インターネットでの決済やサービス利用が当たり前になる一方で、クレジットカードの不正利用やアカウントの乗っ取りによる被害は深刻さを増しています。こうした不正を人の目だけで見抜くのは難しく、取引やアクセスの情報を機械で分析して怪しいものを見つけ出す「不正検知」の仕組みを取り入れる事業者が増えています。
とはいえ、不正検知が具体的にどのような仕組みで不正を見分けているのか、自社が守りたい被害に本当に効くのかは、言葉だけではつかみにくいものです。守る対象も、カードの不正利用から不正ログイン、不正な申込までさまざまで、どこまでをカバーできるのかも気になるところでしょう。
本記事では、不正検知とは何かという基本から、機械が不正を見分ける仕組み、決済・ログイン・申込といった対象別の見分け方、導入のメリットと注意点、関連する法令やガイドラインまでを解説します。自社に不正検知を取り入れるかどうかを判断する材料としてご活用ください。
目次
一括ダウンロードする
不正検知とは？守る対象とあわせて理解する
不正検知とは、取引やアクセスの情報を分析し、正規の利用者によるものか、不正を狙う第三者やプログラムによるものかを機械的に見分ける仕組みです。あらかじめ決めた条件や、過去の膨大なデータから学習したパターンに照らして一件ずつ評価し、怪しいものを自動で検出します。目視による確認では追いつかない件数とスピードを、機械が肩代わりする役割を担います。
不正検知が守る対象は、クレジットカードの不正利用だけではありません。おもに次のような不正が対象になります。
- 決済の不正：盗まれたカード番号を使った不正注文や、それに伴うチャージバック（売上の取り消し）
- アカウントの不正：他人のIDやパスワードを使った不正ログイン、アカウントの乗っ取り（なりすまし）
- 申込の不正：架空の情報や他人の情報を使った不正な新規登録・口座開設、プログラム（ボット）による大量の自動申込
これらは手口も、見分けるための手がかりも異なります。自社が守りたい被害がどれに当たるかによって、適した不正検知の方式や製品も変わってきます。対象ごとの具体的な見分け方は、記事の後半で整理します。
なぜ今、不正検知が必要なのか（被害の実態）
不正検知の導入が広がっている背景には、オンライン決済での不正被害が高い水準で続いている実態があります。一般社団法人日本クレジット協会の集計によると、クレジットカードの不正利用被害額は2024年の555.0億円から2025年は510.5億円となりました。
前年からは減少したものの、依然として年間500億円を超える高い水準が続いています。2026年上半期（1月〜6月）の時点でも221.3億円の被害が報告されています。
被害の内訳を見ると、2025年の被害額510.5億円のうち475.4億円（約93%）が、カード番号などの情報を盗み取って使う「番号盗用」によるものです。偽造カードによる被害が1%台にとどまる一方で、EC・非対面の取引でカード情報を悪用する手口が被害の中心になっています。こうした状況から、オンラインで決済を扱う事業者には、不正利用を見抜く対策の強化が求められています。
出典・参考資料（1件）
- 出典：クレジットカード不正利用被害の発生状況｜一般社団法人日本クレジット協会
不正検知の仕組み：機械は何を見て「不正」と判断するのか
ここからは、不正検知が「何を材料に」「どのような流れで」不正を見分けているのかを具体的に見ていきます。「AIが自動で見つける」という説明だけでは、自社の課題に効くかどうかは判断できません。見ている材料と判断の順序がわかると、仕組みの輪郭がつかめます。
不正検知が見る材料
不正検知は、一つの情報だけで判断するのではなく、複数の材料を組み合わせてリスクを評価します。おもに参照されるのは次のような情報です。
- 取引・購入の情報：注文金額や購入商品、過去の取引履歴、短時間での連続注文など、いつもと違う取引のパターン
- 端末・ブラウザの情報：利用している端末の種類やOS、ブラウザの設定、画面の解像度などから割り出す端末の特徴（デバイスフィンガープリント）
- ネットワークの情報：接続元のIPアドレスや地域、匿名化の有無など、アクセス経路に関する情報
- 操作のふるまい：入力の速さやマウス・画面の操作の仕方など、人の操作か自動プログラムの操作かを見分ける手がかり
一つひとつは決め手にならなくても、見慣れない端末からのアクセス、普段と違う地域からの接続、高額な商品の短時間での連続注文といった要素が重なると、リスクが高いと評価される、という考え方です。
判断の流れ
集めた材料は、おおむね次の流れで処理されます。まず、取引やログインが発生した時点で上記の情報を収集します。次に、あらかじめ設定した条件や、学習済みのモデルに照らしてリスクを点数（スコア）として算出します。そのスコアに応じて「問題なし」「要確認」「拒否」などの判定を下します。
判定の後に実行される対応は、取引やサービスの性質によって使い分けられます。リスクが高いと判断した取引をその場で止める、本人かどうかを確かめるために追加の認証を求める、判断が難しいものは担当者の目視確認に回す、といった流れです。正規の利用者には余計な手間をかけず、怪しいものだけに追加の確認を課す運用が、利便性と安全性を両立させる基本の形になります。
不正検知の手法（検知方式）の種類
不正を見分ける技術的な方式は、大きく3つに分けられます。製品によってこれらを組み合わせて使うことが多く、それぞれに向き不向きがあります。
ルールベース
「同一カードで1時間に5回以上の注文があれば拒否する」のように、あらかじめ決めた条件に当てはまる取引を検出する方式です。判断の根拠が明確で、なぜ止めたのかを説明しやすい利点があります。一方で、新しい手口が現れるたびに条件を追加・修正する必要があり、ルールの調整を続けないと、見逃しや誤検知が増えやすいという面もあります。
異常検知・統計分析
利用者ごと、あるいは全体の「いつもの状態」を基準にして、そこから大きく外れた取引や行動を異常として検出する方式です。あらかじめ全ての不正パターンを定義しなくても、平常時との違いから、想定外の手口にも気づきやすい点が利点です。ただし、何を「平常」とするかの精度が結果を左右します。
機械学習・AI
過去の大量の取引データから、不正に共通する特徴を学習し、新しい取引のリスクを予測する方式です。人が気づきにくい複雑なパターンを捉えられ、手口の変化にも学習を通じて対応しやすいのが強みです。多くの材料を組み合わせた総合的な判定に向く一方、なぜそう判断したのかが見えにくくなりやすく、学習に使うデータの質と量が精度を左右します。
守る対象別の見分け方（決済・ログイン・申込）
ここからは、守る対象ごとに、どのような手がかりで不正を見分けるのかを整理します。自社が守りたい被害がどれに当たるかを確かめながら読み進めてみてください。
決済の不正（カード不正利用・チャージバック）を見分ける手がかり
決済の不正は、盗まれたカード番号を使った不正注文が中心です。見分ける手がかりになるのは、カード名義と配送先の不一致、短時間での高額・大量の注文、過去に不正があった住所や連絡先との一致などです。これらを審査することで、商品の出荷前に不正注文を止め、後から発生するチャージバックを防ぎます。
あわせて、カード会社側で本人認証を行うEMV 3-Dセキュア（オンライン決済時の本人認証サービス）を組み合わせると、なりすましによる不正利用を抑えられます。不正検知が「怪しい取引を見つける」役割を担い、本人認証が「本人かどうかを確かめる」役割を担う、という多層的な備えが基本になります。
アカウントの不正（不正ログイン・なりすまし）を見分ける手がかり
アカウントの不正は、正しいIDとパスワードでログインされるため、認証情報の照合だけでは見抜けないのが難しい点です。そこで手がかりになるのが、ログインに使われた端末が普段と同じかどうか（デバイスフィンガープリント）、接続元や操作のふるまいに不自然さがないか、といった情報です。
とくに、流出したIDとパスワードの組み合わせを使って自動で大量のログインを試みる手口では、短時間に集中したアクセスや、同じ特徴を持つ端末からの連続試行といった兆候が現れます。これらを捉えることで、正しい認証情報が使われていても、本来の利用者ではないアクセスを検知します。
ここで登場したデバイスフィンガープリントは、端末の特徴から利用者を識別する不正検知の基盤技術です。その仕組みやCookieとの違い、不正検知での具体的な使われ方を以下の記事で解説しています。
申込の不正（不正アカウント作成・ボット）を見分ける手がかり
新規登録や口座開設では、架空の情報や他人の情報を使った申込、キャンペーンの特典やポイントを狙った同一人物による多重申込が問題になります。見分ける手がかりは、申込に使われた住所が実在するか、電話番号が使われているか、氏名や住所の表記を揺らした同一人物による重複申込ではないか、といった照合です。
また、人ではなくプログラム（ボット）による自動の大量申込も申込の不正に含まれます。入力の速度や操作の仕方が人間と異なる点、短時間に機械的に繰り返される点などから、自動プログラムによるアクセスを判別します。抽選販売や限定商品の買い占めを狙った不正な応募・注文も、この仕組みで検知の対象になります。
不正検知を導入するメリット
不正検知を導入すると、被害の防止だけでなく、業務や売上の面でも効果が期待できます。おもなメリットは次の4つです。
不正注文を未然に防げる。取引を自動で審査し、怪しい注文を商品の出荷前に止められるため、不正利用による商品やサービスの損失を防げます。目視では見落としやすい不正も、機械が一件ずつ評価することで検出の網を広げられます。
チャージバックのリスクを軽減できる。カードの不正利用を出荷前に止めることで、後から発生するチャージバック（売上の取り消しと、それに伴う手数料や商品損失）を減らせます。チャージバックが増えると決済事業者からの評価にも影響するため、その抑制にもつながります。
かご落ち（購入離脱）を抑えられる。全ての取引に一律で厳しい認証を課すと、正規の利用者まで手続きの手間で離脱してしまいます。リスクの高い取引だけに追加の確認を求める運用にすることで、安全性を保ちながら、正規の利用者の離脱を抑えられます。
目視チェックの工数を削減できる。自動の審査で明らかに問題のない取引と明らかに怪しい取引を仕分けることで、人が目視で確認すべき件数を絞り込めます。担当者の負担を下げつつ、判断が難しいものに人手を集中させられます。
こうした効果が実際の事業でどこまで実現できるのかは、具体的な事例で見えてきます。次の資料では、不正対策に取り組んだ2社の事例として、繁忙期の不正利用率を抑えた例や、顧客体験を保ちながらカード決済の離脱（カゴ落ち率）を20%から1%未満まで減らした例を知ることができます。
不正検知の注意点・限界
一方で、不正検知は導入すればすべての不正を防げる万能の仕組みではありません。期待とのずれを避けるために、次の点を押さえておく必要があります。
誤検知で正規の顧客を止めてしまうことがある。審査を厳しくするほど不正は防げますが、同時に正規の取引まで「怪しい」と判断してしまう誤検知も増えます。正規の顧客が購入できなければ、それ自体が機会損失になります。検知の強さと利便性のバランスを取るための調整が欠かせません。
不正を100%防げるわけではない。不正の手口は常に変化し、検知をすり抜けようとします。どの仕組みにも見逃しは起こり得るため、不正検知だけに頼らず、本人認証やチャージバック保証など複数の対策を組み合わせて備えるのが現実的です。
導入後のチューニングと運用が必要になる。多くの不正検知は、導入して終わりではありません。自社の取引傾向に合わせて検知の条件を調整し、新しい手口に合わせて見直していく運用が、精度を保つうえで重要になります。専任の担当やベンダーの支援体制があるかも確認したい点です。
費用対効果を見て導入形態を選ぶ必要がある。不正検知には初期費用や月額費用、取引件数に応じた費用がかかります。自社で想定される被害額や取引規模に対して費用が見合うか、どの導入形態が適しているかを見極めることが大切です。
関連法令・ガイドラインへの対応
不正検知の導入は、事業者が守るべき法令やガイドラインへの対応という面からも求められています。ここでは、EC・決済事業者に関わるものと、業種を問わず関わるものを整理します。
EC・決済事業者向け：クレジットカード・セキュリティガイドライン
クレジットカード取引に関わる事業者の対策は、割賦販売法にもとづく実務上の指針として、クレジット取引セキュリティ対策協議会が公表する「クレジットカード・セキュリティガイドライン」に整理されています。現行は【6.1版】（2026年3月公表）です。このガイドラインでは、EC加盟店が取り組むべき不正利用対策として、EMV 3-Dセキュアの導入を指針対策に位置づけています。
イシュアーによる本人確認が適切に行われるための措置として、EC 加盟店は EMV 3-D セキュアを導入する。
出典：クレジットカード・セキュリティガイドライン【6.1版】｜クレジット取引セキュリティ対策協議会
認証の運用には幅があり、原則は決済の都度認証とされつつ、ほかの不正利用対策の内容に応じて、カード番号の登録時に認証する運用や、加盟店のリスク判断にもとづく運用も認められています。これらの対策は割賦販売法が義務づける不正利用防止措置の実務指針とされており、本人認証と組み合わせる不正検知は、こうした要請に応える具体的な手段の一つになります。
ここで触れたEMV 3-Dセキュアの義務化については、対象となる事業者や求められる対応内容、未対応の場合のリスクを以下の記事で詳しく解説しています。自社の対応状況を確かめたい方はこちらをご覧ください。
全業種共通：個人情報保護法とPCI DSS
カード情報に限らず、個人データを扱う事業者には、個人情報の保護に関する法律（個人情報保護法）にもとづく対応が求められます。2022年4月に施行された改正により、一定の個人データの漏えい等が発生した場合は、個人情報保護委員会への報告と本人への通知が義務づけられました。
不正アクセスによる個人データの漏えいもこの対象になり得るため、不正ログインや不正アクセスを検知する仕組みを備えることは、こうした事態を防ぐうえでも意味を持ちます。
また、カード会員データを扱う事業者が準拠を求められるセキュリティ基準として、PCI DSS（現行はv4.0.1）があります。カード情報の適切な管理は割賦販売法でも求められており、こうした基準への対応と、不正利用・不正アクセスを検知する仕組みは、安全な決済・サービス運営を支える両輪として位置づけられます。
出典・参考資料（3件）
不正検知の導入方法と費用の目安
不正検知を取り入れる方法は、大きく2つに分かれます。それぞれの向き不向きと、費用の考え方を押さえておきましょう。
専用システムの直接導入と、決済代行サービスの活用
一つは、不正検知の専用システムを自社のサイトやアプリに直接組み込む方法です。検知の条件を自社の取引傾向に合わせて細かく調整でき、守りたい不正の種類に合わせて製品を選べます。一定以上の取引規模があり、自社の要件に合わせた運用を重視する事業者に向いています。
もう一つは、決済代行サービスに備わっている不正検知の機能を利用する方法です。決済の導入とあわせて不正対策も始められるため、個別にシステムを選定・構築する手間を抑えられます。まず基本的な対策から始めたい事業者や、決済と不正対策をまとめて任せたい事業者に向いた選び方です。
費用の考え方
不正検知の費用は、初期費用・月額費用に加え、審査する取引の件数に応じた従量の費用がかかる場合があります。金額はサービスや契約内容によって幅があり、公式に料金を公開せず個別見積もりとしているサービスも少なくありません。まずは複数のサービスから資料を取り寄せ、自社の取引規模や守りたい不正の種類に照らして見比べるのが現実的です。想定される被害額と費用を比べて、見合う導入形態を選ぶことが大切です。
一括ダウンロードする
不正検知に対応するソリューションと探し方
ここからは、不正検知に対応する主要なサービスを紹介します。守りたい不正の種類や事業の形態によって適したサービスは変わるため、まずは各サービスの対象と特徴を比較してみてください。以下は、紹介する不正検知サービスの比較表です。
| サービス名 | Sardine | O-PLUX | ASUKA | Sift | CAFIS Brain | O-MOTION | FraudAlert |
|---|---|---|---|---|---|---|---|
| 提供会社 | 株式会社DGビジネステクノロジー | かっこ株式会社 | 株式会社アクル | Sift, Inc.（日本：DGビジネステクノロジー） | 株式会社NTTデータ | かっこ株式会社 | 株式会社カウリス |
| 決済の不正（カード不正利用） | ● | ◎ | ◎ | ◎ | ● | × | × |
| アカウントの不正（不正ログイン） | ◎ | △（別プランで対応） | ● | ● | ● | ◎ | ◎ |
| 申込・ボットの不正（不正登録） | ● | ● | ● | ● | ● | ● | △（口座開設時） |
| 検知方式 | 行動バイオメトリクス＋デバイス情報＋AI | 共有ネガティブDB照合＋名寄せ技術 | 独自アルゴリズムによる取引審査 | AI機械学習（グローバルデータ） | デバイス識別＋700種以上のルール | デバイスフィンガープリント＋操作情報でBot判定 | 端末情報の変化＋行動分析（250超の指標） |
| 主な対象 | EC・金融（登録〜決済・送金） | EC・通販 | EC・オンライン決済 | 中〜大規模EC・フィンテック等 | EC・金融機関・会員サイト | 金融機関・EC・会員サイト | 金融機関（銀行・証券・カード等） |
| 初期費用 | 要問い合わせ | 300,000円〜 | 要問い合わせ | 要問い合わせ | 要問い合わせ | 300,000円〜 | 要問い合わせ |
| 月額費用 | 要問い合わせ | 30,000円〜 | 要問い合わせ | 要問い合わせ | 要問い合わせ | 30,000円〜 | 要問い合わせ |
| 詳細情報 | 公式資料を見る | サービス詳細を見る | サービス詳細を見る | サービス詳細を見る | サービス詳細を見る | サービス詳細を見る | サービス詳細を見る |
※マークは各不正への対応度合いの目安です（◎：その不正の検知を得意とする／●：対応している／△：別プランや特定の場面で対応／×：対象外）。O-MOTIONはかっこ株式会社のO-PLUX Account Protectionに統合されています。料金・対応範囲は2026年9月〜10月時点の各社公開情報にもとづくもので、最新の内容は各社の公式資料でご確認ください。
Sardine（株式会社DGビジネステクノロジー）
株式会社DGビジネステクノロジーが提供するSardine（サーディン）は、端末の情報と、サイト・アプリ上での利用者の行動の両面からリスクを評価する不正検知サービスです。タイピングやマウス操作といった行動の特徴（行動バイオメトリクス）と、端末やブラウザの情報（デバイスインテリジェンス）を組み合わせ、AI・機械学習で不正を検知します。
会員登録、ログイン、決済、送金といった利用者の各場面に適用できる点が特徴です。
検知の対象は、アカウントの乗っ取り（なりすましログイン）や不正なアカウント作成といったアカウントの不正と、カードの不正利用などの決済・取引の不正の両方に及びます。自動化されたログイン試行を仕掛けるボットの検知にも対応します。料金は要問い合わせです（2026年11月時点）。
O-PLUX（かっこ株式会社）
かっこ株式会社のO-PLUX（オープラックス）は、EC・通販事業者向けのクラウド型不正注文検知サービスです。なりすまし注文やカードの不正利用、悪質な転売、後払いの未払いといった取引の不正を、取引データからリアルタイムに審査・検知します。
累計12万サイト以上が共有するネガティブデータ（不正注文の住所・電話番号・メールアドレスなど）を照合に使う点が中核で、住所や氏名の表記の揺れを正規化して同一人物の多重申込を見抜く名寄せ技術も備えます。東京商工リサーチの調査では、有償の不正検知サービスの導入サイト件数で2019年から7年連続の国内1位となっています（2026年3月末時点）。
費用は初期費用300,000円〜、月額費用30,000円〜で、審査件数に応じた変動費のプランもあります（2026年9月時点）。
出典・参考資料（1件）
ASUKA（株式会社アクル）
株式会社アクルが提供するASUKA（アスカ）は、ECサイトでのクレジットカード不正利用の検知と、本人認証や売上対策を組み合わせたサービスです。第三者による不正利用や、カード番号を機械的に試す「クレジットマスター」への対策、注文確定前のユーザー判定といった不正対策に加え、なりすましログインや不正な新規登録を検知するアカウント保護にも対応します。
EMV 3-Dセキュアを短期間・低コストで実装できる「ASUKA-3DS」や、不正検知の審査を通過した取引でチャージバックが発生した場合に費用を補償する仕組みを、あわせて提供してきた点も特徴です。料金は原則として月額固定制で、具体額は要問い合わせとなっています（2026年9月時点）。
Sift（Sift, Inc.）
米国のSift, Inc.が開発するSift（シフト）は、世界規模のデータネットワークを学習に使うオンライン不正検知サービスです。日本では株式会社DGビジネステクノロジーが提供とサポートを担います。アカウント作成からログイン、決済、取引後のチャージバック対応まで、利用者のやり取り全体を対象に、機械学習でリスクを判定します。
年間1兆件を超えるイベントと16,000以上のリスクシグナルをもとに学習したモデルで、盗まれたカードによる不正注文を主軸に、アカウントの乗っ取りやボットによる偽アカウント作成にも対応します。自社ですでに構築済みのリスク判定の仕組みに、Siftのスコアを組み込んで使うこともできます。料金は個別見積もりとなっています。
CAFIS Brain（株式会社NTTデータ）
株式会社NTTデータの決済プラットフォーム「CAFIS」のラインアップの一つが、CAFIS Brain（カフィス ブレイン）です。利用者が操作する端末のデバイス情報を取引情報と組み合わせて分析する「属性・行動分析」により、なりすましによる不正取引を検知します。EC事業者から金融機関まで横断して採用されている点が特徴です。
エクスペリアングループのデバイス識別技術を基盤とし、端末側に識別情報を残さない方式でデバイスを識別します。700種類以上の不正判定ルールを活用し、導入企業間で共有する共同ネガティブデータベースも照合に用います。EC（不正注文）と金融機関（不正ログイン・不正送金）の両領域に対応する検知範囲の広さが強みです。料金は要問い合わせで、導入期間は約3〜4か月が目安です（2026年9月時点）。
O-MOTION（かっこ株式会社）
アカウントの乗っ取り・不正ログインの検知を得意としてきたのが、かっこ株式会社のO-MOTION（オーモーション）です。正しいIDとパスワードでのアクセスであっても、本来の利用者本人によるものか、第三者のなりすましや自動プログラム（ボット）によるものかを、端末の特徴（デバイスフィンガープリント）と操作の情報から判別します。
金融機関のインターネットバンキングやECサイト、会員サイトの不正アクセス対策に用いられてきました。
正規のアクセスには追加の認証を求めず、不正が疑われるアクセスにのみ追加認証を求める運用に対応してきた点が特徴です。2026年4月に金融機関向けの提供はブランドが「O-PLUX Account Protection」へと統合され、口座開設・ログイン・取引を一連で守る構成になりました。
統合後の金融機関向けプランの料金は、公式ページで初期費用300,000円〜、月額費用30,000円〜と記載されています（2026年10月時点）。
FraudAlert（株式会社カウリス）
株式会社カウリスのFraudAlert（フロードアラート）は、金融機関の不正アクセス対策に軸足を置くサービスです。銀行や証券、カード会社などが自社のWebサービスやアプリに組み込み、口座開設・ログイン・入出金の各場面で、端末情報の変化や不審な振る舞いからリスクを判定します。利用者が直接契約するのではなく、事業者側が導入して利用者の不正アクセスを検知する仕組みです。
250を超えるパラメーターを活用し、事業者ごとに柔軟なシナリオを設定できる点が特徴です。不正利用に使われた端末の情報を導入企業間で共有するデータベースも備えます。API連携型・JavaScript型・SDKの3方式で導入でき、判定結果に応じて追加認証や遮断を自動化できます。料金は要問い合わせです（2026年10月時点）。
ここで紹介したサービスを含め、より多くの不正検知サービスを比較検討したい場合は、以下の記事が参考になります。EC・会員サイト・カード会社向けの17製品を、守る対象・検知方式・料金・チャージバック保証の有無まで横並びで整理しています。
まとめ
不正検知は、取引やアクセスの情報を機械的に分析し、正規の利用者によるものか不正を狙うものかを見分ける仕組みです。守る対象は、カードの不正利用だけでなく、不正ログインやなりすまし、不正な申込やボットによる自動操作まで幅広く、対象によって見分ける手がかりも適した製品も変わります。
導入すれば不正注文の防止やチャージバックの軽減、業務負担の削減といった効果が期待できる一方で、誤検知のリスクや、100%は防げないこと、導入後の運用が必要になることも押さえておく必要があります。クレジットカードの不正利用被害が高い水準で続くなか、EC加盟店にはEMV 3-Dセキュアの導入も求められており、本人認証と不正検知を組み合わせた多層的な備えが現実的な選択になります。
まずは自社が守りたい不正の種類を整理したうえで、適したサービスの資料を取り寄せ、検知の対象や費用を比較することから始めてみてください。
一括ダウンロードする
よくある質問（FAQ）
Q. 不正検知とは何ですか？
A. 不正検知とは、取引やアクセスの情報を機械的に分析し、正規の利用者によるものか、不正を狙う第三者やプログラムによるものかを見分ける仕組みです。あらかじめ決めた条件や、過去の膨大なデータから学習したパターンに照らして一件ずつ評価し、怪しいものを自動で検出します。守る対象はクレジットカードの不正利用だけでなく、不正ログインやなりすまし、不正な申込まで幅広く及びます。
Q. 不正検知はどのような仕組みで「不正」と見分けるのですか？
A. 不正検知は、取引・購入の情報、端末やブラウザの情報、接続元のネットワーク情報、操作のふるまいといった複数の材料を組み合わせてリスクを点数（スコア）として評価し、判定します。一つの情報だけでは決め手にならなくても、見慣れない端末からのアクセス、普段と違う地域からの接続、高額な商品の短時間での連続注文といった要素が重なると、リスクが高いと判断される仕組みです。
判定の結果に応じて、取引を止める・追加の認証を求める・担当者の目視確認に回す、といった対応が取られます。
Q. 不正検知にAIや機械学習は使われているのですか？
A. 不正検知にAI・機械学習は使われますが、不正を見分ける方式はAIだけではなく、ルールベース・異常検知（統計分析）・機械学習／AIの3つに大きく分かれ、製品はこれらを組み合わせて使うことが多いです。機械学習・AIは過去の大量データから不正に共通する特徴を学習し、人が気づきにくい複雑なパターンを捉えられる一方、なぜそう判断したのかが見えにくくなりやすい面もあります。
「AIが検知する」という説明だけで選ぶのではなく、どの方式をどう組み合わせているかを確かめることが大切です。
Q. 不正検知で守れるのはクレジットカードの不正利用だけですか？
A. いいえ、不正検知が守る対象は、クレジットカードの不正利用（決済の不正）だけでなく、他人のIDやパスワードを使った不正ログイン・アカウントの乗っ取り、架空や他人の情報による不正な申込、プログラム（ボット）による大量の自動操作まで幅広く及びます。手口も見分ける手がかりも対象ごとに異なるため、自社が守りたい被害がどれに当たるかによって、適した検知の方式や製品が変わってきます。
Q. 不正検知は正しいID・パスワードによる不正ログインも見抜けますか？
A. 不正検知は、正しいIDとパスワードでログインされた場合でも、普段と同じ端末か（デバイスフィンガープリント）、接続元や操作のふるまいに不自然さがないかといった情報から、本来の利用者ではないアクセスを見抜けます。とくに、流出したIDとパスワードの組み合わせを使って自動で大量のログインを試みる手口では、短時間に集中したアクセスや、同じ特徴を持つ端末からの連続試行といった兆候が現れます。
認証情報の照合だけでは見抜けない不正ログインの検知に役立ちます。
Q. 不正検知を導入すると、誤検知で正規の顧客まで止めてしまいませんか？
A. 不正検知では、審査を厳しくするほど不正は防げる一方で、正規の取引まで「怪しい」と判断してしまう誤検知も増えるため、検知の強さと利便性のバランスを取る調整が欠かせません。リスクの高い取引だけに追加の確認を求め、正規の利用者には余計な手間をかけない運用にすることで、誤検知による機会損失を抑えられます。
導入後も自社の取引傾向に合わせて検知の条件を見直していくチューニングが、精度を保つうえで重要になります。
Q. 不正検知の費用はどのくらいかかりますか？
A. 不正検知の費用は、初期費用・月額費用に加え、審査する取引の件数に応じた従量の費用がかかる場合があり、金額はサービスや契約内容によって幅があります。公式に料金を公開せず、個別見積もりとしているサービスも少なくありません。まずは複数のサービスから資料を取り寄せ、自社の取引規模や守りたい不正の種類に照らして見比べ、想定される被害額と費用が見合うかを確かめるのが現実的です。
Q. 不正検知はどうやって導入すればよいですか？
A. 不正検知の導入方法は、専用システムを自社のサイトやアプリに直接組み込む方法と、決済代行サービスに備わっている不正検知の機能を利用する方法の、大きく2つに分かれます。検知の条件を自社の取引傾向に細かく合わせたい、守りたい不正の種類に応じて製品を選びたいという場合は直接導入が向きます。
決済の導入とあわせて手軽に不正対策を始めたい場合は、決済代行サービスの機能を利用する方法が向いています。自社の取引規模や要件に合わせて選ぶとよいでしょう。
不正検知ソリューションの料金・資料を一括チェック
MCB FinTechカタログでは、決済・アカウント・申込の不正を見分ける不正検知ソリューションの最新資料を無料で一括請求できます。検知の対象・方式・料金を、各社の資料でまとめて比較できます。
一括ダウンロードする
MCB FinTechカタログに掲載しませんか？
MCB FinTechカタログでは、掲載企業様を募集しています。マネックスグループの金融実務ノウハウを活かした独自の評価軸と検索設計により、導入検討者が最適なサービスを効率的に発見できる法人向け比較プラットフォームです。掲載後は管理画面から料金表や導入事例を随時更新でき、常に最新の情報を訴求可能。まずは下記フォームより、お気軽にお問い合わせください。
マネックス証券 フィナンシャル・インテリジェンス部 暗号資産アナリスト
松嶋真倫
監修の範囲は記事の一般的な解説部分であり、比較表および各製品・サービスの紹介内容は監修の対象外です。
