【全7回】グラフはなぜ使われていない？どうやって使われている？グラフデータベース活用事例 #1

今回は「銀行送金の可視化と不正検知」編！（オンライン開催）

グラフデータベースと呼ばれる DBMS（正確さのために「グラフ DBMS」と表記します）は 10年以上前から市場に存在しており、今では多くの開発者がその概要、たとえばグラフという直感的なモデルや「辿る」処理の性能メリット、について見聞きしたことがあるかと思います。その一方で、実際のシステム、とりわけ可用性や安定性が求められるビジネス・クリティカルなシステムでグラフ DBMS が採用されている例は今まで非常に稀でした。

グラフというデータモデルは DBMS で扱うビジネス価値がないのでしょうか。または、長らく注目されているグラフのユースケース（金融の不正検知、製造のトレーサビリティ分析、犯罪や税の不正の調査など）には障壁があるのでしょうか。そんな懸念も持たれていましたが、この数年、一転して、いくつもの業種でグラフ DBMS の導入が検討されるようになりました。

このシリーズでは、最近のユースケースを掘り下げて見てみることで、なにがブレークスルーになっているのかを探っていきたいと思います。ご担当業種で今すぐ再利用いただけるネタ・デモなども共有する予定です。以前よりグラフ DBMS の用途を模索しながら悪戦苦闘してきた登壇者が、その失敗経験なども交えながら、まだまだ進化していくデータベースの面白さをお伝えします。

1 銀行送金の可視化と不正検知 11/17（木） 本ページ
2 犯罪や税不正、利益相反の調査 12/08（木） 予定
3 仮）部品表とトレーサビリティ 01/12（木） 予定
4 仮）リコメンデーションと機械学習 02/09（木） 予定
5 仮）配送計画の最適化と見える化 03/09（木） 予定
6 仮）通話履歴の分析、詐欺の検出 04/13（木） 予定
7 仮）社員の協業の可視化と評価 05/11（木） 予定

Transcript

1. グラフはなぜ使われていない？どうやって使われている？ グラフデータベース活用事例まとめ #1「銀行送金の可視化と不正検知」編 Ryota Yamanaka Product Manager Asia-Pacific Spatial and Graph, Product Development Nov 17, 2022
2. ユースケース概要、顧客事例、デモコンテンツを紹介します • 第1回（11月17日）銀行送金の可視化と不正検知（金融） • 第2回（12月08日）犯罪や税不正、利益相反の調査（公共） • 第3回（01月12日）部品表とトレーサビリティ（製造） • 第4回（02月09日）リコメンデーションと機械学習（小売） • 第5回（03月09日）配送計画の最適化と見える化（物流) • 第6回（04月13日）通話履歴の分析、詐欺の検出（通信） • 第7回（05月11日）社員の協業の可視化と評価（人事） 対象：各インダストリでグラフデータベースの導入を検討されている方、 グラフという技術に興味がある方（コンプするとグラフエキスパートになれる？） このシリーズの予定 Copyright © 2022, Oracle and/or its affiliates 2
3. Oracle Graph に関する情報 • 日本語 • このシリーズのスライドの公開先 • https://oracle-code-tokyo-dev.connpass.com/event/265244/ • CodeZine 記事「グラフ・データベースはなぜ使われてこなかったか、その展望とは」 • https://codezine.jp/article/detail/16539 • Qiita: https://qiita.com/tags/oraclegraph • Twitter: https://twitter.com/uraryotas • 英語 • Medium: https://medium.com/tag/oracle-graph • LinkedIn: https://www.linkedin.com/groups/1848520/ • YouTube: https://www.youtube.com/channel/UCZqBavfLlCuS0il6zNY696w Copyright © 2022, Oracle and/or its affiliates 3
4. Copyright © 2022, Oracle and/or its affiliates 4 ユースケース紹介
5. Solution - Query to Follow Money Copyright © 2022, Oracle and/or its affiliates 5 100 Alice 200 Bob 300 Charlie 400 Dave 1111 2222 3333 4444 5555 $20,000 $20,000 $30,000 $10,000 • The graph representation of the transaction data makes queries intuitive and performant. • E.g., the queries for finding the circular money transfer over multiple intermediate steps can be easily written and executed. • Traversal queries enable the detection of hidden relationships between accounts and their owners (e.g. paradise papers). • Complex rules to score suspicious accounts (e.g., closeness to known fraud accounts) can also be expressed in graph queries and executed in a short response time.
6. Solution - 360 Degrees Visualization Copyright © 2022, Oracle and/or its affiliates 6 • The graph visualization component can show the original graph data on web browsers. This is useful for manual inspection against "suspicious" accounts (which are often detected by rules or machine learning models). • Users can "expand" the graph by clicking particular nodes to see the related information. • Users can also run PGQL queries to find the accounts in certain conditions. This helps users examine the existing rules, as well as try and create new rules.
7. Solution - Enhancing Machine Learning Models Copyright © 2022, Oracle and/or its affiliates 7 ID Feature1 Feature 2 Feature 3 1001 1002 1003 Raw Data Graph View Feature 4 Feature 5 Feature 6 Feature 7 Target Yes No No • New scores for accounts are calculated based on relationships and by rules and graph algorithms • The scores are used as input features to enhance the prediction models
8. Copyright © 2022, Oracle and/or its affiliates 8 顧客事例
9. Reference - Paysafe Copyright © 2022, Oracle and/or its affiliates 9 • Providing online payment solutions • Real-time payments, e-Wallets • 1B revenue/year, 500K payments/day • Strong demand for fraud detection • Combination with rule-based approach and machine learning • In real-time, upon money movement • More information • AnD Summit : 2020 slides, 2019 slides • YouTube : video
10. Reference - Paysafe (Query) Copyright © 2022, Oracle and/or its affiliates 10 Analytics and Data (AnD) Summit 2020 Presentation • The queries to follow transactions multiple hops need to join the tables multiple times. • The existing complex SQL queries were rewritten into PGQL queries. • Queries become much simpler • e.g. 32 lines --> 7 lines • Queries become much faster • e.g. 50 min --> 0.5 sec • Possible to run the queries that didn't complete in reasonable time by SQL.
11. Reference - Paysafe (Visualization) Copyright © 2022, Oracle and/or its affiliates 11 Analytics and Data (AnD) Summit 2020 Presentation • Visualization of money flows is essential to manually check the activities of suspicious accounts, as well as to understand the common fraud patterns. • Using this custom visualization application, interesting networks such as possible money laundering flows (typically consists of 3 steps : placement, layering, integration) were detected. • Using device fingerprints, the multiple accounts using the same device, and their money flows are also visualized.
12. Reference - Paysafe (Machine Learning) Copyright © 2022, Oracle and/or its affiliates 12 Analytics and Data (AnD) Summit 2020 Presentation • Introduction of graph visualization and graph analytics helps the investigations of fraud specialists, and saves a lot of time and effort. • For further automation, the fraud patterns should be also detected without human intervention. For this goal, machine learning will be combining with graphs. • Graph embedding techniques such as DeepWalk was experimented, and this feature improved the accuracy of the machine learning model significantly.
13. Copyright © 2022, Oracle and/or its affiliates 13 デモの内容
14. グラフモデルによる銀行送金トランザクションの記述 • 銀行の送金データをグラフで分析する（パート１） • https://qiita.com/ryotayamanaka/items/b2ee1c78807c1328b96f Copyright © 2022, Oracle and/or its affiliates 14
15. 表からグラフの作成、グラフクエリによるパターンマッチと結果の可視化 • 銀行の送金データをグラフで分析する（パート２） • https://qiita.com/ryotayamanaka/items/99a64b10f8f1f6456175 Copyright © 2022, Oracle and/or its affiliates 15
16. Graph Server を利用した、経路検索、アルゴリズム、グラフの変換 • 銀行の送金データをグラフで分析する（パート３） • https://qiita.com/ryotayamanaka/items/de13a0a638a24dcf5688 Copyright © 2022, Oracle and/or its affiliates 16
17. 機械学習の性能を向上するためにグラフを活用する方法 • 機械学習のためのグラフ活用（金融不正検知） • Qiita 記事近日公開 Copyright © 2022, Oracle and/or its affiliates 17 Account acc_id first_name last_name .. pagerank betweeness cent. eigenvector cent. label_propagation conductance .. is_fraud
18. ADB Graph Studio を使用して上述のシナリオを試すためのサンプル • 銀行の送金データをグラフで分析する（Graph Studio） • Qiita 記事近日公開 Copyright © 2022, Oracle and/or its affiliates 18
19. Copyright © 2022, Oracle and/or its affiliates 19 デモ！
20. Copyright © 2022, Oracle and/or its affiliates 20 おわりに
21. Oracle Graph に関する情報 （再掲） • 日本語 • このシリーズのスライドの公開先 • https://oracle-code-tokyo-dev.connpass.com/event/265244/ • CodeZine 記事「グラフ・データベースはなぜ使われてこなかったか、その展望とは」 • https://codezine.jp/article/detail/16539 • Qiita: https://qiita.com/tags/oraclegraph • Twitter: https://twitter.com/uraryotas • 英語 • Medium: https://medium.com/tag/oracle-graph • LinkedIn: https://www.linkedin.com/groups/1848520/ • YouTube: https://www.youtube.com/channel/UCZqBavfLlCuS0il6zNY696w Copyright © 2022, Oracle and/or its affiliates 21
22. Oracle Graph のワークショップ（英語） ADB Graph Studio • Getting Started with Graph Studio on Oracle Autonomous Database https://apexapps.oracle.com/pls/apex/dbpm/r/livelabs/view-workshop?wid=758 • Graph Studio: Finding Circular Payment Chains using Graph Queries in Autonomous Database https://apexapps.oracle.com/pls/apex/dbpm/r/livelabs/view-workshop?wid=770 Grapy Server and Client • Analyze, Query, and Visualize Graphs in Oracle Database How to setup the Marketplace image with Autonomous Database and use queries and algorithms https://apexapps.oracle.com/pls/apex/dbpm/r/livelabs/view-workshop?wid=686 Copyright © 2022, Oracle and/or its affiliates 22