はじめに・動機

Rで学ぶ不正検知

Bart Baesens

Professor Data Science at KU Leuven

講師紹介

詐欺とは何か？

詐欺とは、まれに発生し、周到に計画され、巧みに隠蔽された、時間とともに変化する、しばしば組織的な犯罪であり、多様な形態をとる。

wolf_in_sheeps_clothing

詐欺の影響

詐欺は非常にまれだが、未検知の場合のコストは甚大
具体例：
- 組織は年間収益の5%を詐欺で失う
- 企業の詐欺被害額は年間3.5兆ドル超
- クレジットカード会社は取引の100ドルあたり約7セントを詐欺で損失
- 損害保険の支払請求額の5〜10%が詐欺

詐欺の種類

マネーロンダリング防止
小切手詐欺
クレジットカード詐欺
税関詐欺
偽造
個人情報窃取
保険詐欺
住宅ローン詐欺
未配送詐欺

オンライン詐欺
製品保証詐欺
脱税
通信詐欺
在庫窃盗
チケット詐欺
交通詐欺
電信送金詐欺
労災補償詐欺

優れた不正検知モデルの主な特性

統計的精度

robinhood

優れた不正検知モデルの主な特性

統計的精度
解釈可能性

minorityreport

優れた不正検知モデルの主な特性

統計的精度
解釈可能性
規制遵守

regulatory

優れた不正検知モデルの主な特性

統計的精度
解釈可能性
規制遵守
経済的影響

dagobert

優れた不正検知モデルの主な特性

統計的精度
解釈可能性
規制遵守
経済的コスト
データ駆動型手法で専門家ベースのアプローチを補完

manmachine

不正検知モデルの課題

不均衡
- 例：クレジットカード詐欺では通常 < 0.5%

haystack

不正検知モデルの課題

不均衡
- 例：クレジットカード詐欺では通常 < 0.5%
運用効率
- 例：クレジットカード詐欺では意思決定時間 < 8秒

flash

不正検知モデルの課題

不均衡
- 例：クレジットカード詐欺では通常 < 0.5%
運用効率
- 例：クレジットカード詐欺では意思決定時間 < 8秒
正当な顧客への不当な疑いを避ける

goodcustomer

不均衡データ

大規模な嵐の後、保険会社は多くの請求を受理
- 不正請求は1、正当な請求は0でラベル付け
データ内の不正割合は以下の関数で確認可能
- table() および prop.table()
prop.table(table(...)) で不正の割合を算出

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

円グラフで不均衡を可視化

labels <- c("no fraud", "fraud")
labels <- paste(labels, round(100 * prop.table(table(fraud_label)), 2), "%")
pie(table(fraud_label), labels, col = c("blue", "red"),
      main = "Pie chart of storm claims")

stormclaims

混同行列

不正検知モデルの評価に使用：

confusionmatrix

検知モデルを使用しない場合、全請求を正当とみなす：

predictions <- rep.int(0, times = nrow(claims))
predictions <- factor(predictions, levels = c("no fraud", "fraud"))

caret パッケージの confusionMatrix() 関数：

library(caret)
confusionMatrix(data = predictions, reference = fraud_label)

             Reference
 Prediction    0   1
            0 614  14
            1   0   0                                   
 Accuracy : 0.9777

不正未検知の総コスト：請求の例

詐欺の総コスト＝不正請求金額の合計

不正が検知されない場合の総コスト：

> total_cost <- sum(claim_amount[fraud_label == "fraud"])
> print(total_cost)

練習しましょう！

Rで学ぶ不正検知