ホーム > 特許ランキング > 楽天グループ株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-11-20
(45)【発行日】2024-11-28
(54)【発明の名称】不正検知システム、不正検知方法、及びプログラム
(51)【国際特許分類】
G06Q 20/42 20120101AFI20241121BHJP
【ＦＩ】
G06Q20/42
【請求項の数】
15
(21)【出願番号】P 2023128576
(22)【出願日】2023-08-07
【審査請求日】2023-08-07
(73)【特許権者】
【識別番号】399037405
【氏名又は名称】楽天グループ株式会社
(74)【代理人】
【識別番号】110000154
【氏名又は名称】弁理士法人はるか国際特許事務所
(72)【発明者】
【氏名】友田 恭輔
【審査官】宮地 匡人
(56)【参考文献】
【文献】米国特許出願公開第２００９／０３０７０２８（ＵＳ，Ａ１）
【文献】国際公開第２０２０／２６１４２６（ＷＯ，Ａ１）
【文献】特許第７１６５８４１（ＪＰ，Ｂ１）
【文献】特表２０２１－５１３１６９（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、前記対象状況データと、前記第１サービスにおける不正を検知するための機械学習に関する不正検知モデルであって、当該不正検知モデルの学習のための学習ユーザによる前記第２サービスの利用状況に関する学習状況データと、前記第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習された学習済みの前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部と、
を含む不正検知システム。
【請求項2】
前記処理実行部は、前記対象ユーザが不正であるか否かに関する処理結果データを前記第１サービスの第１サービスシステムに送信する第１送信処理を、前記所定の処理として実行する、請求項１に記載の不正検知システム。
【請求項3】
前記対象状況データ取得部は、複数の前記第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する前記対象状況データを取得し、前記不正検知部は、前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データと、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
請求項１又は２に記載の不正検知システム。
【請求項4】
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、互いに異なる種類の利用状況に関する前記対象状況データを取得し、前記不正検知部は、前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記互いに異なる種類の利用状況に関する前記対象状況データと、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
請求項３に記載の不正検知システム。
【請求項5】
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する数値を示す前記対象状況データを取得し、前記不正検知部は、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データが示す前記数値に基づいて、評価値を計算し、
当該計算された評価値と、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
請求項３に記載の不正検知システム。
【請求項6】
第１サービスにおける不正検知の対象となる対象ユーザが利用する複数の第２サービスの各々の第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する数値を示す対象状況データを取得する対象状況データ取得部と、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データが示す前記数値の中から、代表値を特定し、当該特定された代表値と、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部と、
を含む不正検知システム。
【請求項7】
第１サービスにおける不正検知の対象となる対象ユーザが利用する複数の第２サービスの各々の第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、前記複数の第２サービスの中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な少なくとも１つの前記第２サービスを特定し、当該特定された少なくとも１つの第２サービスに関する有効サービスデータを前記第１サービスの第１サービスシステムに送信する第２送信処理を実行する処理実行部と、
を含む不正検知システム。
【請求項8】
前記不正検知システムは、前記第１サービスシステムを更に含み、前記第１サービスシステムは、
前記有効サービスデータに基づいて、前記第１サービスシステム独自の不正検知モデルを作成する作成部と、
前記作成部により作成された前記独自の不正検知モデルに基づいて、前記対象ユーザの不正を検知する独自検知部と、
を含む請求項７に記載の不正検知システム。
【請求項9】
第１サービスにおける不正検知の対象となる対象ユーザが利用する複数の第２サービスの各々の第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、
前記複数の第２サービスの各々で不正が発生した場合に、当該不正が発生した順序に関する順序データを取得する順序データ取得部と、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データと、前記順序データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部と、
を含む不正検知システム。
【請求項10】
第１サービスにおける不正検知の対象となる対象ユーザが利用する複数の第２サービスの各々の第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、前記複数の第２サービスの中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な少なくとも１つの前記第２サービスを特定し、当該特定された少なくとも１つの第２サービスの前記第２サービスシステムに、前記第１サービスにおいて不正が検知された前記対象ユーザに関する対象ユーザデータを送信する第３送信処理を実行する処理実行部と、
を含む不正検知システム。
【請求項11】
第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する複数の項目を含む対象状況データを取得する対象状況データ取得部と、
前記対象状況データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、前記複数の項目の中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な項目を特定し、当該特定された項目に関する項目データを前記第１サービスの第１サービスシステムに送信する第４送信処理を実行する処理実行部と、
を含む不正検知システム。
【請求項12】
前記不正検知システムは、前記第１サービスシステムを更に含み、前記第１サービスシステムは、
前記項目データに基づいて、前記第１サービスシステム独自の不正検知モデルを作成する作成部と、
前記作成部により作成された前記独自の不正検知モデルに基づいて、前記対象ユーザの不正を検知する独自検知部と、
を含む請求項１１に記載の不正検知システム。
【請求項13】
前記第２サービスシステムでは、前記第２サービスで不正が検知された不正ユーザに関するリストが生成され、前記対象ユーザは、前記リストにないユーザである、
請求項１又は２に記載の不正検知システム。
【請求項14】
コンピュータが、
第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得ステップと、
前記対象状況データと、前記第１サービスにおける不正を検知するための機械学習に関する不正検知モデルであって、当該不正検知モデルの学習のための学習ユーザによる前記第２サービスの利用状況に関する学習状況データと、前記第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習された学習済みの前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知ステップと、
前記不正検知ステップの処理結果に基づいて、所定の処理を実行する処理実行ステップと、
を実行する不正検知方法。
【請求項15】
第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部、前記対象状況データと、前記第１サービスにおける不正を検知するための機械学習に関する不正検知モデルであって、当該不正検知モデルの学習のための学習ユーザによる前記第２サービスの利用状況に関する学習状況データと、前記第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習された学習済みの前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部、
前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部、
としてコンピュータを機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、不正検知システム、不正検知方法、及びプログラムに関する。
【背景技術】
【0002】
従来、所定のサービスにおけるユーザの不正を検知するための技術が知られている。例えば、特許文献１には、所定のサービスに加盟する複数の加盟店の各々のサーバが、自身の加盟店で不正をした不正ユーザに関する不正取引者データベースを共有し、自身が管理する不正取引者データベースだけではなく、他の加盟店のサーバが管理する不正取引者データベースに基づいて、ユーザの不正を検知する技術が記載されている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１６－０９９９１３号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、特許文献１の技術では、複数の加盟店の各々のサーバは、不正取引者データベースに登録されていないユーザの不正を検知することはできない。特許文献１の技術では、複数の加盟店の各々のサーバは、当該加盟店における利用状況に基づいて、不正取引者データベースに登録されていないユーザの不正を検知することしかできなかった。この点は、特許文献１のように不正取引者データベースが共有される技術以外の他の技術でも同様である。従来の技術では、不正検知の精度が十分ではなかった。
【0005】
本開示の目的の１つは、不正検知の精度を高めることである。
【課題を解決するための手段】
【0006】
本開示に係る不正検知システムは、第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、前記対象状況データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部と、を含む。
【発明の効果】
【0007】
本開示によれば、不正検知の精度を高めることができる。
【図面の簡単な説明】
【0008】
【図1】不正検知システムのハードウェア構成の一例を示す図である。
【図2】ユーザが第１サービス及び第２サービスの各々を利用する様子の一例を示す図である。
【図3】不正検知モデルの入力及び出力の一例を示す図である。
【図4】不正検知システムで実現される機能の一例を示す図である。
【図5】訓練データベースの一例を示す図である。
【図6】処理結果データベースの一例を示す図である。
【図7】第１ユーザデータベースの一例を示す図である。
【図8】第２ユーザデータベースの一例を示す図である。
【図9】不正検知システムで実行される処理の一例を示す図である。
【図10】変形例の不正検知システムで実現される機能の一例を示す図である。
【発明を実施するための形態】
【0009】
［１．不正検知システムのハードウェア構成］
本開示に係る不正検知システム、不正検知方法、及びプログラムの実施形態の一例である実施形態を説明する。図１は、不正検知システムのハードウェア構成の一例を示す図である。例えば、不正検知システム１は、インターネット又はＬＡＮ等のネットワークＮに接続される。ネットワークＮには、第１サービスシステム２、第２サービスシステム３、及びユーザ端末４０も接続される。
本開示に係る不正検知システム、不正検知方法、及びプログラムの実施形態の一例である実施形態を説明する。図１は、不正検知システムのハードウェア構成の一例を示す図である。例えば、不正検知システム１は、インターネット又はＬＡＮ等のネットワークＮに接続される。ネットワークＮには、第１サービスシステム２、第２サービスシステム３、及びユーザ端末４０も接続される。
【0010】
不正検知システム１は、第１サービスにおける不正を検知するシステムである。第１サービスは、不正の検知対象となるサービスである。本実施形態では、決済サービスが第１サービスに相当する場合を例に挙げる。決済サービスは、電子決済を代行するサービスである。決済サービスは、任意の決済手段に対応可能である。例えば、決済サービスは、クレジットカード、電子マネー、ポイント、銀行口座、銀行以外の金融機関の口座、金融機関以外の口座、暗号資産、又はその他の決済手段に対応可能である。
【0011】
不正とは、第１サービスの利用規約に違反する行為、法律に違反する行為、官公庁の要請に違反する行為、又はその他の迷惑行為である。不正の検知とは、不正な行為の検知、又は、不正の疑いがある行為の検知（不正の可能性の検知）である。不正の検知は、不正の推定ということもできる。このため、本実施形態で検知と記載した箇所は、推定と読み替えることもできる。例えば、第１サービスが決済サービスであれば、あるユーザが他のユーザの決済手段を利用する行為は、不正に相当する。あるユーザが、自身の決済手段で支払を禁じられている商品又はサービスを購入する行為は、不正に相当する。
【0012】
なお、第１サービスは、任意のサービスであってよい。第１サービスは、決済サービスに限られない。例えば、第１サービスは、電子商取引サービス、金融サービス、通信サービス、動画配信サービス、楽曲配信サービス、ＳＮＳ、又はその他のサービスであってもよい。不正検知システム１が検知する不正は、第１サービスにおいて発生しうる行為であればよい。例えば、第１サービスが電子商取引サービスであれば、あるユーザが他のユーザになりすまして商品を注文する行為は、不正に相当する。第１サービスが金融サービスであれば、あるユーザが他のユーザになりすまして送金する行為は、不正に相当する。
【0013】
例えば、不正検知システム１は、不正検知サーバ１０を含む。不正検知サーバ１０は、サーバコンピュータである。不正検知サーバ１０は、制御部１１、記憶部１２、及び通信部１３を含む。制御部１１は、少なくとも１つのプロセッサを含む。記憶部１２は、ＲＡＭ等の揮発性メモリと、フラッシュメモリ等の不揮発性メモリと、の少なくとも一方を含む。通信部１３は、有線通信用の通信インタフェースと、無線通信用の通信インタフェースと、の少なくとも一方を含む。
【0014】
なお、記憶部１２に記憶されるプログラムは、ネットワークＮを介して、不正検知サーバ１０に供給されてもよい。また、コンピュータ読み取り可能な情報記憶媒体に記憶されたプログラムが、情報記憶媒体を読み取る読取部（例えば、光ディスクドライブやメモリカードスロット）、又は、外部機器とデータの入出力をするための入出力部（例えば、ＵＳＢポート）を介して、不正検知サーバ１０に供給されてもよい。
【0015】
また、不正検知システム１は、少なくとも１つのコンピュータを含めばよい。不正検知システム１のハードウェア構成は、図１の例に限られない。例えば、不正検知システム１は、不正検知サーバ１０と、他のコンピュータ（例えば、他のサーバコンピュータ又はパーソナルコンピュータ）と、を含んでもよい。不正検知システム１は、第１サービスシステム２、第２サービスシステム３、及びユーザ端末４０の少なくとも１つを含んでもよい。
【0016】
第１サービスシステム２は、ユーザに第１サービスを提供するシステムである。例えば、第１サービスシステム２は、第１サービスサーバ２０を含む。第１サービスサーバ２０は、サーバコンピュータである。第１サービスサーバ２０は、制御部２１、記憶部２２、及び通信部２３を含む。制御部２１、記憶部２２、及び通信部２３の物理的構成は、それぞれ制御部１１、記憶部１２、及び通信部１３と同様であってよい。なお、記憶部２２に記憶されるプログラムがネットワークＮ等を介して第１サービスサーバ２０に供給されてもよい点と、第１サービスシステム２のハードウェア構成が図１の例に限られない点と、は不正検知システム１と同様である。
【0017】
第２サービスシステム３は、ユーザに第２サービスを提供するシステムである。第２サービスは、第１サービスとは異なる他のサービスである。第２サービスは、第１サービスにおける不正の検知で参考にされる他のサービスである。本実施形態では、電子商取引サービスが第２サービスに相当する場合を例に挙げる。第２サービスは、任意のサービスであってよい。第２サービスは、電子商取引サービスに限られない。第２サービスは、第１サービスで例示したサービスのうち、第１サービスとは異なるサービスであってもよい。第１サービスが第１の決済サービスであり、第２サービスが第２の決済サービスといったように、第１サービス及び第２サービスは、同種のサービスであってもよい。
【0018】
例えば、第２サービスシステム３は、第２サービスサーバ３０を含む。第２サービスサーバ３０は、サーバコンピュータである。第２サービスサーバ３０は、制御部３１、記憶部３２、及び通信部３３を含む。制御部３１、記憶部３２、及び通信部３３の物理的構成は、それぞれ制御部１１、記憶部１２、及び通信部１３と同様であってよい。なお、記憶部３２に記憶されるプログラムがネットワークＮ等を介して第２サービスサーバ３０に供給されてもよい点と、第２サービスシステム３のハードウェア構成が図１の例に限られない点と、は不正検知システム１と同様である。
【0019】
ユーザ端末４０は、ユーザのコンピュータである。ユーザは、第１サービス及び第２サービスの両方を利用する。例えば、ユーザ端末４０は、スマートフォン、タブレット、パーソナルコンピュータ、又はウェアラブル端末である。ユーザ端末４０は、制御部４１、記憶部４２、通信部４３、操作部４４、及び表示部４５を含む。制御部４１、記憶部４２、及び通信部４３の物理的構成は、それぞれ制御部１１、記憶部１２、及び通信部１３と同様であってよい。操作部４４は、キーボード又はタッチパネル等の入力デバイスである。表示部４５は、液晶又は有機ＥＬのディスプレイである。
【0020】
［２．不正検知システムの概要］
図２は、ユーザが第１サービス及び第２サービスの各々を利用する様子の一例を示す図である。例えば、ユーザは、ユーザ端末４０にインストールされた第１アプリＡＰ１の画面ＳＣ１から、第１サービスを利用する。第１アプリＡＰ１は、第１サービス用のアプリケーションである。ユーザは、第１アプリＡＰ１以外の他の手段から、第１サービスを利用してもよい。例えば、ユーザは、ユーザ端末４０にインストールされたブラウザから、第１サービスを利用してもよい。本実施形態のように、第１サービスが決済サービスであれば、ユーザは、ユーザ端末４０のＩＣチップから、第１サービスを利用してもよい。
図２は、ユーザが第１サービス及び第２サービスの各々を利用する様子の一例を示す図である。例えば、ユーザは、ユーザ端末４０にインストールされた第１アプリＡＰ１の画面ＳＣ１から、第１サービスを利用する。第１アプリＡＰ１は、第１サービス用のアプリケーションである。ユーザは、第１アプリＡＰ１以外の他の手段から、第１サービスを利用してもよい。例えば、ユーザは、ユーザ端末４０にインストールされたブラウザから、第１サービスを利用してもよい。本実施形態のように、第１サービスが決済サービスであれば、ユーザは、ユーザ端末４０のＩＣチップから、第１サービスを利用してもよい。
【0021】
例えば、ユーザは、ユーザ端末４０にインストールされた第２アプリＡＰ２の画面ＳＣ２から、第２サービスを利用する。第２アプリＡＰ２は、第２サービス用のアプリケーションである。ユーザは、第２アプリＡＰ２以外の他の手段から、第２サービスを利用してもよい。例えば、ユーザは、ユーザ端末４０にインストールされたブラウザから、第２サービスを利用してもよい。図２の例では、ユーザは、第１サービスの支払元と同じクレジットカードを利用して、第２サービスで商品を購入している。
【0022】
例えば、ユーザは、特定の端末識別情報のユーザ端末４０から、特定のクレジットカードで、第２サービスを利用する。端末識別情報は、ユーザ端末４０を識別可能な情報である。例えば、端末識別情報は、ユーザ端末４０のシリアル番号（個体識別情報）、ＳＩＭカード内のＩＤ、ＩＰアドレス、第１サービスシステム２が発行したＩＤ、第２サービスシステム３が発行したＩＤ、又はその他の情報である。
【0023】
例えば、正当なユーザが第２サービスを繰り返し利用する場合、ユーザ端末４０及びクレジットカードの組み合わせは、基本的に、同じであることが多い。更に、正当なユーザは、第１サービスでも、同じ端末識別情報のユーザ端末４０から、同じクレジットカードを利用することが多い。このため、第１サービスで利用されようとしているユーザ端末４０及びクレジットカードの組み合わせが第２サービスでも利用されていれば、第１サービスで不正が発生しないことが多い。図２の例では、正当なユーザは、同じユーザ端末４０及びクレジットカードの組み合わせで、第１サービス及び第２サービスの各々を利用している。
【0024】
一方、悪意のあるユーザが、正当なユーザになりすまして、第１サービスにログインしたとする。更に、悪意のあるユーザは、第２サービスでは、なりすましをしていないものとする。この場合、第１サービスで利用されようとしているクレジットカードは、正当なユーザにより第２サービスで利用されていることがある。しかしながら、第１サービスで利用されようとしているユーザ端末４０及びクレジットカードの「組み合わせ」は、第２サービスでは利用されていない。即ち、悪意のあるユーザのユーザ端末４０は、第２サービスでは利用されていない。この場合、不正検知サーバ１０は、第１サービスにおける不正を検知する。
【0025】
例えば、不正検知サーバ１０は、第１サービスシステム２に対し、第１サービスにおける不正が検知されたことを通知する。第１サービスサーバ２０は、通知を受信すると、第１サービスで追加の認証を発動させる。追加の認証は、第１サービスへのログイン以外の他の認証である。例えば、追加の認証は、３Ｄセキュア認証、セキュリティコード認証、第１サービスへのログイン時に利用されるパスワード以外の他のパスワードが利用されるパスワード認証、生体認証、クレジットカードの所持認証、又は他の認証であってよい。悪意のあるユーザは、原則として追加の認証を成功させることができない。
【0026】
例えば、第１サービスが第２サービスのブラックリストを参考にするような技術は、従来から知られている。このような技術では、第２サービスのブラックリストが作成されているので、第２サービスで不正が発生することが前提である。一方で、本実施形態の不正検知システム１は、第２サービスで不正が発生していなかったとしても、第２サービスにおけるユーザ端末４０及びクレジットカードの組み合わせを、第１サービスにおける不正の検知の参考にする。
【0027】
なお、第１サービスにおける不正の検知で参考可能な情報は、ユーザ端末４０及びクレジットカードの組み合わせに限られない。第２サービスにおける他の利用状況も、第１サービスにおける不正の件の参考になることがある。例えば、あるユーザＩＤで第２サービスにおける決済額が急激に増加した後に、当該ユーザＩＤで第１サービスにおける不正が発生する傾向があれば、第２サービスにおける決済額は、第１サービスにおける不正の検知で参考になる。
【0028】
例えば、あるユーザＩＤで第２サービスにおける配送先が変更された後に、当該ユーザＩＤで第１サービスにおける不正が発生する傾向があれば、第２サービスにおける配送先は、第２サービスにおける不正の検知で参考になる。あるユーザＩＤで第２サービスにおけるログイン回数が急激に増加した後に、当該ユーザＩＤで第１サービスにおける不正が発生する傾向があれば、第２サービスにおけるログイン回数は、第２サービスにおける不正の検知で参考になる。
【0029】
そこで、本実施形態の不正検知サーバ１０は、第２サービスにおける利用状況のうち、第１サービスにおける不正の有無と因果関係（相関関係）のある利用状況に基づいて、第１サービスにおける不正を検知する。以降、不正の検知で利用されるプログラムを、不正検知モデルという。詳細は後述するが、本実施形態の不正検知モデルは、機械学習に関するモデルである。例えば、不正検知サーバ１０は、第２サービスにおける利用状況と、機械学習に関する不正検知モデルと、に基づいて、第１サービスにおける不正を検知する。
【0030】
図３は、不正検知モデルの入力及び出力の一例を示す図である。図３のように、不正検知モデルＭには、第２サービスにおける利用状況に関するデータ（図３の例では、端末識別情報、クレジットカード番号、決済額、及び配送先）が入力される。本実施形態では、不正検知モデルＭには、第２サービスだけではなく、第１サービスにおける利用状況に関するデータ（図３の例では、端末識別情報、クレジットカード番号、決済額、及び利用中心地からの距離）も入力されるものとする。
【0031】
例えば、不正検知モデルＭには、第１サービス及び第２サービスの各々における利用状況と、第１サービスにおける不正の有無と、の関係が予め学習されている。不正検知モデルＭの学習のための処理の詳細は、後述する。学習済みの不正検知モデルＭは、自身に入力されたデータの特徴量を計算する。不正検知モデルＭは、当該計算された特徴量に応じた出力を行う。本実施形態では、不正検知モデルＭは、第１サービスにおける不正の有無を示す値を出力する。
【0032】
以上のように、本実施形態の不正検知システム１は、少なくとも第２サービスの利用状況と、不正検知モデルＭと、に基づいて、第１サービスにおける不正を検知する。これにより、不正検知システム１は、第１サービス以外の他のサービスである第２サービスの利用状況を参考にして、第１サービスにおける不正を検知できるようになる。このため、不正検知システム１は、第１サービスにおける不正検知の精度を高めることができる。以降、不正検知システム１の詳細を説明する。
【0033】
［３．不正検知システムで実現される機能］
図４は、不正検知システム１で実現される機能の一例を示す図である。図４では、第１サービスシステム２及び第２サービスシステム３の各々で実現される機能の一例も示されている。
図４は、不正検知システム１で実現される機能の一例を示す図である。図４では、第１サービスシステム２及び第２サービスシステム３の各々で実現される機能の一例も示されている。
【0034】
［３－１．不正検知サーバで実現される機能］
例えば、不正検知サーバ１０は、データ記憶部１００、学習部１０１、対象状況データ取得部１０２、不正検知部１０３、及び処理実行部１０４を含む。データ記憶部１００は、記憶部１２により実現される。学習部１０１、対象状況データ取得部１０２、不正検知部１０３、及び処理実行部１０４は、制御部１１により実現される。
例えば、不正検知サーバ１０は、データ記憶部１００、学習部１０１、対象状況データ取得部１０２、不正検知部１０３、及び処理実行部１０４を含む。データ記憶部１００は、記憶部１２により実現される。学習部１０１、対象状況データ取得部１０２、不正検知部１０３、及び処理実行部１０４は、制御部１１により実現される。
【0035】
［データ記憶部］
データ記憶部１００は、第１サービスにおける不正の検知に必要なデータを記憶する。例えば、データ記憶部１００は、学習済みの不正検知モデルＭ、訓練データベースＤＢ１、及び処理結果データベースＤＢ２を記憶する。
データ記憶部１００は、第１サービスにおける不正の検知に必要なデータを記憶する。例えば、データ記憶部１００は、学習済みの不正検知モデルＭ、訓練データベースＤＢ１、及び処理結果データベースＤＢ２を記憶する。
【0036】
本実施形態では、不正検知モデルＭは、機械学習に関するモデルである。機械学習の手法は、公知の種々の手法を利用可能である。例えば、不正検知モデルＭは、教師有り学習又は半教師有り学習のモデルに限られず、教師無し学習のモデルであってもよい。より具体的には、不正検知モデルＭは、ニューラルネットワーク、サポートベクターマシン、ランダムフォレスト、ロジスティック回帰、決定木、又はその他の手法のモデルであってもよい。例えば、不正検知モデルＭは、特徴量の計算等を実行するプログラム部分と、プログラム部分によって参照されるパラメータ部分と、を含む。
【0037】
本実施形態では、不正検知モデルＭには、当該不正検知モデルＭの学習のための学習ユーザによる第２サービスの利用状況に関する学習状況データと、第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習されている。学習によって、パラメータ部分が変更される。学習部１０１による学習が実行される前には、データ記憶部１００は、パラメータ部分が初期値の不正検知モデルＭを記憶する。学習部１０１による学習が完了すると、学習前の不正検知モデルＭのパラメータ部分が上書きされる。
【0038】
学習ユーザは、第１サービス及び第２サービスを利用するユーザのうち、不正検知モデルＭの学習のために利用状況が参照されるユーザである。学習ユーザは、実在するユーザではなく、不正検知のための仮想的なユーザであってもよい。どのユーザが学習ユーザとして選ばれるかは、不正検知システム１の管理者が指定可能であってもよいし、ランダムに選択されたユーザが学習ユーザに相当してもよい。
【0039】
第２サービスの利用状況とは、第２サービスの利用に応じて更新されるデータである。例えば、第２サービスがどのように利用されているか、又は、第２サービスがどの程度されているか、は第２サービスの利用状況に相当する。第２サービスの利用状況は、静的なデータではなく、動的なデータである。第２サービスの利用状況は、ユーザ端末４０から受信したデータに基づいて更新されるデータということもできる。第１サービスの利用状況も、第１サービスのものという点で第２サービスの利用状況とは異なるが、同様の意味である。
【0040】
学習状況データは、第２サービスの利用状況に関する利用状況データのうち、不正検知モデルＭの学習で利用される利用状況データである。学習状況データには、第２サービスの利用状況に関する複数の項目のうち、不正の有無との間に因果関係があると思われる少なくとも項目が示される。項目は、データが示す具体的な内容である。どの項目に因果関係があるかは、不正検知システム１の管理者が指定可能であってもよいし、ランダムフォレスト等の手法によって計算される特徴量重要度に基づいて決定されてもよい。
【0041】
図３の例であれば、学習状況データは、学習ユーザが第２サービスで利用したユーザ端末４０の端末識別情報、学習ユーザが第２サービスにおける決済で利用したクレジットカードの番号、当該決済の決済額、及び学習ユーザが第２サービスで指定した配送先といった項目の値を示す。図３の例では、不正検知モデルＭには、学習ユーザによる第１サービスの利用状況に関する学習状況データも学習される。第１サービスの学習状況データは、第１サービスにおける利用状況に関するデータという点で、第２サービスの学習状況データとは異なるが、他の点については同様である。
【0042】
以降、第１サービスの利用状況に関する学習状況データを、第１学習状況データという。第２サービスの利用状況に関する学習状況データを、第２学習状況データという。図３の例では、第１学習状況データは、一部の項目（例えば、利用中心地からの距離）が第２学習データとは異なる。例えば、第１学習状況データは、学習ユーザが第１サービスで利用したユーザ端末４０の端末識別情報、学習ユーザが第１サービスにおける決済で利用したクレジットカードの番号、当該決済の決済額、及び利用中心地からの距離といった項目の値を示す。第１学習状況データに含まれる項目と、第２学習データに含まれる項目と、は同じであってもよい。
【0043】
なお、不正検知モデルＭには、学習ユーザに関するデータであって、第１学習状況データ及び第２学習状況データ以外の他のデータが学習されてもよい。例えば、不正検知モデルＭには、学習ユーザの利用状況ではなく、デモグラフィックデータ（例えば、性別、年齢、居住地、職業、又はこれらの組み合わせ）のような静的なデータが学習されてもよい。例えば、不正検知モデルＭには、第１学習状況データが学習されなくてもよい。不正検知モデルＭは、第２学習状況データだけが学習されてもよい。不正検知モデルＭには、第１サービスにおける不正の有無と因果関係のあるデータが学習されていればよい。
【0044】
また、不正検知モデルＭは、機械学習以外の他の手法のモデルであってもよい。例えば、不正検知モデルＭは、機械学習以外の手法で作成されたルールベースのモデルであってもよい。不正検知モデルＭは、機械学習の手法のモデルと、ルールベースのモデルと、が組み合わされたモデルであってもよい。他にも例えば、不正検知モデルＭは、機械学習及びルールベースとは異なるプログラムであってもよい。不正検知モデルＭとして採用可能なモデルは、公知の不正検知で利用されている種々のモデルであってよい。
【0045】
図５は、訓練データベースＤＢ１の一例を示す図である。訓練データベースＤＢ１は、不正検知モデルＭに学習させる訓練データが格納されたデータベースである。例えば、訓練データベースＤＢ１には、複数の訓練データが格納される。個々の訓練データは、入力部分と、出力部分と、のペアである。訓練データの入力部分及び出力部分は、原則として、推定時における不正検知モデルＭの入力及び出力と同じ形式である。出力部分は、学習時における正解ということもできる。例えば、訓練データは、管理者により手動で作成されてもよいし、何らかの作成ツールが利用されてもよい。
【0046】
例えば、不正検知モデルＭの訓練データの入力部分は、少なくとも第２学習状況データを含む。本実施形態では、入力部分は、第１学習状況データ及び第２学習状況データを含む。不正検知モデルＭの訓練データの出力部分は、第１サービスにおける不正の有無に関する情報である。本実施形態では、不正検知モデルＭの訓練データの出力部分は、不正であるか否かを示すラベルである場合を説明するが、当該出力部分は、不正の疑いを示すスコアであってもよい。
【0047】
例えば、先述した端末識別情報及びクレジットカード番号の組み合わせであれば、第１学習状況データが示す当該組み合わせと、第２学習状況データが示す当該組み合わせと、が同じである訓練データの入力部分には、正当であることを示す出力部分が関連付けられている。第１学習状況データが示す当該組み合わせと、第２学習状況データが示す当該組み合わせと、が異なる訓練データの入力部分には、不正であることを示す出力部分が関連付けられている。
【0048】
なお、訓練データの入力部分は、第１サービスにおける不正の有無と何らかの因果関係があるデータを含めばよい。例えば、第１サービス及び第２サービスの少なくとも一方に登録された学習ユーザのデモグラフィックデータと、第１サービスにおける不正の有無と、の間に因果関係がある場合には、訓練データの入力部分は、当該デモグラフィックデータを含んでもよい。先述したように、第１学習状況データは、不正検知モデルＭに学習されなくてもよいので、訓練データの入力部分は、第１学習状況データを含まなくてもよい。
【0049】
例えば、先述した第２サービスにおける決済額の変化であれば、第２学習状況データが示す決済額の変化量が閾値未満である入力部分には、正当であることを示す出力部分が関連付けられている。第２学習状況データが示す決済額の変化量が閾値以上である入力部分には、不正であることを示す出力部分が関連付けられている。他にも例えば、第２学習状況データに配送先の変更が示されていない入力部分には、正当であることを示す出力部分が関連付けられている。第２学習状況データに配送先の変更が示されている入力部分には、不正であることを示す出力部分が関連付けられている。
【0050】
なお、第１学習状況データ及び第２学習状況データの各々が複数の項目を含む場合には、訓練データの入力部分に関連付けられる出力部分は、これら複数の項目が総合的に考慮された値となる。即ち、端末識別情報及びクレジットカード番号の組み合わせといった単一の項目だけではなく、第２サービスにおける決済額の変化等の他の項目が総合的に考慮されて、訓練データの出力部分が定められるものとする。
【0051】
図６は、処理結果データベースＤＢ２の一例を示す図である。処理結果データベースＤＢ２は、不正検知の処理結果に関する各種データが格納されたデータベースである。例えば、処理結果データベースＤＢ２には、対象ユーザのユーザＩＤと、処理結果データと、が格納される。処理結果データベースＤＢ２には、任意の情報が格納されてよく、処理結果データベースＤＢ２に格納される情報は、図６の例に限られない。例えば、処理結果データベースＤＢ２には、不正検知が実行された日時が格納されてもよい。
【0052】
例えば、ユーザＩＤは、ユーザが第１サービス及び第２サービスの各々にログインするための情報である。ユーザＩＤは、ユーザを識別可能なユーザ識別情報の一例である。ユーザ識別情報は、何らかの形でユーザを識別可能な情報であればよい。ユーザ識別情報は、ユーザＩＤに限られない。例えば、ユーザ識別情報は、メールアドレス、電話番号、又は端末識別情報であってもよい。ユーザ識別情報は、第１サービス及び第２サービスで共通ではなくてもよい。この場合、第１サービスのユーザ識別情報と、第２サービスのユーザ識別情報と、の対応関係が、データ記憶部１００に予め定義されているものとする。
【0053】
処理結果データは、不正検知部１０３の処理結果に関するデータである。本実施形態では、処理結果データは、対象ユーザが不正であるか否かを示す。例えば、処理結果データは、対象ユーザが不正であることを示す値、又は、対象ユーザが不正ではないことを示す値の何れかを示す。処理結果データは、対象ユーザの不正の疑いに関するスコアを示してもよい。スコアは、数値、文字、記号、又はこれらの組み合わせによって表現される。スコアは、対象ユーザが不正であることの蓋然性（確度）ということもできる。
【0054】
なお、データ記憶部１００が記憶するデータは、上記の例に限られない。データ記憶部１００は、任意のデータを記憶可能である。例えば、データ記憶部１００は、第１サービスにおける不正検知に必要なデータを記憶すればよい。データ記憶部１００は、不正検知モデルＭの学習に必要なプログラムを記憶してもよい。データ記憶部１００は、第２サービスにおける不正検知のためのデータを記憶してもよい。
【0055】
［学習部］
学習部１０１は、訓練データベースＤＢ１に格納された訓練データに基づいて、不正検知モデルＭの学習を実行する。不正検知モデルＭの学習は、不正検知モデルＭのパラメータを調整することである。例えば、学習部１０１は、訓練データベースＤＢ１に格納された複数の訓練データの全部又は一部を、不正検知モデルＭに学習させる。不正検知モデルＭの学習自体は、公知の機械学習の手法を利用可能であり、例えば、誤差逆伝播法又は勾配降下法を利用してもよい。不正検知モデルＭの学習で用いられる損失関数等も、公知の手法であってよい。学習部１０１は、訓練データベースＤＢ１に格納された訓練データの入力部分が入力された場合に、当該訓練データの出力部分が出力されるように、不正検知モデルＭの学習を実行する。学習部１０１は、訓練データに基づいて、不正検知モデルＭのパラメータ部分を調整する。
学習部１０１は、訓練データベースＤＢ１に格納された訓練データに基づいて、不正検知モデルＭの学習を実行する。不正検知モデルＭの学習は、不正検知モデルＭのパラメータを調整することである。例えば、学習部１０１は、訓練データベースＤＢ１に格納された複数の訓練データの全部又は一部を、不正検知モデルＭに学習させる。不正検知モデルＭの学習自体は、公知の機械学習の手法を利用可能であり、例えば、誤差逆伝播法又は勾配降下法を利用してもよい。不正検知モデルＭの学習で用いられる損失関数等も、公知の手法であってよい。学習部１０１は、訓練データベースＤＢ１に格納された訓練データの入力部分が入力された場合に、当該訓練データの出力部分が出力されるように、不正検知モデルＭの学習を実行する。学習部１０１は、訓練データに基づいて、不正検知モデルＭのパラメータ部分を調整する。
【0056】
［対象状況データ取得部］
対象状況データ取得部１０２は、第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステム３から、対象ユーザによる第２サービスの利用状況に関する対象状況データを取得する。対象ユーザは、第１サービスの複数のユーザのうちの何れかである。本実施形態では、どのユーザが対象ユーザとして選択されるかは、第１サービスサーバ２０により決定されるものとするが、第１サービスの管理者等が手動で対象ユーザを指定してもよい。
対象状況データ取得部１０２は、第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステム３から、対象ユーザによる第２サービスの利用状況に関する対象状況データを取得する。対象ユーザは、第１サービスの複数のユーザのうちの何れかである。本実施形態では、どのユーザが対象ユーザとして選択されるかは、第１サービスサーバ２０により決定されるものとするが、第１サービスの管理者等が手動で対象ユーザを指定してもよい。
【0057】
対象状況データは、第２サービスの利用状況に関する利用状況データのうち、対象ユーザの利用状況データである。以降、第２サービスの対象状況データを、第２対象状況データという。本実施形態では、第１サービスの利用状況に関する利用状況データも不正検知で利用される。以降、対象ユーザの第１サービスの利用状況データを、第１対象状況データという。第１対象状況データ及び第２対象状況データは、それぞれ学習時に利用される第１学習状況データ及び第２学習状況データと同じ形式である。
【0058】
例えば、第１サービスサーバ２０は、あるユーザが第１サービスを利用すると、当該ユーザを、対象ユーザとして決定する。第１サービスサーバ２０は、不正検知システム１に対し、対象ユーザのユーザＩＤと、対象ユーザの第１対象状況データと、を送信する。不正検知サーバ１０は、第１サービスサーバ２０から、対象ユーザのユーザＩＤ及び第１対象状況データを受信する。不正検知サーバ１０は、第２サービスシステム３に対し、対象ユーザのユーザＩＤに関連付けられた第２対象状況データを要求する。
【0059】
例えば、第２サービスサーバ３０は、不正検知サーバ１０からの要求を受け付けると、後述の第２ユーザデータベースＤＢ４に基づいて、対象ユーザのユーザＩＤに関連付けられた第２対象状況データを取得する。第２サービスサーバ３０は、不正検知システム１に対し、対象ユーザのユーザＩＤに関連付けられた第２対象状況データを送信する。対象状況データ取得部１０２は、第２サービスサーバ３０から、対象ユーザのユーザＩＤに関連付けられた第２対象状況データを取得する。
【0060】
なお、対象ユーザの決定方法は、予め定められた方法であればよい。対象ユーザの決定方法は、上記の例に限られない。例えば、第１サービスサーバ２０は、第１サービスの複数のユーザの中から、対象ユーザをランダムに決定してもよい。第１サービスサーバ２０は、第１サービスにおける利用状況が所定の条件（例えば、利用額が閾値以上、又は、利用頻度が閾値以上）を満たしたユーザを、対象ユーザとして決定してもよい。対象ユーザは、第１サービスサーバ２０ではなく、不正検知サーバ１０、第２サービスサーバ３０、又は他のコンピュータによって決定されてもよい。
【0061】
［不正検知部］
不正検知部１０３は、第２対象状況データと、第１サービスにおける不正を検知するための不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。本実施形態では、不正検知モデルＭは、機械学習に関するモデルなので、不正検知部１０３は、第２対象状況データと、学習済みの不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。不正検知部１０３は、不正検知モデルＭの出力が不正を示す場合、又は、不正検知モデルＭのスコアが閾値以上である場合に、第１サービスにおける対象ユーザの不正を検知する。
不正検知部１０３は、第２対象状況データと、第１サービスにおける不正を検知するための不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。本実施形態では、不正検知モデルＭは、機械学習に関するモデルなので、不正検知部１０３は、第２対象状況データと、学習済みの不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。不正検知部１０３は、不正検知モデルＭの出力が不正を示す場合、又は、不正検知モデルＭのスコアが閾値以上である場合に、第１サービスにおける対象ユーザの不正を検知する。
【0062】
本実施形態では、第２対象状況データだけではなく、第１対象状況データも不正検知で利用されるので、不正検知部１０３は、学習済みの不正検知モデルＭに対し、第１対象状況データ及び第２対象状況データを入力する。不正検知部１０３は、第１対象状況データ及び第２対象状況データに対し、集計又は正規化等の前処理を実行したうえで、学習済みの不正検知モデルＭに対し、当該前処理が実行された第１対象状況データ及び第２対象状況データを入力してもよい。
【0063】
例えば、不正検知モデルＭは、学習によって調整されたパラメータ部分に基づいて、自身に入力された第１対象状況データ及び第２対象状況データの特徴量を計算する。不正検知モデルＭは、当該計算された特徴量に基づいて、対象ユーザの不正に関する推定結果を出力する。本実施形態では、不正検知モデルＭは、対象ユーザが不正であるか否かを示す推定結果として出力する。推定結果は、対象ユーザが不正であることを示す値、又は、対象ユーザが不正ではないことを示す値の何れかとなる。不正検知モデルＭは、対象ユーザの不正に関するスコアを出力してもよい。
【0064】
なお、第１学習状況データ及び第２学習状況データ以外の他のデータが不正検知モデルＭに学習されている場合には、不正検知部１０３は、第１対象状況データ及び第２対象状況データだけではなく当該他のデータも、不正検知モデルＭに入力してもよい。当該他のデータも、集計又は正規化等の前処理が実行されてもよい。第２学習状況データだけが不正検知モデルＭに学習されている場合には、不正検知部１０３は、第２対象状況データだけを、不正検知モデルＭに入力してもよい。
【0065】
例えば、不正検知モデルＭが機械学習以外の手法で作成される場合には、不正検知部１０３は、機械学習以外の手法で作成された不正検知モデルＭに対し、第１学習状況データ及び第２学習状況データを入力すればよい。不正検知モデルＭがルールベースのモデルである場合には、不正検知部１０３は、第１学習状況データ及び第２学習状況データが、不正検知モデルＭに定められたルールを満たすか否かを判定する。
【0066】
例えば、不正検知モデルＭがルールベースのモデルである場合には、個々のルールには、不正の有無が関連付けられている。不正検知部１０３は、第１学習状況データ及び第２学習状況データが第１のルールを満たす場合に、対象ユーザが不正であると判定する。不正検知部１０３は、第１学習状況データ及び第２学習状況データが第２のルールを満たす場合に、対象ユーザが不正ではないと判定する。不正検知モデルＭがルールベースのモデルである場合も、不正検知部１０３は、不正検知モデルＭに対し、第１学習状況データ及び第２学習状況データ以外の他のデータを入力してもよい。不正検知部１０３は、不正検知モデルＭに対し、第２学習状況データだけを入力してもよい。
【0067】
［処理実行部］
処理実行部１０４は、不正検知部１０３の処理結果に基づいて、所定の処理を実行する。所定の処理は、不正検知部１０３の処理結果に基づいて実行の要否が決まる処理、又は、不正検知部１０３の処理結果に関するデータに基づいて実行される処理である。本実施形態では、処理実行部１０４は、対象ユーザが不正であるか否かに関する処理結果データを第１サービスの第１サービスシステム２に送信する第１送信処理を、所定の処理として実行する。なお、所定の処理は、第１送信処理に限られない。所定の処理の他の例は、後述の変形例で説明する。
処理実行部１０４は、不正検知部１０３の処理結果に基づいて、所定の処理を実行する。所定の処理は、不正検知部１０３の処理結果に基づいて実行の要否が決まる処理、又は、不正検知部１０３の処理結果に関するデータに基づいて実行される処理である。本実施形態では、処理実行部１０４は、対象ユーザが不正であるか否かに関する処理結果データを第１サービスの第１サービスシステム２に送信する第１送信処理を、所定の処理として実行する。なお、所定の処理は、第１送信処理に限られない。所定の処理の他の例は、後述の変形例で説明する。
【0068】
本実施形態では、処理結果データは、対象ユーザが不正であるか否かを示す。例えば、処理結果データは、対象ユーザが不正であることを示す値、又は、対象ユーザが不正ではないことを示す値の何れかとなる。処理結果データは、対象ユーザの不正に関するスコアを示してもよい。例えば、処理実行部１０４は、不正検知部１０３により不正が検知された場合に、第１サービスシステム２に対し、対象ユーザが不正であることを示す処理結果データを送信する。処理実行部１０４は、不正検知部１０３により不正が検知されなかった場合に、第１サービスシステム２に対し、対象ユーザが不正ではないことを示す処理結果データを送信する。
【0069】
［３－２．第１サービスシステムで実現される機能］
例えば、第１サービスサーバ２０は、データ記憶部２００、送信部２０１、及び受信部２０２を含む。データ記憶部２００は、記憶部２２により実現される。送信部２０１及び受信部２０２は、制御部２１により実現される。
例えば、第１サービスサーバ２０は、データ記憶部２００、送信部２０１、及び受信部２０２を含む。データ記憶部２００は、記憶部２２により実現される。送信部２０１及び受信部２０２は、制御部２１により実現される。
【0070】
[データ記憶部]
データ記憶部２００は、第１サービスにおける不正の検知に必要なデータを記憶する。例えば、データ記憶部２００は、第１ユーザデータベースＤＢ３を記憶する。
データ記憶部２００は、第１サービスにおける不正の検知に必要なデータを記憶する。例えば、データ記憶部２００は、第１ユーザデータベースＤＢ３を記憶する。
【0071】
図７は、第１ユーザデータベースＤＢ３の一例を示す図である。第１ユーザデータベースＤＢ３は、第１サービスにおけるユーザに関するデータが格納されたデータベースである。例えば、第１ユーザデータベースＤＢ３には、ユーザＩＤと、第１サービスの利用状況データである第１利用状況データと、が格納される。第１ユーザデータベースＤＢ３には、任意の情報が格納されてよく、第１ユーザデータベースＤＢ３に格納される情報は、図７の例に限られない。例えば、第１ユーザデータベースＤＢ３には、第１利用状況データの生成日時が格納されてもよい。
【0072】
第１利用状況データは、第１対象状況データ又は第１学習状況データの何れとしても利用可能である。例えば、第１サービスサーバ２０は、あるユーザが第１サービスを利用すると、当該ユーザによる第１サービスの利用状況に基づいて、当該ユーザの第１利用状況データを生成する。図３の例であれば、第１サービスサーバ２０は、ユーザ端末４０から受信したデータに基づいて、ユーザ端末４０の端末ＩＤ、ユーザが利用したクレジットカードの情報、ユーザによる決済額、利用中心地からの距離、又はその他の項目を含む第１利用状況データを生成する。第１サービスサーバ２０は、ユーザのユーザＩＤに関連付けて、当該生成された第１利用状況データを、第１ユーザデータベースＤＢ３に格納する。
【0073】
［送信部］
送信部２０１は、不正検知システム１に対し、種々のデータを送信する。例えば、送信部２０１は、不正検知システム１に対し、対象ユーザの第１利用状況データを、第１対象状況データとして送信する。送信部２０１は、不正検知システム１に対し、学習ユーザの第１利用状況データを、第１学習状況データとして送信する。
送信部２０１は、不正検知システム１に対し、種々のデータを送信する。例えば、送信部２０１は、不正検知システム１に対し、対象ユーザの第１利用状況データを、第１対象状況データとして送信する。送信部２０１は、不正検知システム１に対し、学習ユーザの第１利用状況データを、第１学習状況データとして送信する。
【0074】
［受信部］
受信部２０２は、不正検知システム１から、種々のデータを受信する。例えば、受信部２０２は、不正検知システム１から、処理結果データを受信する。
受信部２０２は、不正検知システム１から、種々のデータを受信する。例えば、受信部２０２は、不正検知システム１から、処理結果データを受信する。
【0075】
［３－３．第２サービスシステムで実現される機能］
例えば、第２サービスサーバ３０は、データ記憶部３００、送信部３０１、及び受信部３０２を含む。データ記憶部３００は、記憶部３２により実現される。送信部３０１及び受信部３０２は、制御部３１により実現される。
例えば、第２サービスサーバ３０は、データ記憶部３００、送信部３０１、及び受信部３０２を含む。データ記憶部３００は、記憶部３２により実現される。送信部３０１及び受信部３０２は、制御部３１により実現される。
【0076】
[データ記憶部]
データ記憶部３００は、第１サービスにおける不正の検知に必要なデータを記憶する。例えば、データ記憶部３００は、第２ユーザデータベースＤＢ４を記憶する。
データ記憶部３００は、第１サービスにおける不正の検知に必要なデータを記憶する。例えば、データ記憶部３００は、第２ユーザデータベースＤＢ４を記憶する。
【0077】
図８は、第２ユーザデータベースＤＢ４の一例を示す図である。第２ユーザデータベースＤＢ４は、第２サービスにおけるユーザに関するデータが格納されたデータベースである。例えば、第２ユーザデータベースＤＢ４には、ユーザＩＤと、第２サービスの利用状況データである第２利用状況データと、が格納される。第２ユーザデータベースＤＢ４には、任意の情報が格納されてよく、第２ユーザデータベースＤＢ４に格納される情報は、図８の例に限られない。例えば、第２ユーザデータベースＤＢ４には、第２利用状況データの生成日時が格納されてもよい。
【0078】
第２利用状況データは、第２対象状況データ又は第２学習状況データの何れとしても利用可能である。例えば、第２サービスサーバ３０は、あるユーザが第２サービスを利用すると、当該ユーザによる第２サービスの利用状況に基づいて、当該ユーザの第２利用状況データを生成する。図３の例であれば、第２サービスサーバ３０は、ユーザ端末４０から受信したデータに基づいて、ユーザ端末４０の端末ＩＤ、ユーザが利用したクレジットカードの情報、ユーザによる決済額、利用中心地からの距離、又はその他の項目を含む第２利用状況データを生成する。第２サービスサーバ３０は、ユーザのユーザＩＤに関連付けて、当該生成された第２利用状況データを、第２ユーザデータベースＤＢ４に格納する。
【0079】
例えば、第２サービスシステム３では、第２サービスで不正が検知された不正ユーザに関するリストが生成されてもよい。この場合、データ記憶部３００は、当該リストを記憶する。当該リストは、ブラックリストと呼ばれることもある。リストの生成方法自体は、公知の方法であってよい。例えば、第２サービスの管理者が不正と認定したユーザのユーザＩＤ等の情報がリストに示される。第２サービスシステム３で独自の不正検知が実行される場合には、当該独自の不正検知によって不正と認定されたユーザのユーザＩＤ等の情報がリストに示される。対象ユーザは、これらのリストにないユーザであってもよい。対象ユーザは、これらのリストに載っているユーザであってもよい。
【0080】
［送信部］
送信部３０１は、不正検知システム１に対し、種々のデータを送信する。例えば、送信部３０１は、不正検知システム１に対し、対象ユーザの第２利用状況データを、第２対象状況データとして送信する。送信部３０１は、不正検知システム１に対し、学習ユーザの第２利用状況データを、第２学習状況データとして送信する。
送信部３０１は、不正検知システム１に対し、種々のデータを送信する。例えば、送信部３０１は、不正検知システム１に対し、対象ユーザの第２利用状況データを、第２対象状況データとして送信する。送信部３０１は、不正検知システム１に対し、学習ユーザの第２利用状況データを、第２学習状況データとして送信する。
【0081】
［受信部］
受信部３０２は、不正検知システム１から、種々のデータを受信する。例えば、受信部３０２は、不正検知システム１から、第２対象状況データの要求を受信する。
受信部３０２は、不正検知システム１から、種々のデータを受信する。例えば、受信部３０２は、不正検知システム１から、第２対象状況データの要求を受信する。
【0082】
［４．不正検知システムで実行される処理］
図９は、不正検知システム１で実行される処理の一例を示す図である。図９の処理は、制御部１１，２１，３１がそれぞれ記憶部１２，２２，３２に記憶されたプログラムに従って動作することによって実行される。図９のように、不正検知サーバ１０は、訓練データベースＤＢ１に格納された訓練データに基づいて、不正検知モデルＭの学習を行う（Ｓ１）。第１サービスサーバ２０は、第１ユーザデータベースＤＢ３に基づいて、不正検知サーバ１０に対し、不正検知モデルＭに不正の有無を推定させたい対象ユーザのユーザＩＤと、当該対象ユーザによる第１サービスの利用状況に関する第１対象状況データと、を送信する（Ｓ２）。
図９は、不正検知システム１で実行される処理の一例を示す図である。図９の処理は、制御部１１，２１，３１がそれぞれ記憶部１２，２２，３２に記憶されたプログラムに従って動作することによって実行される。図９のように、不正検知サーバ１０は、訓練データベースＤＢ１に格納された訓練データに基づいて、不正検知モデルＭの学習を行う（Ｓ１）。第１サービスサーバ２０は、第１ユーザデータベースＤＢ３に基づいて、不正検知サーバ１０に対し、不正検知モデルＭに不正の有無を推定させたい対象ユーザのユーザＩＤと、当該対象ユーザによる第１サービスの利用状況に関する第１対象状況データと、を送信する（Ｓ２）。
【0083】
不正検知サーバ１０は、第１サービスサーバ２０から、対象ユーザのユーザＩＤ及び第１対象状況データを受信する（Ｓ３）。不正検知サーバ１０は、第２サービスサーバ３０に対し、対象ユーザのユーザＩＤに関連付けられた第２対象状況データを要求する（Ｓ４）。第２サービスサーバ３０は、不正検知サーバ１０から要求を受信する（Ｓ５）。第２サービスサーバ３０は、第２ユーザデータベースＤＢ４に基づいて、不正検知サーバ１０に対し、対象ユーザのユーザＩＤに関連付けられた第２対象状況データを送信する（Ｓ６）。
【0084】
不正検知サーバ１０は、第２サービスサーバ３０から、第２対象状況データを受信する（Ｓ７）。不正検知サーバ１０は、対象ユーザの第１対象状況データ及び第２対象状況データと、学習済みの不正検知モデルＭと、に基づいて、対象ユーザの不正を検知する（Ｓ８）。不正検知サーバ１０は、Ｓ８における処理結果に基づいて、対象ユーザが不正であるか否かに関する処理結果データを送信する（Ｓ９）。
【0085】
第１サービスサーバ２０は、不正検知サーバ１０から、処理結果データを受信する（Ｓ１０）。第１サービスサーバ２０は、処理結果データに基づいて、第１サービスの管理者に対する通知を行い（Ｓ１１）、本処理は終了する。Ｓ１１では、第１サービスサーバ２０は、任意の手段を利用して、管理者に対する通知を行うことができる。例えば、当該手段は、電子メール、プッシュ通知、管理ツール上の通知、又はその他の手段であってもよい。
【0086】
［５．実施形態のまとめ］
本実施形態の不正検知システム１は、第２サービスシステム３から第２対象状況データを取得する。不正検知システム１は、第２対象状況データと、第１サービスにおける不正を検知するための不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。不正検知システム１は、不正検知部１０３の処理結果に基づいて、所定の処理を実行する。不正検知システム１は、第１サービスにおける対象ユーザの情報では特定できないような不正の傾向を、第２対象状況データによって分析できるので、不正検知の精度を高めることができる。例えば、悪意のある第三者が、第２サービスで利用されていない端末ＩＤ及びクレジットカード番号の組み合わせを、第１サービスで利用しようとしたとする。端末ＩＤ及びクレジットカード番号の組み合わせが第２対象状況データに示されている場合に、不正検知モデルＭは、悪意のある第三者が、第２対象状況データに示されていない端末ＩＤ及びクレジットカード番号の組み合わせを利用しようとしていることを特定できる。このため、不正検知システム１は、不正検知の精度を高めることができる。
本実施形態の不正検知システム１は、第２サービスシステム３から第２対象状況データを取得する。不正検知システム１は、第２対象状況データと、第１サービスにおける不正を検知するための不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。不正検知システム１は、不正検知部１０３の処理結果に基づいて、所定の処理を実行する。不正検知システム１は、第１サービスにおける対象ユーザの情報では特定できないような不正の傾向を、第２対象状況データによって分析できるので、不正検知の精度を高めることができる。例えば、悪意のある第三者が、第２サービスで利用されていない端末ＩＤ及びクレジットカード番号の組み合わせを、第１サービスで利用しようとしたとする。端末ＩＤ及びクレジットカード番号の組み合わせが第２対象状況データに示されている場合に、不正検知モデルＭは、悪意のある第三者が、第２対象状況データに示されていない端末ＩＤ及びクレジットカード番号の組み合わせを利用しようとしていることを特定できる。このため、不正検知システム１は、不正検知の精度を高めることができる。
【0087】
また、不正検知モデルＭは、機械学習に関するモデルである。不正検知モデルＭには、第２学習状況データと、第１サービスにおける学習ユーザの不正の有無と、の関係が学習されている。不正検知システム１は、第２対象状況データと、学習済みの不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。不正検知システム１は、機械学習の不正検知モデルＭを利用して、不正検知の精度を高めることができる。例えば、不正検知システム１は、未知のデータが入力された場合にも対応できる。
【0088】
また、不正検知システム１は、対象ユーザが不正であるか否かに関する処理結果データを第１サービスシステム２に送信する第１送信処理を、所定の処理として実行する。不正検知システム１は、第１サービスシステム２に対し、対象ユーザが不正であるか否かを伝えることができる。これにより、不正検知システム１は、第１サービスにおける不正を防止したり、第１サービスで発生した不正を早期に特定したりすることができる。
【0089】
また、第２サービスシステム３では、第２サービスで不正が検知された不正ユーザに関するリストが生成される。対象ユーザは、リストにないユーザである。不正検知システム１は、第２サービスで不正が検知されていない対象ユーザだったとしても、不正を検知できる。
【0090】
［６．変形例］
なお、本開示は、実施形態に限定されない。本開示は、本開示の趣旨を逸脱しない範囲で、適宜変更可能である。
なお、本開示は、実施形態に限定されない。本開示は、本開示の趣旨を逸脱しない範囲で、適宜変更可能である。
【0091】
図１０は、変形例の不正検知システム１で実現される機能の一例を示す図である。例えば、不正検知サーバ１０は、順序データ取得部１０５を含む。順序データ取得部１０５は、制御部１１により実現される。第１サービスサーバ２０は、作成部２０３及び独自検知部２０４を含む。作成部２０３及び独自検知部２０４の各々は、制御部２１により実現される。
【0092】
［６－１．変形例１］
例えば、不正検知サーバ１０が第１サービスにおける不正検知で参考する第２サービスは、複数存在してもよい。変形例１のネットワークＮには、複数の第２サービスシステム３の各々が接続される。個々の第２サービスシステム３のハードウェア構成及び機能は、実施形態と同様であってよい。複数の第２サービスの各々のサービス提供者は、互いに同じであってもよいし、互いに異なってもよい。
例えば、不正検知サーバ１０が第１サービスにおける不正検知で参考する第２サービスは、複数存在してもよい。変形例１のネットワークＮには、複数の第２サービスシステム３の各々が接続される。個々の第２サービスシステム３のハードウェア構成及び機能は、実施形態と同様であってよい。複数の第２サービスの各々のサービス提供者は、互いに同じであってもよいし、互いに異なってもよい。
【0093】
変形例１では、実施形態と同様、第１サービスのユーザＩＤと、第２サービスのユーザＩＤと、が共通である場合を例に挙げる。ある第２サービスのユーザＩＤと、他の第２サービスのユーザＩＤと、は互いに異なってもよい。この場合、これらのユーザＩＤの関係がデータ記憶部１００及びデータ記憶部２００の少なくとも一方に定義されているものとする。変形例１では、第２サービスの数を２つとする。なお、第２サービスの数は、２つに限られない。第２サービスの数は、３つ以上であってもよい。
【0094】
例えば、１つ目の第２サービスは、実施形態と同様の電子商取引サービスである。１つ目の第２サービスの第２サービスシステム３は、実施形態の第２サービスシステム３と同様である。２つ目の第２サービスの一例として、金融サービスを説明する。例えば、金融サービスは、銀行又は証券会社等の金融機関が提供するサービスである。ユーザは、ユーザ端末４０にインストールされた金融アプリ又はブラウザから金融サービスを利用する。金融アプリは、金融機関が提供するアプリケーションである。第２サービスが任意のサービスであってよい点は、実施形態と同様である。
【0095】
複数の第２サービスの各々の第２サービスシステム３は、自身の利用状況に基づいて、自身が管理する第２ユーザデータベースＤＢ４を更新する。個々の第２サービスシステム３が第２利用状況データを更新する処理は、実施形態で説明した通りである。例えば、２つ目の第２サービスの第２サービスシステム３は、ユーザが金融アプリ又はブラウザからオンラインバンキング等を利用すると、第２利用状況データを更新する。例えば、２つ目の第２サービスの第２利用状況データは、ユーザが利用したユーザ端末４０の端末ＩＤ、決済で利用されたクレジットカード番号、決済額、送金先、利用日時、又はこれらの組み合わせを示す。
【0096】
変形例１の対象状況データ取得部１０２は、複数の第２サービスの各々の第２サービスシステム３から、対象ユーザによる当該第２サービスの利用状況に関する第２対象状況データを取得する。対象状況データ取得部１０２が個々の第２サービスシステム３から第２対象状況データを取得する処理は、実施形態と同様である。対象状況データ取得部１０２は、複数の第２サービスの各々の第２サービスシステム３の各々に対し、対象ユーザの第２対象状況データを要求する。個々の第２サービスサーバ３０は、自身の第２ユーザデータベースＤＢ４に基づいて、不正検知システム１に対し、第２対象状況データを送信する。対象状況データ取得部１０２は、個々の第２サービスシステム３から、第２対象状況データを取得する。
【0097】
変形例１の不正検知モデルＭには、複数の第２サービスの各々の第２サービスシステム３の第２学習状況データと、学習ユーザの不正の有無と、の関係が学習されている。変形例１の訓練データの入力部分は、複数の第２サービスの各々の第２サービスシステム３の第２学習状況データを含む。訓練データの入力部分が実施形態とは異なるが、学習部１０１の処理自体は、実施形態と同様である。即ち、不正検知モデルＭの学習方法自体は、実施形態と同様である。
【0098】
変形例１の不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データと、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例１の不正検知部１０３は、ある１つの第２サービスシステム３から取得された第２対象状況データだけではなく、複数の第２サービスシステム３の各々から取得された第２対象状況データを、不正検知モデルＭに入力する。不正検知モデルＭは、学習によって調整されたパラメータ部分に基づいて、複数の第２サービスシステム３の各々から取得された第２対象状況データに基づく特徴量を計算する。不正検知モデルＭは、当該計算された特徴量に基づいて、対象ユーザの不正に関する推定結果を出力する。推定結果が出力された後の処理は、実施形態と同様である。
【0099】
変形例１の不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から、対象ユーザの第２対象状況データを取得する。不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データと、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例１の不正検知システム１は、複数の第２サービスの各々における傾向を総合的に考慮して、第１サービスにおける不正を検知できるので、不正検知の精度を、より高めることができる。
【0100】
［６－２．変形例２］
例えば、変形例１において、ある第２サービスシステム３から取得された第２対象状況データに含まれる項目と、他の第２サービスシステム３から取得された第２対象状況データに含まれる項目と、が互いに異なってもよい。変形例２の対象状況データ取得部１０２は、複数の第２サービスの各々の第２サービスシステム３から、互いに異なる種類の利用状況に関する第２対象状況データを取得する。
例えば、変形例１において、ある第２サービスシステム３から取得された第２対象状況データに含まれる項目と、他の第２サービスシステム３から取得された第２対象状況データに含まれる項目と、が互いに異なってもよい。変形例２の対象状況データ取得部１０２は、複数の第２サービスの各々の第２サービスシステム３から、互いに異なる種類の利用状況に関する第２対象状況データを取得する。
【0101】
変形例２では、変形例１と同様、１つ目の第２サービスが電子商取引サービスである場合を例に挙げる。２つ目の第２サービスが金融サービスである場合を例に挙げる。例えば、１つ目の第２サービスの第２対象状況データは、１つ目の第２サービスに特有の項目である配送先を含む。２つ目の第２サービスの第２対象状況データは、２つ目の第２サービスに特有の項目である送金先を含む。１つ目の第２サービスの第２対象状況データと、２つ目の第２サービスの第２対象状況データと、で２つ以上の項目が異なってもよい。
【0102】
変形例２の不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された互いに異なる種類の利用状況に関する第２対象状況データと、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。第２対象状況データに含まれる項目が互いに異なるという点は、変形例１でも多少説明した通りである。複数の第２サービスの各々の第２対象状態データは、全ての項目が異なってもよいし、一部の項目だけが異なってもよい。不正検知部１０３が実行する処理自体は、変形例１と同様である。
【0103】
なお、変形例２の不正検知モデルＭには、互いに異なる種類の利用状況に関する第２学習状況データが学習されている。第２学習状況データに含まれる項目は、原則として第２対象状況データに含まれる項目と同様である。複数の第２サービスの各々の第２学習状態データは、全ての項目が異なってもよいし、一部の項目だけが異なってもよい。不正検知モデルＭの学習方法自体は、変形例１と同様である。
【0104】
変形例２の不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から、互いに異なる種類の利用状況に関する第２対象状況データを取得する。不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から取得された互いに異なる種類の利用状況に関する第２対象状況データと、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例２の不正検知システム１は、個々の第２サービスに特有の項目を考慮して、第１サービスにおける対象ユーザの不正を検知できるので、不正検知の精度を、より高めることができる。
【0105】
［６－３．変形例３］
例えば、変形例１，２において、第２対象状況データは、決済額のように、数値で示される利用状況を含むことがある。この場合に、複数の第２サービスの各々の当該数値に基づいて、評価値が計算されたうえで、第１サービスにおける不正が検知されてもよい。評価値は、不正検知モデルＭが不正を検知するために参照する値である。変形例３では、評価値の一例として合計値を説明するが、評価値は、複数の第２サービスの各々の当該数値を所定の計算式に代入して得られる値であればよい。例えば、評価値は、平均値、分散、標準偏差、又はその他の値であってもよい。
例えば、変形例１，２において、第２対象状況データは、決済額のように、数値で示される利用状況を含むことがある。この場合に、複数の第２サービスの各々の当該数値に基づいて、評価値が計算されたうえで、第１サービスにおける不正が検知されてもよい。評価値は、不正検知モデルＭが不正を検知するために参照する値である。変形例３では、評価値の一例として合計値を説明するが、評価値は、複数の第２サービスの各々の当該数値を所定の計算式に代入して得られる値であればよい。例えば、評価値は、平均値、分散、標準偏差、又はその他の値であってもよい。
【0106】
変形例３の対象状況データ取得部１０２は、複数の第２サービスの各々の第２サービスシステム３から、対象ユーザによる当該第２サービスの利用状況に関する数値を示す第２対象状況データを取得する。数値は、任意の利用状況を示してよく、例えば、個々の決済額、平均決済額、決済額の合計値、利用回数、利用頻度、利用時間、又はその他の数値であってよい。第２対象状況データが数値を示すという点は、実施形態及び変形例１，２で多少説明した通りである。対象状況データ取得部１０２の他の点は、実施形態及び変形例１，２と同様である。
【0107】
変形例３の不正検知モデルＭには、第２学習状況データに基づいて計算された評価値と、学習ユーザの不正の有無と、の関係が学習されているものとする。学習部１０１は、第２学習状況データに基づいて評価値を計算したうえで、不正検知モデルＭの学習を行う。評価値は、事前に計算されて訓練データの入力部分に含められてもよい。変形例３の訓練データの入力部分は、複数の第２サービスの各々の第２サービスシステム３の第２学習状況データから計算された評価値を含んでもよい。学習部１０１の処理自体は、実施形態と同様である。
【0108】
変形例３の不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値に基づいて、評価値を計算する。不正検知部１０３は、当該計算された評価値と、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。評価値の計算で利用される計算式は、データ記憶部１００に予め記憶されているものとする。不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値と、当該計算式と、に基づいて、評価値を計算する。
【0109】
変形例３では、合計値が評価値に相当する場合を例に挙げるので、不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値の合計値を、評価値として計算する。不正検知部１０３は、当該計算された合計値と、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。例えば、不正検知部１０３は、当該合計値を不正検知モデルＭに入力する。不正検知モデルＭは、当該合計値に基づいて特徴量を計算する。不正検知モデルＭは、当該計算された特徴量に応じた推定結果を出力する。
【0110】
変形例３の不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から、対象ユーザによる当該第２サービスの利用状況に関する数値を示す第２対象状況データを取得する。不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値に基づいて、評価値を計算する。不正検知システム１は、当該計算された評価値と、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例３の不正検知システム１は、複数の第２サービスの各々の利用状況が統合された評価値を考慮することによって、不正検知の精度を、より高めることができる。
【0111】
［６－４．変形例４］
例えば、変形例３では、評価値が計算される場合を例に挙げたが、評価値の計算ではなく、複数の第２サービスの各々の第２対象状況データが示す数値の中から代表値が特定されてもよい。代表値は、不正検知で利用される数値である。変形例４では、最大値が代表値に相当する場合を例に挙げるが、例えば、代表値は、最小値、中間値、又はその他の値であってもよい。なお、変形例４の対象状況データ取得部１０２の処理は、変形例３と同様である。１つの代表値だけではなく、複数の代表値が特定されてもよい。
例えば、変形例３では、評価値が計算される場合を例に挙げたが、評価値の計算ではなく、複数の第２サービスの各々の第２対象状況データが示す数値の中から代表値が特定されてもよい。代表値は、不正検知で利用される数値である。変形例４では、最大値が代表値に相当する場合を例に挙げるが、例えば、代表値は、最小値、中間値、又はその他の値であってもよい。なお、変形例４の対象状況データ取得部１０２の処理は、変形例３と同様である。１つの代表値だけではなく、複数の代表値が特定されてもよい。
【0112】
変形例４の不正検知モデルＭには、学習状況データに基づいて特定された代表値と、学習ユーザの不正の有無と、の関係が学習されているものとする。学習部１０１は、第２学習状況データに基づいて代表値を特定したうえで、不正検知モデルＭの学習を行う。代表値は、事前に特定されて訓練データの入力部分に含められてもよい。変形例４の訓練データの入力部分は、複数の第２サービスの各々の第２サービスシステム３の第２学習状況データから特定された代表値を含んでもよい。学習部１０１の処理自体は、実施形態と同様である。
【0113】
変形例４の不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値の中から、代表値を特定する。不正検知部１０３は、当該特定された代表値と、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例４では、最大値が代表値に相当する場合を例に挙げるので、不正検知部１０３は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値の中から最大値を特定する。不正検知部１０３は、当該特定された最大値と、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。例えば、不正検知部１０３は、当該最大値を不正検知モデルＭに入力する。不正検知モデルＭは、当該最大値に基づいて特徴量を計算する。不正検知モデルＭは、当該計算された特徴量に応じた推定結果を出力する。
【0114】
変形例４の不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から、対象ユーザによる当該第２サービスの利用状況に関する数値を示す第２対象状況データを取得する。不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から取得された第２対象状況データが示す数値の中から、代表値を特定する。不正検知システム１は、当該特定された代表値と、不正検知モデルＭと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例４の不正検知システム１は、複数の第２サービスの各々の利用状況のうち、代表的な値に着目することによって、不正検知の精度を、より高めることができる。
【0115】
［６－５．変形例５］
例えば、実施形態では、第１サービスシステム２に処理結果データを送信する第1送信処理が、処理実行部１０４が実行する所定の処理に相当する場合を例に挙げた。処理実行部１０４が実行する所定の処理は、不正検知部１０３の処理結果に基づく処理であればよい。処理実行部１０４が実行する所定の処理は、実施形態の例に限られない。変形例５では、処理実行部１０４が実行する所定の処理の他の例を説明する。
例えば、実施形態では、第１サービスシステム２に処理結果データを送信する第1送信処理が、処理実行部１０４が実行する所定の処理に相当する場合を例に挙げた。処理実行部１０４が実行する所定の処理は、不正検知部１０３の処理結果に基づく処理であればよい。処理実行部１０４が実行する所定の処理は、実施形態の例に限られない。変形例５では、処理実行部１０４が実行する所定の処理の他の例を説明する。
【0116】
変形例５の処理実行部１０４は、不正検知部１０３の処理結果に基づいて、複数の第２サービスの中から、第１サービスにおける対象ユーザの不正の検知で有効な少なくとも１つの第２サービスを特定する。処理実行部１０４は、当該特定された少なくとも１つの第２サービスに関する有効サービスデータを第１サービスの第１サービスシステム２に送信する第２送信処理を、所定の処理として実行する。
【0117】
不正の検知で有効とは、不正の有無の推定で重要となることである。機械学習の不正検知モデルＭであれば、特徴量重要度が高いことは、不正の検知で有効であることに相当する。特徴量重要度は、機械学習における推定結果に寄与する度合いである。特徴量重要度は、インパクトといった他の名前で呼ばれることもある。機械学習以外の不正検知モデルＭであれば、不正と判定されるルールを満たす母数が多いことは、不正の検知で有効であることに相当する。
【0118】
変形例５では、特徴量重要度が高いことが、不正の検知で有効であることに相当する場合を例に挙げる。特徴量重要度の計算方法自体は、公知の方法であってよい。例えば、ランダムフォレスト、順列重要度、ＳＨＡＰ（SHapley Additive exPlanations）、又はその他の方法が利用されてよい。処理実行部１０４は、これらの方法に基づいて、特徴量重要度を計算する。処理実行部１０４は、特徴量重要度が相対的に高い第２対象状況データに対応する第２サービスを特定する。例えば、処理実行部１０４は、特徴量重要度が最も高い第２対象状況データ、特徴量重要度が上位所定数の第２対象状況データ、又は特徴量重要度が閾値以上の第２対象状況データに対応する第２サービスを特定する。
【0119】
有効サービスデータは、不正の検知で有効である第２サービスを識別可能なデータである。例えば、有効サービスデータは、当該第２サービスの名前、第２サービスサーバ３０の名前、又はその他のデータであってよい。処理実行部１０４は、第１サービスシステム２に対し、不正の検知で有効であることが特定された第２サービスを示す有効サービスデータを送信することによって、第２送信処理を実行する。
【0120】
変形例５の第１サービスサーバ２０は、不正検知システム１から、有効サービスデータを受信する。第１サービスサーバ２０は、有効サービスデータをデータ記憶部２００に記録する。有効サービスデータは、任意の用途で利用可能である。例えば、第１サービスサーバ２０は、有効サービスデータが示す第２サービスを、第１サービスの管理者に通知する。有効サービスデータの内容は、第１サービスの管理者の端末に表示されてよい。第１サービスの管理者は、当該第２サービスを把握する。第１サービスの管理者は、当該第２サービスの管理者と連絡を取り、互いの不正検知のアルゴリズムを連携する。有効サービスデータは、第１サービスにおける独自の不正検知のアルゴリズムに活用されてもよい。
【0121】
変形例５の不正検知システム１は、不正検知部１０３の処理結果に基づいて、複数の第２サービスの中から、第１サービスにおける対象ユーザの不正の検知で有効な少なくとも１つの第２サービスを特定する。不正検知システム１は、当該特定された少なくとも１つの第２サービスに関する有効サービスデータを第１サービスの第１サービスシステム２に送信する第２送信処理を、所定の処理として実行する。変形例５の不正検知システム１は、第１サービスシステム２に対し、第１サービスにおける不正の検知で有益な情報を提供できる。
【0122】
［６－６．変形例６］
例えば、変形例５において、第１サービスシステム２は、有効サービスデータに基づいて、独自の不正検知モデルを作成してもよい。独自の不正検知モデルは、不正検知システム１ではなく、第１サービスシステム２自らが不正検知を行うためのモデルである。変形例６では、独自の不正検知モデルが機械学習に関するモデルである場合を例に挙げる。なお、変形例６の不正検知システム１は、第１サービスシステム２を含むものとする。変形例６のデータ記憶部２００は、独自の不正検知モデルを記憶する。
例えば、変形例５において、第１サービスシステム２は、有効サービスデータに基づいて、独自の不正検知モデルを作成してもよい。独自の不正検知モデルは、不正検知システム１ではなく、第１サービスシステム２自らが不正検知を行うためのモデルである。変形例６では、独自の不正検知モデルが機械学習に関するモデルである場合を例に挙げる。なお、変形例６の不正検知システム１は、第１サービスシステム２を含むものとする。変形例６のデータ記憶部２００は、独自の不正検知モデルを記憶する。
【0123】
例えば、機械学習の手法は、公知の種々の手法を利用可能である。例えば、独自の不正検知モデルは、教師有り学習又は半教師有り学習のモデルに限られず、教師無し学習のモデルであってもよい。より具体的には、独自の不正検知モデルは、ニューラルネットワーク、サポートベクターマシン、ランダムフォレスト、ロジスティック回帰、決定木、又はその他の手法のモデルであってもよい。
【0124】
例えば、独自の不正検知モデルは、特徴量の計算等を実行するプログラム部分と、プログラム部分によって参照されるパラメータ部分と、を含む。学習によって、パラメータ部分が変更される。例えば、第１サービスサーバ２０又は他のコンピュータが、独自の不正検知モデルの学習を行う。学習が完了すると、学習前の独自の不正検知モデルのパラメータ部分が上書きされる。独自の不正検知モデルには、当該独自の不正検知モデルの学習のための学習ユーザによる第２サービスの利用状況に関する第２学習状況データと、第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習されている。
【0125】
なお、独自の不正検知モデルは、機械学習以外の他の手法のモデルであってもよい。例えば、独自の不正検知モデルは、機械学習以外の手法で作成されたルールベースのモデルであってもよい。独自の不正検知モデルは、機械学習の手法のモデルと、ルールベースのモデルと、が組み合わされたモデルであってもよい。独自の不正検知モデルとして採用可能なモデルは、公知の不正検知で利用されている種々のモデルであってよい。
【0126】
第１サービスシステム２は、作成部２０３及び独自検知部２０４を含む。作成部２０３は、有効サービスデータに基づいて、第１サービスシステム２独自の不正検知モデルを作成する。変形例６のデータ記憶部２００は、独自の不正検知モデルの訓練データを記憶する。個々の訓練データは、入力部分と、出力部分と、のペアである。訓練データの入力部分及び出力部分は、原則として、推定時における独自の不正検知モデルの入力及び出力と同じ形式である。出力部分は、学習時における正解ということもできる。例えば、訓練データは、管理者により手動で作成されてもよいし、何らかの作成ツールが利用されてもよい。
【0127】
例えば、独自の不正検知モデルの訓練データの入力部分は、少なくとも第２学習状況データを含む。変形例６では、入力部分は、第１学習状況データ及び第２学習状況データを含む。独自の不正検知モデルの訓練データの出力部分は、第１サービスにおける不正の有無に関する情報である。変形例６では、独自の不正検知モデルの訓練データの出力部分は、不正であるか否かを示すラベルである場合を説明するが、当該出力部分は、不正の疑いを示すスコアであってもよい。
【0128】
例えば、作成部２０３は、有効サービスデータに基づいて、訓練データの入力部分に含める第２サービスを決定する。作成部２０３は、複数の第２サービスの中から、有効サービスデータが示す特徴量重要度が最も高い第２サービス、当該特徴量重要度が上位所定順位までの第２サービス、又は当該特徴量重要度が閾値以上の第２サービスの第２学習状況データを、訓練データの入力部分に含める。他の第２サービスの第２学習状況データは、訓練データの入力部分には含まれず、推定時にも利用されない。
【0129】
例えば、作成部２０３は、訓練データを、独自の不正検知モデルに学習させる。独自の不正検知モデルの学習自体は、公知の機械学習の手法を利用可能であり、例えば、誤差逆伝播法又は勾配降下法を利用してもよい。独自の不正検知モデルの学習で用いられる損失関数等も、公知の手法であってよい。作成部２０３は、訓練データの入力部分が入力された場合に、当該訓練データの出力部分が出力されるように、独自の不正検知モデルの学習を実行する。
【0130】
変形例６の独自検知部２０４は、作成部２０３により作成された独自の不正検知モデルに基づいて、対象ユーザの不正を検知する。変形例６では、独自の不正検知モデルは、機械学習に関するモデルなので、独自検知部２０４は、第２対象状況データと、学習済みの独自の不正検知モデルと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。独自検知部２０４は、独自の不正検知モデルの出力が不正を示す場合、又は、独自の不正検知モデルのスコアが閾値以上である場合に、第１サービスにおける対象ユーザの不正を検知する。
【0131】
なお、第１サービスサーバ２０は、複数の第２サービスのうち、独自の不正検知モデルによる推定で利用される第２サービスの第２サービスシステム３から、対象ユーザの第２対象状況データを取得すればよい。第１サービスサーバ２０が第２対象状況データを取得する流れは、不正検知サーバ１０が第２対象状況データを取得する流れと同様であってよい。また、変形例６では、第２対象状況データだけではなく、第１対象状況データも不正検知で利用されるものとする。
【0132】
例えば、独自検知部２０４は、学習済みの独自の不正検知モデルに対し、第１対象状況データ及び第２対象状況データを入力する。独自検知部２０４は、第１対象状況データ及び第２対象状況データに対し、集計又は正規化等の前処理を実行したうえで、学習済みの独自の不正検知モデルに対し、当該前処理が実行された第１対象状況データ及び第２対象状況データを入力してもよい。
【0133】
例えば、独自の不正検知モデルは、学習によって調整されたパラメータ部分に基づいて、自身に入力された第１対象状況データ及び第２対象状況データの特徴量を計算する。独自の不正検知モデルは、当該計算された特徴量に基づいて、対象ユーザの不正に関する推定結果を出力する。変形例６では、独自の不正検知モデルは、対象ユーザが不正であるか否かを示す推定結果として出力する。推定結果は、対象ユーザが不正であることを示す値、又は、対象ユーザが不正ではないことを示す値の何れかとなる。独自の不正検知モデルは、対象ユーザの不正に関するスコアを出力してもよい。
【0134】
例えば、第１サービスサーバ２０は、独自の不正検知モデルにより不正が検知されたユーザを、第１サービスの管理者に通知する。第１サービスサーバ２０は、第１サービスの管理者への通知を要することなく、独自の不正検知モデルにより不正が検知されたユーザによる第１サービスの利用を制限してもよい。独自の不正検知モデルによる不正の検知結果は、任意の用途で利用可能である。
【0135】
変形例６の不正検知システム１は、有効サービスデータに基づいて、第１サービスシステム２独自の不正検知モデルを作成する。不正検知システム１は、独自の不正検知モデルに基づいて、対象ユーザの不正を検知する。変形例６の不正検知システム１は、第１サービスに独自の不正検知モデルを利用することによって、第１サービスにおける不正検知の精度を、より高めることができる。
【0136】
［６－７．変形例７］
例えば、不正を行う不正ユーザは、複数の第２サービスの各々で、所定の順序で不正を行うことがある。ある順序で不正が行われた後に、第１サービスが不正で狙われやすいといった傾向が存在することもある。このため、複数の第２サービスの各々で不正が発生した場合に、不正が発生した順序も考慮されて、不正が検知されてもよい。
例えば、不正を行う不正ユーザは、複数の第２サービスの各々で、所定の順序で不正を行うことがある。ある順序で不正が行われた後に、第１サービスが不正で狙われやすいといった傾向が存在することもある。このため、複数の第２サービスの各々で不正が発生した場合に、不正が発生した順序も考慮されて、不正が検知されてもよい。
【0137】
不正検知システム１は、順序データ取得部１０５を含む。順序データ取得部１０５は、複数の第２サービスの各々で不正が発生した場合に、当該不正が発生した順序に関する順序データを取得する。順序データは、不正が発生した第２サービスの順序を示す。不正は、第２サービスの管理者によって検知されるものとする。不正検知システム１は、複数の第２サービスの各々の第２サービスシステム３から、不正が発生したことを示すデータを取得する。順序データ取得部１０５は、当該データに基づいて、不正が発生した順序を特定して順序データを生成する。
【0138】
変形例７の不正検知部１０３は、順序データに更に基づいて、第１サービスにおける対象ユーザの不正を検知する。例えば、不正検知部１０３は、順序データを不正検知モデルＭに入力する。変形例７の不正検知モデルＭには、順序データと、第１サービスにおける不正の有無と、の関係も学習されているものとする。不正検知モデルＭは、順序データに基づいて特徴量を計算する。不正検知モデルＭは、当該計算された特徴量に基づいて、第１サービスにおける対象ユーザの不正の有無を推定する。
【0139】
変形例７の不正検知システム１は、複数の第２サービスの各々で不正が発生した場合に、当該不正が発生した順序に関する順序データを取得する。不正検知システム１は、順序データに更に基づいて、第１サービスにおける対象ユーザの不正を検知する。変形例７の不正検知システム１は、複数の第２サービスの各々で発生した不正の順序を更に考慮することによって、不正検知の精度を、より高めることができる。例えば、複数の第２サービスの各々で特定の順序で不正が検知されており、かつ、ある特定の利用状況のユーザが第１サービスで不正を働く傾向にある場合に、不正検知システム１は、第１サービスにおける不正を検知しやすくなる。
【0140】
［６－８．変形例８］
例えば、変形例５では、第１サービスシステム２に有効サービスデータを送信することが、処理実行部１０４が実行する所定の処理に相当する場合を例に挙げた。変形例８では、処理実行部１０４が実行する所定の処理の他の例を説明する。変形例８の処理実行部１０４は、不正検知部１０３の処理結果に基づいて、複数の第２サービスの中から、第１サービスにおける対象ユーザの不正の検知で有効な少なくとも１つの第２サービスを特定する。この処理は、変形例５と同様である。
例えば、変形例５では、第１サービスシステム２に有効サービスデータを送信することが、処理実行部１０４が実行する所定の処理に相当する場合を例に挙げた。変形例８では、処理実行部１０４が実行する所定の処理の他の例を説明する。変形例８の処理実行部１０４は、不正検知部１０３の処理結果に基づいて、複数の第２サービスの中から、第１サービスにおける対象ユーザの不正の検知で有効な少なくとも１つの第２サービスを特定する。この処理は、変形例５と同様である。
【0141】
変形例８の処理実行部１０４は、上記特定された少なくとも１つの第２サービスの第２サービスシステム３に、第１サービスにおいて不正が検知された対象ユーザに関する対象ユーザデータを送信する第３送信処理を、所定の処理として実行する。変形例８では、対象ユーザのユーザＩＤが対象ユーザデータに相当する場合を例に挙げるが、対象ユーザデータは、対象ユーザに関する何らかの情報であればよい。例えば、対象ユーザデータは、対象ユーザの第２対象状況データの全部又は一部であってもよいし、対象ユーザの第１対象状況データの全部又は一部であってもよい。対象ユーザデータは、ユーザＩＤであってもよい。
【0142】
変形例８の第２サービスサーバ３０は、不正検知システム１から、対象ユーザデータを受信する。第２サービスサーバ３０は、対象ユーザデータをデータ記憶部３００に記録する。対象ユーザデータは、任意の用途で利用可能である。例えば、第２サービスサーバ３０は、対象ユーザデータの内容を、第２サービスの管理者に通知する。第２サービスの管理者は、当該内容に基づいて、自身の独自の不正検知のアルゴリズムを検討する。
【0143】
変形例８の不正検知システム１は、不正検知部１０３の処理結果に基づいて、複数の第２サービスの中から、第１サービスにおける対象ユーザの不正の検知で有効な少なくとも１つの第２サービスを特定する。不正検知システム１は、当該特定された少なくとも１つの第２サービスの第２サービスシステムに、第１サービスにおいて不正が検知された対象ユーザに関する対象ユーザデータを送信する第３送信処理を、所定の処理として実行する。変形例８の不正検知システム１は、第２サービスシステム３に対し、第１サービス及び第２サービスの少なくとも一方における不正の検知で有益な情報を提供できる。
【0144】
［６－９．変形例９］
例えば、第２対象状況データは、第２サービスの利用状況に関する複数の項目を含んでもよい。この点は、実施形態の第２対象状況データも同様である。変形例９の処理実行部１０４は、不正検知部１０３の処理結果に基づいて、複数の項目の中から、第１サービスにおける対象ユーザの不正の検知で有効な項目を特定する。「不正の検知で有効」の意味は、変形例５で説明した通りである。変形例９では、変形例５と同様に、特徴量重要度が高いことが、不正の検知で有効であることに相当する場合を例に挙げる。
例えば、第２対象状況データは、第２サービスの利用状況に関する複数の項目を含んでもよい。この点は、実施形態の第２対象状況データも同様である。変形例９の処理実行部１０４は、不正検知部１０３の処理結果に基づいて、複数の項目の中から、第１サービスにおける対象ユーザの不正の検知で有効な項目を特定する。「不正の検知で有効」の意味は、変形例５で説明した通りである。変形例９では、変形例５と同様に、特徴量重要度が高いことが、不正の検知で有効であることに相当する場合を例に挙げる。
【0145】
変形例９の処理実行部１０４は、上記特定された項目に関する項目データを第１サービスの第１サービスシステム２に送信する第４送信処理を、所定の処理として実行する。項目データは、不正の検知で有効である項目を識別可能なデータである。例えば、項目データは、当該項目の名前、当該項目のＩＤ、又はその他のデータであってよい。処理実行部１０４は、第１サービスシステム２に対し、不正の検知で有効であることが特定された項目を示す項目データを送信することによって、第４送信処理を実行する。
【0146】
変形例９の第１サービスサーバ２０は、不正検知システム１から、項目データを受信する。第１サービスサーバ２０は、項目データをデータ記憶部２００に記録する。項目データは、任意の用途で利用可能である。例えば、第１サービスサーバ２０は、項目データが示す項目を、第１サービスの管理者に通知する。第１サービスの管理者は、当該項目を把握する。第１サービスの管理者は、当該第２サービスの管理者と連絡を取り、互いの不正検知のアルゴリズムを連携する。項目データは、第１サービスにおける独自の不正検知のアルゴリズムに活用されてもよい。
【0147】
変形例９の不正検知システム１は、不正検知部１０３の処理結果に基づいて、複数の項目の中から、第１サービスにおける対象ユーザの不正の検知で有効な項目を特定する。不正検知システム１は、当該特定された項目に関する項目データを第１サービスシステム２に送信する第４送信処理を、所定の処理として実行する。変形例９の不正検知システム１は、第１サービスシステムに対し、第１サービスにおける不正の検知で有益な情報を提供できる。
【0148】
［６－１０．変形例１０］
例えば、変形例９において、第１サービスシステム２は、変形例６のようにして、項目データに基づいて、独自の不正検知モデルを作成してもよい。独自の不正検知モデルの意味は、変形例６で説明した通りである。変形例１０の不正検知システム１は、第１サービスシステム２を更に含む。第１サービスシステム２は、作成部２０３及び独自検知部２０４を含む。
例えば、変形例９において、第１サービスシステム２は、変形例６のようにして、項目データに基づいて、独自の不正検知モデルを作成してもよい。独自の不正検知モデルの意味は、変形例６で説明した通りである。変形例１０の不正検知システム１は、第１サービスシステム２を更に含む。第１サービスシステム２は、作成部２０３及び独自検知部２０４を含む。
【0149】
変形例１０の作成部２０３は、項目データに基づいて、第１サービスシステム２独自の不正検知モデルを作成する。変形例１０の独自の不正検知モデルには、当該独自の不正検知モデルの学習のための学習ユーザによる第２サービスの利用状況に関する第２学習状況データと、第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習されている。変形例１０の第２学習状況データには、項目データが示す項目が示されている。
【0150】
変形例１０のデータ記憶部２００は、独自の不正検知モデルの訓練データを記憶する。例えば、作成部２０３は、訓練データを、独自の不正検知モデルに学習させる。独自の不正検知モデルの学習自体は、公知の機械学習の手法を利用可能であり、例えば、誤差逆伝播法又は勾配降下法を利用してもよい。独自の不正検知モデルの学習で用いられる損失関数等も、公知の手法であってよい。作成部２０３は、訓練データの入力部分が入力された場合に、当該訓練データの出力部分が出力されるように、不正検知モデルＭの学習を実行する。
【0151】
例えば、作成部２０３は、項目データに基づいて、訓練データの入力部分に含める第２学習状況データの項目を決定する。作成部２０３は、複数の項目の中から、項目データが示す特徴量重要度が最も高い項目、当該特徴量重要度が上位所定順位までの項目、又は当該特徴量重要度が閾値以上の項目を含む第２学習状況データを、訓練データの入力部分に含める。他の項目は、訓練データの入力部分には含まれず、推定時にも利用されない。
【0152】
変形例１０の独自検知部２０４は、作成部２０３により作成された独自の不正検知モデルに基づいて、対象ユーザの不正を検知する。変形例１０では、独自の不正検知モデルは、機械学習に関するモデルなので、独自検知部２０４は、第２対象状況データと、学習済みの独自の不正検知モデルと、に基づいて、第１サービスにおける対象ユーザの不正を検知する。独自検知部２０４は、独自の不正検知モデルの出力が不正を示す場合、又は、独自の不正検知モデルのスコアが閾値以上である場合に、第１サービスにおける対象ユーザの不正を検知する。
【0153】
変形例１０では、第２対象状況データだけではなく、第１対象状況データも不正検知で利用されるものとする。独自検知部２０４は、学習済みの独自の不正検知モデルに対し、第１対象状況データ及び第２対象状況データを入力する。独自検知部２０４は、第１対象状況データ及び第２対象状況データに対し、集計又は正規化等の前処理を実行したうえで、学習済みの独自の不正検知モデルに対し、当該前処理が実行された第１対象状況データ及び第２対象状況データを入力してもよい。
【0154】
例えば、独自の不正検知モデルは、学習によって調整されたパラメータ部分に基づいて、自身に入力された第１対象状況データ及び第２対象状況データの特徴量を計算する。独自の不正検知モデルは、当該計算された特徴量に基づいて、対象ユーザの不正に関する推定結果を出力する。変形例１０では、独自の不正検知モデルは、対象ユーザが不正であるか否かを示す推定結果として出力する。推定結果は、対象ユーザが不正であることを示す値、又は、対象ユーザが不正ではないことを示す値の何れかとなる。独自の不正検知モデルは、対象ユーザの不正に関するスコアを出力してもよい。
【0155】
例えば、第１サービスサーバ２０は、独自の不正検知モデルにより不正が検知されたユーザを、第１サービスの管理者に通知する。第１サービスサーバ２０は、第１サービスの管理者への通知を要することなく、独自の不正検知モデルにより不正が検知されたユーザによる第１サービスの利用を制限してもよい。独自の不正検知モデルによる不正の検知結果は、任意の用途で利用可能である。
【0156】
変形例１０の不正検知システム１は、項目データに基づいて、第１サービスシステム２独自の不正検知モデルを作成する。不正検知システム１は、独自の不正検知モデルに基づいて、対象ユーザの不正を検知する。変形例１０の不正検知システム１は、第１サービスに独自の不正検知モデルを利用することによって、第１サービスにおける不正検知の精度を、より高めることができる。
【0157】
［６－１１．その他の変形例］
例えば、上記説明した変形例を組み合わせてもよい。
例えば、上記説明した変形例を組み合わせてもよい。
【0158】
例えば、不正検知サーバ１０で実現されるものとして説明した機能は、不正検知システム１における少なくとも１つのコンピュータにより実現されるようにすればよく、複数のコンピュータで機能が分担されてもよい。この場合、複数のコンピュータの各々が、他のコンピュータに対し、自身の処理結果を送信することによって、機能の分担が実現されるようにすればよい。例えば、不正検知サーバ１０で実現されるものとして説明した機能は、第１サービスサーバ２０及び第２サービスサーバ３０の少なくとも一方により実現されてもよい。
【0159】
［７．付記］
例えば、本開示に係る不正検知システムは、下記のような構成も可能である。
（１）
第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、
前記対象状況データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部と、
を含む不正検知システム。
（２）
前記不正検知モデルは、機械学習に関するモデルであり、
前記不正検知モデルには、当該不正検知モデルの学習のための学習ユーザによる前記第２サービスの利用状況に関する学習状況データと、前記第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習されており、
前記不正検知部は、前記対象状況データと、学習済みの前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（１）に記載の不正検知システム。
（３）
前記処理実行部は、前記対象ユーザが不正であるか否かに関する処理結果データを前記第１サービスの第１サービスシステムに送信する第１送信処理を、前記所定の処理として実行する、
（１）又は（２）に記載の不正検知システム。
（４）
前記対象状況データ取得部は、複数の前記第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する前記対象状況データを取得し、
前記不正検知部は、前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データと、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（１）～（３）の何れかに記載の不正検知システム。
（５）
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、互いに異なる種類の利用状況に関する前記対象状況データを取得し、
前記不正検知部は、前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記互いに異なる種類の利用状況に関する前記対象状況データと、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）に記載の不正検知システム。
（６）
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する数値を示す前記対象状況データを取得し、
前記不正検知部は、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データが示す前記数値に基づいて、評価値を計算し、
当該計算された評価値と、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）又は（５）に記載の不正検知システム。
（７）
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する数値を示す前記対象状況データを取得し、
前記不正検知部は、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データが示す前記数値の中から、代表値を特定し、
当該特定された代表値と、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）～（６）の何れかに記載の不正検知システム。
（８）
前記処理実行部は、
前記不正検知部の処理結果に基づいて、前記複数の第２サービスの中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な少なくとも１つの前記第２サービスを特定し、
当該特定された少なくとも１つの第２サービスに関する有効サービスデータを前記第１サービスの第１サービスシステムに送信する第２送信処理を、前記所定の処理として実行する、
（４）～（７）の何れかに記載の不正検知システム。
（９）
前記不正検知システムは、前記第１サービスシステムを更に含み、
前記第１サービスシステムは、
前記有効サービスデータに基づいて、前記第１サービスシステム独自の不正検知モデルを作成する作成部と、
前記作成部により作成された前記独自の不正検知モデルに基づいて、前記対象ユーザの不正を検知する独自検知部と、
を含む（８）に記載の不正検知システム。
（１０）
前記不正検知システムは、前記複数の第２サービスの各々で不正が発生した場合に、当該不正が発生した順序に関する順序データを取得する順序データ取得部を更に含み、
前記不正検知部は、前記順序データに更に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）～（９）の何れかに記載の不正検知システム。
（１１）
前記処理実行部は、
前記不正検知部の処理結果に基づいて、前記複数の第２サービスの中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な少なくとも１つの前記第２サービスを特定し、
当該特定された少なくとも１つの第２サービスの前記第２サービスシステムに、前記第１サービスにおいて不正が検知された前記対象ユーザに関する対象ユーザデータを送信する第３送信処理を、前記所定の処理として実行する、
（４）～（１０）の何れかに記載の不正検知システム。
（１２）
前記対象状況データは、前記第２サービスの利用状況に関する複数の項目を含み、
前記処理実行部は、
前記不正検知部の処理結果に基づいて、前記複数の項目の中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な項目を特定し、
当該特定された項目に関する項目データを前記第１サービスの第１サービスシステムに送信する第４送信処理を、前記所定の処理として実行する、
（１）～（１１）の何れかに記載の不正検知システム。
（１３）
前記不正検知システムは、前記第１サービスシステムを更に含み、
前記第１サービスシステムは、
前記項目データに基づいて、前記第１サービスシステム独自の不正検知モデルを作成する作成部と、
前記作成部により作成された前記独自の不正検知モデルに基づいて、前記対象ユーザの不正を検知する独自検知部と、
を含む（１２）に記載の不正検知システム。
（１４）
前記第２サービスシステムでは、前記第２サービスで不正が検知された不正ユーザに関するリストが生成され、
前記対象ユーザは、前記リストにないユーザである、
（１）～（１３）の何れかに記載の不正検知システム。
例えば、本開示に係る不正検知システムは、下記のような構成も可能である。
（１）
第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステムから、前記対象ユーザによる前記第２サービスの利用状況に関する対象状況データを取得する対象状況データ取得部と、
前記対象状況データと、前記第１サービスにおける不正を検知するための不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する不正検知部と、
前記不正検知部の処理結果に基づいて、所定の処理を実行する処理実行部と、
を含む不正検知システム。
（２）
前記不正検知モデルは、機械学習に関するモデルであり、
前記不正検知モデルには、当該不正検知モデルの学習のための学習ユーザによる前記第２サービスの利用状況に関する学習状況データと、前記第１サービスにおける当該学習ユーザの不正の有無と、の関係が学習されており、
前記不正検知部は、前記対象状況データと、学習済みの前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（１）に記載の不正検知システム。
（３）
前記処理実行部は、前記対象ユーザが不正であるか否かに関する処理結果データを前記第１サービスの第１サービスシステムに送信する第１送信処理を、前記所定の処理として実行する、
（１）又は（２）に記載の不正検知システム。
（４）
前記対象状況データ取得部は、複数の前記第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する前記対象状況データを取得し、
前記不正検知部は、前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データと、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（１）～（３）の何れかに記載の不正検知システム。
（５）
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、互いに異なる種類の利用状況に関する前記対象状況データを取得し、
前記不正検知部は、前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記互いに異なる種類の利用状況に関する前記対象状況データと、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）に記載の不正検知システム。
（６）
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する数値を示す前記対象状況データを取得し、
前記不正検知部は、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データが示す前記数値に基づいて、評価値を計算し、
当該計算された評価値と、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）又は（５）に記載の不正検知システム。
（７）
前記対象状況データ取得部は、前記複数の第２サービスの各々の前記第２サービスシステムから、前記対象ユーザによる当該第２サービスの利用状況に関する数値を示す前記対象状況データを取得し、
前記不正検知部は、
前記複数の第２サービスの各々の前記第２サービスシステムから取得された前記対象状況データが示す前記数値の中から、代表値を特定し、
当該特定された代表値と、前記不正検知モデルと、に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）～（６）の何れかに記載の不正検知システム。
（８）
前記処理実行部は、
前記不正検知部の処理結果に基づいて、前記複数の第２サービスの中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な少なくとも１つの前記第２サービスを特定し、
当該特定された少なくとも１つの第２サービスに関する有効サービスデータを前記第１サービスの第１サービスシステムに送信する第２送信処理を、前記所定の処理として実行する、
（４）～（７）の何れかに記載の不正検知システム。
（９）
前記不正検知システムは、前記第１サービスシステムを更に含み、
前記第１サービスシステムは、
前記有効サービスデータに基づいて、前記第１サービスシステム独自の不正検知モデルを作成する作成部と、
前記作成部により作成された前記独自の不正検知モデルに基づいて、前記対象ユーザの不正を検知する独自検知部と、
を含む（８）に記載の不正検知システム。
（１０）
前記不正検知システムは、前記複数の第２サービスの各々で不正が発生した場合に、当該不正が発生した順序に関する順序データを取得する順序データ取得部を更に含み、
前記不正検知部は、前記順序データに更に基づいて、前記第１サービスにおける前記対象ユーザの不正を検知する、
（４）～（９）の何れかに記載の不正検知システム。
（１１）
前記処理実行部は、
前記不正検知部の処理結果に基づいて、前記複数の第２サービスの中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な少なくとも１つの前記第２サービスを特定し、
当該特定された少なくとも１つの第２サービスの前記第２サービスシステムに、前記第１サービスにおいて不正が検知された前記対象ユーザに関する対象ユーザデータを送信する第３送信処理を、前記所定の処理として実行する、
（４）～（１０）の何れかに記載の不正検知システム。
（１２）
前記対象状況データは、前記第２サービスの利用状況に関する複数の項目を含み、
前記処理実行部は、
前記不正検知部の処理結果に基づいて、前記複数の項目の中から、前記第１サービスにおける前記対象ユーザの不正の検知で有効な項目を特定し、
当該特定された項目に関する項目データを前記第１サービスの第１サービスシステムに送信する第４送信処理を、前記所定の処理として実行する、
（１）～（１１）の何れかに記載の不正検知システム。
（１３）
前記不正検知システムは、前記第１サービスシステムを更に含み、
前記第１サービスシステムは、
前記項目データに基づいて、前記第１サービスシステム独自の不正検知モデルを作成する作成部と、
前記作成部により作成された前記独自の不正検知モデルに基づいて、前記対象ユーザの不正を検知する独自検知部と、
を含む（１２）に記載の不正検知システム。
（１４）
前記第２サービスシステムでは、前記第２サービスで不正が検知された不正ユーザに関するリストが生成され、
前記対象ユーザは、前記リストにないユーザである、
（１）～（１３）の何れかに記載の不正検知システム。
【符号の説明】
【0160】
１ 不正検知システム、２ 第１サービスシステム、３ 第２サービスシステム、１０ 不正検知サーバ、１１，２１，３１，４１ 制御部、１２，２２，３２，４２ 記憶部、１３，２３，３３，４３ 通信部、２０ 第１サービスサーバ、３０ 第２サービスサーバ、４０ ユーザ端末、４４ 操作部、４５ 表示部、Ｍ 不正検知モデル、Ｎ ネットワーク、１００ データ記憶部、１０１ 学習部、１０２ 対象状況データ取得部、１０３ 不正検知部、１０４ 処理実行部、１０５ 順序データ取得部、２００ データ記憶部、２０１ 送信部、２０２ 受信部、２０３ 作成部、２０４ 独自検知部、３００ データ記憶部、３０１ 送信部、３０２ 受信部、ＤＢ１ 訓練データベース、ＤＢ２ 処理結果データベース、ＤＢ３ 第１ユーザデータベース、ＤＢ４ 第２ユーザデータベース。
【要約】
【課題】不正検知の精度を高める。
【解決手段】不正検知システム（１）の対象状況データ取得部（１０２）は、第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステム（３）から、対象ユーザによる第２サービスの利用状況に関する対象状況データを取得する。不正検知部（１０３）は、対象状況データと、第１サービスにおける不正を検知するための不正検知モデル（Ｍ）と、に基づいて、第１サービスにおける対象ユーザの不正を検知する。処理実行部（１０４）は、不正検知部（１０３）の処理結果に基づいて、所定の処理を実行する。
【選択図】図４
【解決手段】不正検知システム（１）の対象状況データ取得部（１０２）は、第１サービスにおける不正検知の対象となる対象ユーザが利用する第２サービスの第２サービスシステム（３）から、対象ユーザによる第２サービスの利用状況に関する対象状況データを取得する。不正検知部（１０３）は、対象状況データと、第１サービスにおける不正を検知するための不正検知モデル（Ｍ）と、に基づいて、第１サービスにおける対象ユーザの不正を検知する。処理実行部（１０４）は、不正検知部（１０３）の処理結果に基づいて、所定の処理を実行する。
【選択図】図４
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】