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 「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 Jul 20, 2023 

送金を辿るクエリ Copyright © 2022, Oracle and/or its affiliates 2 100 Alice 200 Bob 300 Charlie 400 Dave 1111 2222 3333 4444 5555 $20,000 $20,000 $30,000 $10,000 • 取引データのグラフ表現は、クエリを直感的 かつ高速化できる • 例えば、複数の中間ステップを経た循環的 な送金を見つけるためのクエリを、簡単に 書いて実行できる • グラフを辿るクエリにより、口座とその所有 者の隠れた関係を検出できる • 疑わしい口座をスコアリングする複雑なルー ル（例えば、既知の不正口座との近さ）もク エリで表現でき、短いレスポンスタイムで実 行できる 

360 度分析のための可視化 Copyright © 2022, Oracle and/or its affiliates 3 • グラフ可視化は元の送金データを表示するこ とができる。これは自動検出された「疑わし い」アカウントを検査する際に使用される • ユーザーは注目しているノードをクリックし てグラフを「展開」し、関連する情報を見る ことができる • また、クエリを実行して、特定の条件に該当 する口座を検索することもできます。これ は、ユーザーが既存のルールを調べたり、新 しいルールを試したり作成したりするのに役 立ちます 

機械学習モデルの精度向上 Copyright © 2022, Oracle and/or its affiliates 4 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 • グラフに基づいて口座に関する新しい特徴量をアルゴリズムで計算する • スコアは予測モデルを強化するために入力特徴として使用される 

顧客事例 - Paysafe Copyright © 2022, Oracle and/or its affiliates 5 • オンライン決済ソリューションの提供会社 • リアルタイム支払い、電子ウォレット • 1日あたり50万以上の決済 • 不正行為検出が非常に重要 • ルールベースのアプローチと機械学習との 組み合わせ • 資金移動に合わせたリアルタイムな検知 • 詳細はこちら • AnD Summit : 2020 slides, 2019 slides • YouTube : video 

Paysafe（パターンマッチング） Copyright © 2022, Oracle and/or its affiliates 6 Analytics and Data (AnD) Summit 2020 Presentation • 複数ホップするトランザクションをフォローす るクエリは、テーブルを複数回結合する必要が ある • 既存の複雑な SQL クエリは、PGQL クエリ （プロパティグラフ用の SQL ライクな問い合 わせ言語）に書き換えられた • クエリが非常にシンプルになった • 例: 32行 → 7行 • クエリの処理速度が大幅に向上 • 例: 50分 → 0.5秒 • 時間内に完了しなかったクエリをSQLで実行 できるようになった 

Paysafe（可視化） Copyright © 2022, Oracle and/or its affiliates 7 Analytics and Data (AnD) Summit 2020 Presentation • マネーフローの可視化は、疑わしい口座の 活動を手動 でチェックし、共通的な不正パ ターンを理解するために不可欠 • このカスタム可視化アプリケーションを使 用すると、マ ネーロンダリングの可能性の あるフローなどの興味深いネットワークが 検出された • また、デバイスのフィンガープリントを使 用することで、同じデバイスを使用する複 数のアカウントとその資金の流 れも可視化 される 

Paysafe（機械学習） Copyright © 2022, Oracle and/or its affiliates 8 Analytics and Data (AnD) Summit 2020 Presentation • グラフの可視化とグラフ分析の導入は、不正 調査の専門家の時間と労力を大幅に節約する • さらに自動化を進めるに、不正のパターンを 人の手を介さずに検出したい。このために、 機械学習とグラフを組み合わせる • DeepWalk のような埋め込み（embedding） 手法を実験した結果、機械学習モデルの精度 を大幅に向上させた 

No content