グラフ理論と不正対策 つながりをデータから解き明かしたい @hmj 株式会社メルペイ Software Engineer(Machine Learning)

@hmj 株式会社メルペイ Software Engineer (ML) 2018年より株式会社メルペイにて機械学習 /自然言語処理を中 心とした与信モデルの設計開発に携わり、 2019年10月より不正検知領域の機械学習モデルやシステム開 発に携わる。 好きなラーメンは，蒙古タンメンかラーメン二郎。甘党。

Agenda 01 グラフ理論とは 02 グラフ理論を活用している不正対策の事例紹介 03 Future Work

Agenda 01 グラフ理論とは 02 グラフ理論を活用している不正対策の事例紹介 03 Future Work

グラフ理論とは 丸い円とそれらを結ぶ線で抽象化され たものがグラフ (Graph) です。 ● 丸い円は ノード（節点、頂点） ● 矢印は リンク（弧、辺） といわれています。 1 2 3 4

「メルカリ」のユニークなデータ ● ノード ○ アカウント ○ 加盟店 ● リンク ○ 招待関係 ○ 出品や購入や決済 出品者 購入者 商品を買う

Agenda 01 グラフ理論とは 02 グラフ理論を活用している不正対策の事例紹介 03 Future Work

● 複数のアカウントが関係 ○ 特定の”位置”での出現度合い ○ アカウント同士の類似度合い ● 事例 ○ 今回はクレジットカードの不正利用*1にフォーカスします。 *1 不正に入手したクレジットカード情報を使用してメルカリで商品を購入するケース グラフ理論を活用した不正対策の紹介

特定の”位置”での出現度合い Buyer Seller 0 1 2 2 2 1 3 3 ∞ 4 取引 Edge Suspicious 図はイメージです。

アカウント Node アカウント同士の類似度合い 属性情報 Node Suspicious 01 02

時間発展をするグラフ time １ ２ ３ 4 5 カード決済 不正利用と 判明 Suspicious Fraud

リアルタイム不正検知システムとの連携 Ref.ゼロからメルペイのリアルタイム不正検知システムを作る話 | メルカリエンジニアリング （https://engineering.mercari.com/blog/entry/20220419-14cfb92734/） リアルタイム不正検知シ ステム データ連携 DB 怪しいアカウントの判定シ ステム

Agenda 01 グラフ理論とは 02 グラフ理論を活用している不正対策の事例紹介 03 Future Work

● つながりを見いだせないと、施策のカバレッジも増えない a. リンク予測 b. 予測結果の解釈への探求 Future Work

リンク予測 (Link Prediction) ? Graph Database Offline Store Online Store 引用 : https://feast.dev/ リンク予測とは、あるノード同士に関係性があるかどうかを予測するタスク

予測結果の説明性と解釈の重視 引用: https://github.com/slundberg/shap

ご清聴ありがとうございました！

No content