MongoDB Atlas Vector Search を使用して、リアルタイム分析とセマンティック検索を組み合わせて、不正を検出および防止します。
ソリューション概要
フラグメントと影響。ルールベースのシステムや機械学習メソッドなど、これらの問題に対処する従来の方法は、モデルの更新に必要なエンジニアリングのオーバーヘッドによって制限され、テクノロジーは古くなります。
MongoDB Atlas Vector Search はこれらの制限に対処することで、不正検出 と AML の作業を改善することができます。このソリューションは、 Atlas ベクトル検索によるリアルタイム分析 と 継続的なモニタリング を使用して、出現するリスクを検出して防ぎます。
参照アーキテクチャ
このソリューションは、不正と AML データを集計し、ベクトル埋め込みを作成し、同様のトランザクションを検出するためのセマンティック検索を実行します。次の図は、このソリューションのアーキテクチャの詳細を示しています。
図 1。不正検出/AMLシステムの高レベルのアーキテクチャ
埋め込み用の投票AI: まず、ソリューションはトランザクション データの埋め込みモデルを使用して埋め込みを生成します。不正埋め込みは、テキスト、トランザクション、およびトランザクションに関係するカウンターパーティのデータで構成されています。AML 埋め込みは、トランザクション、カウンターパーティ間の関係、およびそのリスク プロファイルに基づいて作成されます。MongoDB AIを使用して埋め込みを作成できます。埋め込みの作成に使用されるデータソースの選択を構成することもできます。
ソリューション デモは、不正と AML 埋め込み用に合成で生成されたテスト データをデータベースに事前に入力します。過去のトランザクションデータとカスタマープロファイルを使用して埋め込みを生成することもできます。
操作データ保存としてのMongoDB Atlas： MongoDB Atlas を使用すると、ユーザーは操作データ、メタデータ、ベクトル埋め込みを同時に保存できます。これにより、専用のベクトルデータベースなどの特殊なテクノロジーが不要になります。スケーラブルなアーキテクチャと、ワークロード分離のために専用の検索ノードを配置するオプションにより、 MongoDB は組織がデータセットの増加に対応するために増やす、新しい不正またはマネーロンダリング パターンに動的に順順に対応するのに役立ちます。
Atlas Vector Search はアプリケーションを強化します： Atlas Vector Search は、疑わしい活動としてフラグが付けられた同様の特徴を持つ前のトランザクションの割合に基づいて、データベースでトランザクションを検索します。これにより、人間のアナリストがトランザクションや疑似ケースをどのように評価するかがシミュレートされます。
トランザクションに不正または疑似のフラグが付けられた場合、ソリューションは トランザクションリクエストを拒否します。それ以外の場合は、トランザクションが正常に完了し、確認メッセージが表示されます。拒否されたトランザクションの場合、ユーザーはトランザクション参照番号を使用して詳細については、ケースマネジメントサービスに問い合わせることができます。
Atlas ベクトル検索の利点
不正の検出および防止に Atlas ベクトル検索 を使用すると、次のメリットがあります。
不正検出精度の向上: MongoDB Vector Search は、ルールベースのモデルや機械学習モデルでは見落とされがちな、複雑で高次元のパターンを捉えます。また、トランザクションの完全なコンテキストを分析することで、MongoDB Vector Search は微妙な不正の兆候を明らかにするため、より単純なモデルでは見過ごされる可能性のある洗練されたスキームの検出が向上します。
新しい不正スキームをより迅速に検出: リアルタイムの異常検出により、Atlas Vector Search は新規の不正スキームまたはマネーダリング手法をより迅速に識別できるため、継続的なモデルの再訓練が必要なく、新たな脅威によるリスクを軽減できます。
構造化データと非構造化データを保存する: MongoDB はソース データとメタデータの横にベクトル埋め込みを保存します。データベースにベクトルを挿入または更新すると、自動的にインデックスが作成されます。
ソリューションのビルド
この [GitHub リポジトリ] では、顧客が銀行のウェブサイトにアクセスして取引を実行するデモを提示します。このデモは、取引クリアリング ステージに焦点のクを当てており、銀行が一連の検証を実施して不正行為と制裁、AML 法の順守を維持するプロセスを示しています。このデモには、制裁対象の顧客、AML、および不正取引を検出する API が含まれています。
このソリューションではベクトル埋め込みを生成するために埋め込みモデルが必要です。上記でリンクされたデモには、プロバイダーの認証情報は含まれていません。埋め込みサービスとして MongoDB AIを使用できます。
キーポイント
さまざまなデータ型を使用するセマンティック検索と生成系AIシステムを備えたインテリジェント アプリケーションをビルドします。
ソース データとメタデータを持つベクトル埋め込みを保存します。ベクトルを挿入または更新すると、それらは自動的にベクトルインデックスに同期されます。
リソース消費を最適化し、パフォーマンスを向上させ、可用性を高めるために、検索ノードを活用します。
MongoDB Atlasによって運用オーバーヘッドを除く。