日本の研究.comより。
NICTと神戸大学と地銀とSMBC信託銀行による研究らしい。
https://research-er.jp/articles/view/146621
国立研究開発法人情報通信研究機構(NICTエヌアイシーティー、理事長: 徳田 英幸)、国立大学法人神戸大学(学長: 藤澤 正人)及び株式会社エルテス(代表取締役: 菅原 貴弘)は、科学技術振興機構(JST) 戦略的創造研究推進事業の支援を受け、プライバシー保護連合学習技術「DeepProtect」*1及び「eFL-Boost」*2を活用した安全な組織間データ連携技術の社会実装の研究を実施しました。本研究では千葉銀行、中国銀行及び三井住友信託銀行と連携し、銀行の実データを利用した不正送金検知の実証実験を行いました。
この実験では日々進化する犯罪手法に対応するため、新しいデータを追加で学習できる継続学習*3のシナリオを採用し、DeepProtectとeFL-Boostの双方で、3銀行の個別学習で得られたAIモデルと、3銀行の連合学習で得られたAIモデルの検知結果を比較しました。その結果、3銀行の個別学習で得られたAIモデルよりも、連合学習で得られたAIモデルの方が、不正口座を見逃さず検知できた割合(再現率*4)で平均18ポイント程度の改善が得られました。併せて性能改善への取組として疑似取引データを生成し、そのデータを学習した場合の検知精度を検証した結果、1銀行で適合率*5が改善しました。
さらに、実証実験の後続フェーズとして株式会社テラアクソン(代表取締役 経営責任者: 安田 鉄平)と共に協力銀行1行での行内実証実験を開始しています。今後は本研究で得た成果を基に他業種への展開も視野に入れ、引き続き研究を進めていきます。
本研究では不正取引に使われている銀行口座をAIで検出する実証実験を行いました。3銀行で互いにデータを直接提供することなしに、共同でAI(学習済みモデル)を構築し、データ解析を可能にする連合学習技術として、NICTはDeepProtect、神戸大学はeFL-Boostを用いました(図1)。双方の技術を比較することで、相対的な性能を明らかにすると共に、課題の特性や用途に合わせてそれぞれを使い分けられるよう、実験を通じて得たデータを収集しました。また、日々巧妙化する犯罪手法の変化に対応するため、新しいデータを追加で学習できる継続学習が可能になるようにそれぞれの連合学習モデルを改良しました。
図1. DeepProtectとeFL-Boostの比較と金融分野の適用例
図2. 個別学習と連合学習の再現率の比較
その結果、3銀行の個別学習で得られたAIモデルよりも、連合学習で得られたAIモデルの方が、DeepProtectとeFL-Boostの双方に対して、再現率で平均18ポイント程度の改善が得られました(図2)。また、いずれの銀行においても、約89%以上の再現率で検知可能であることが示されました。
引用おわり。
暗号化されたまま連合学習で検知率を向上させるらしい。１行で試行中らしいからいささか気の長い話（金融機関って派閥が凄いからメガバンク配下の信託銀行なりのリスクの高い業態で試行を続けるのでしょう。金融機関はこの手の不正・与信検知は膨大のノウハウが蓄積されている筈だから（人か物かは別にして）我が国も技術でこ奴ら国際犯罪組織に対抗できると良いですな。
今でもマネロン対策で金額や周期でアラート挙げるのはやっているかと思いますが（当然、きっと）。
