI駆動開発エージェント」 要件定義から設計・実装・テストまで
-
5
コスト分析で見る「デバイス復旧」の代償 損失額から導きだされた投資戦略とは
-
6
マンガで解説：「ゼロトラスト」「SASE」の必要性とメリット
-
7
“あのファイル転送”で暗躍するノーウェアランサム
-
8
オープンウェイトLLMの推論最適化事例：ローカル環境で応答速度を約15分の1へ
-
9
「結局、一部の人しか使わない」 AI活用が業務に定着しない根本的な理由
-
10
セキュリティソフトをすり抜ける標的型攻撃メール、不審メールの見破り方とは？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー