製品およびツール: MongoDB Atlas、MongoDB Atlas Charts、MongoDB Data Federation
パートナー: Amazon S3 、 Amazon Sage Mechanism
ソリューション概要
金融機関は、ハイプロファイルのアセットや不正トランザクションなど、サーバー攻撃のリスクが高まります。クラウドインシデントはカスタマーの信頼を低下させ、会社に大幅な金銭的損失を与える可能性があります。レガシー不正システムには次のような制限があるため、安全なシステムの実装が困難です。
データの可視性が不完全: パターン検出に関連するデータソースへのアクセスが欠落しているため。
不正システム内のレイテンシ:リアルタイム処理機能が不足しているため、不正検出が遅れる可能性があります。
脆弱なセキュリティ プロトコル: サーバー攻撃に対する脆弱性を明らかにする、古くなったセキュリティ。
技術開発: メンテナンスと更新を複雑にするさまざまなテクノロジー。
チームの連携が不十分な場合: 応答の遅延につながる恐れのあるアプローチ。
これらの課題を解決するために、金融会社はMongoDB AtlasとAmazon Sage は、 を基盤としたリアルタイム分析ソリューションを使用できます。これらのツールは、操作に利用可能な最も正確なデータを使用する強力な不正検出システムを提供します。
このシステムでは、 MongoDB Atlas は運用データを保存し、大規模なトランザクションを処理します。一方、 Amazon Sageノード は高度なAIと機械学習（ML）ツールを使用して、不正検出のための高度な分析を強化します。
参照アーキテクチャ
以下は、この不正検出ソリューションを構築するために使用されるアーキテクチャです。このアーキテクチャには、カード不正検出、ID 不正検出、消費者不正検出など、金融セクター内のさまざまなタイプの不正を検出するためのエンドツーエンドのソリューションが含まれています。
このアーキテクチャ図は、モデル訓練とほぼリアルタイムの推論を示しています。 MongoDB Atlasに保存されている運用データは、 MongoDB Atlas Triggersを使用してAmazon S3 バケットに書き込まれます。このように保存されたデータは、 Amazon Sage の サンプル では のモデルの作成と訓練に使用されます。 Sage Administration はモデルのメタデータを S3 バケットに保存し、推論用のモデル エンドポイントを公開します。
図 1. 不正検出アーキテクチャ
データモデルアプローチ
データは 2 つの個別のファイルに分割されます。
トランザクション
ID
これらのファイルは TransactionID を介して接続されます。ただし、すべてのトランザクションに関連付けられた ID の詳細が含まれるわけではありません。
上記 2 つのデータセットに基づいて、TransactionID のテスト結合を準備し、ターゲット列を Flud として追加します。
データ提供元 Kaggle。
Source Table1: Transaction TransactionID, TransactionDT, Card_no, Card_type, Email_domain, ProductCD, TransactionAmt, Transaction_ID Source Table2: Identity TransactionID, IpAddress, PhoneNo, DeviceID, Location, Name, Address Test Data: TransactionID, Card_no, card_type, Email_domain, IpAddress, PhoneNo, DeviceID, ProductCD, TransactionAmt, isFraud
ソリューションのビルド
このソリューションを構築するための詳細なステップ別ガイドは、 Githubリポジトリ で利用できます。以下は、これらの手順の概要です。
MongoDB Atlasデータをエクスポートする必要がある S3 バケットを設定します。
MongoDB Atlas Triggersと Functionsを設定します。
Amazon Sage のドメインを設定します。
キーポイント
リアルタイム不正検出ソリューションの開発: MongoDB Atlas は、柔軟なスキーマで大量のデータを処理し、金融機関が大規模なトランザクション データをリアルタイムで取得、保存、処理できるようにします。
不正検出モデルの更新: MongoDB の集計パイプラインによるリアルタイム処理により、最新かつ関連する情報が利用可能なモデルを継続的に訓練します。このキャパシティーにより、堅牢な不正検出システムを作成するための強力なツールが金融機関に提供されます。
高度なAIツールと ML ツールを統合: MongoDB は、コードなしのプラットフォームでAIと ML ソリューションを提供するAmazon SageMany などの外部サービスと統合します。このインターフェースは、モデルをアナライザがアクセスできるようにし、分類、回帰、予測、自然言語処理（NFP）、およびコンピューター視覚化（CV）の正確な ML 予測を簡単に生成できるようにします。
作成者
Babu Srinivasan、パートナーソリューションアーキテクト、MongoDB
AWS パートナーソリューションアーキテクト、Igor Alekseev