数値

Scientific Reports volume 13、記事番号: 12499 (2023) この記事を引用

416 アクセス

2 オルトメトリック

メトリクスの詳細

組織的小売犯罪 (ORC) は、小売業者、マーケットプレイス プラットフォーム、消費者にとって重大な問題です。 その普及と影響力は、オンライン商取引、デジタルデバイス、通信プラットフォームの拡大と歩調を合わせて急速に増大しています。 今日、これは多額の費用がかかる問題であり、企業の収益全体に大打撃を与え、コミュニティの安全を継続的に危険にさらしています。 より多くの人々とデバイスがインターネットに接続するにつれて、これらの悪影響は前例のないレベルにまで急上昇することになります。 このような恐ろしい行為をできるだけ早期に検出して対応することは、消費者と企業を保護すると同時に、増加するパターンや詐欺にも注意を払うために重要です。 詐欺行為全般の検出の問題は、特に金融サービスにおいて広く研究されていますが、組織化された小売犯罪に焦点を当てた研究は文献の中で非常にまれです。 この分野の知識ベースに貢献するために、組織的な小売犯罪や詐欺を犯した販売者による著名なマーケットプレイス プラットフォーム上の ORC リストを検出し、隔離するためのスケーラブルな機械学習戦略を紹介します。 当社は教師あり学習アプローチを採用し、プラットフォーム上の買い手と売り手の行動や取引から得た過去のデータに基づいて投稿を詐欺か本物かを分類します。 提案されたフレームワークは、オーダーメイドのデータ前処理手順、特徴選択方法、および最先端のクラス非対称性解決技術を組み合わせて、このコンテキストで不正なリストと正当なリストを区別できる調整された分類アルゴリズムを検索します。 私たちの最良の検出モデルは、ホールドアウト セットで 0.97 の再現スコア、サンプル外テスト データ セットで 0.94 の再現スコアを取得します。 これらの結果は、58 の機能のうち 45 の選択されたセットに基づいて達成されています。

最近、インターネットコマースとコミュニケーションプラットフォームの利用が増加しており、新型コロナウイルス感染症のパンデミックによってさらに高まっています。 これまで以上に、人口のかなりの部分が、仕事、学校、買い物、医者の診察、娯楽などの通常の活動をオンラインや自宅で行っています1。 デジタル デバイスとプラットフォーム 2 の普及に伴いサイバー犯罪と詐欺は大幅に拡大し、世界経済に数十億ドルの損失をもたらし 3 、地域社会の安全を危険にさらすパターンが続いています 4。

サイバー犯罪と詐欺には、フィッシング、マルウェア、詐欺的な電子商取引、ロマンス詐欺、技術サポート詐欺、恐喝や恐喝、サービス妨害など、さまざまな凶悪な行為が含まれます1。 さらに、クレジットカードの盗難、マネーロンダリング、盗作の例もあります。 どちらの慣行も企業と顧客の両方に悪影響を及ぼし、これらの事業体に重大な経済的、評判的、心理的危険をもたらします。

攻撃者は常に進化し、既存の詐欺防止および検出システムの脆弱性を悪用する新たな機会を利用しているため、サイバー犯罪と詐欺との闘いは時間とコストがかかる作業です。 開発努力が低いと、不正研究におけるアイデアの共有が制限され、問題がさらに悪化します。 たとえば、不正行為の検出や防止の技術をパブリック ドメインで説明することは、検出を逃れるために必要な情報を詐欺師に提供してしまう可能性があるため、意味がありません。

サイバー犯罪や詐欺に対処する場合、予防または検出を通じて、文献に記載されている 2 つの主要な方法論があります。 予防とは、そもそも行為の発生を回避するために講じられる措置を指します。 これらには、複雑なデザイン、個人識別番号、デジタル プラットフォームとオンラインでやり取りするためのインターネット セキュリティ、コンピューターやモバイル デバイスのパスワードと認証メカニズムが含まれます5。 これらの解決策はどれも完璧ではありません。 多くの場合、コスト (ビジネスにとって) と不快さ (顧客にとって) の間でトレードオフを行う必要があります。 一方、検出では、不正行為が発生したらすぐにそれを認識する必要があります5。 予防が失敗すると、それが重大な問題となります。 たとえば、クレジット カード詐欺は、カードをこっそり保護することで防ぐことができますが、カード情報が盗まれた場合は、できるだけ早く詐欺に気づく必要があります5。