AI時代には、不正行為のインフラは調査チームよりも速いペースで拡大していきます。
攻撃者は、これまでとは異なる規模で、しかも以前より少ないリソースで不正行為のキャンペーンを仕掛けることができます。そのような攻撃を行うための参入ハードルも急激に下がり、わずか1年前には夢見ることしかできなかった能力に、熟練していない犯罪者でさえアクセスできるようになっています。
ある事例では、当社の顧客が自社に対する攻撃を疑っていました。新規登録は初期チェックを通過していたものの、どうにも辻褄が合わなかったのです。複数のアカウントは異なるデバイスIDからのものに見えましたが、最終的には同一の指紋に紐づいていることが判明しました。
しかし今では、不正対策チームも本格的に動き始めています。
最初に調査の依頼を受けたとき、手作業でデータをエクスポートして一連のSQLクエリを書く代わりに、私はその調査をデータアナリストエージェントに任せました。これはSardineの不正対策プラットフォーム内で稼働しています。
何かを「決定」させるためではなく、私が与えた仮説を収集し、整理し、検証させるためです。
以下は、調査の様子を記録した動画のタイムスタンプ付き内訳です。
見抜き方：デバイスの使い回し＋IPマスキング
調査は、Sardine のクライアントから、詐欺グループによる攻撃を受けている疑いがあると通報を受けたところから始まります。彼らは異なるデバイスIDからの複数の登録を確認しましたが、すべて同じフィンガープリントが Sardine のプラットフォーム上で検出されていました。
個々の事例を確認しているうちに、IPの位置情報が誤解を招くものであることにも気づきました。そこで当社の正確なIP検知機能とプロキシ／VPNの見破り機能を組み合わせて分析したところ、パターンが非常にはっきりと見えてきました。アカウントは米国で登録されていたものの、実際に詐欺行為を行っていたのはドイツとアラブ首長国連邦にいる詐欺師たちだったのです。
これは個々のケースごとに説明することもできますが、大量のデバイスフィンガープリントの利用とIP位置情報のマスキングが組み合わさっていることは、非常に疑わしい状況であり、明らかに単一の詐欺グループによるものだと分かりました。
この件の背後にあるフィンガープリントの仕組みについては、当社の解説記事「不正防止とアカウント乗っ取り（ATO）対策のためのデバイスフィンガープリンティング」でさらに詳しく掘り下げています。
重要なポイント
デバイスIDは簡単に偽装できてしまいます。不正行為者はデバイスIDを切り替え、クッキーを削除し、環境をいくらでもリセットできます。本当に操作が難しいのは、その裏にあるデバイスフィンガープリントです。もし検知が表面的な識別子だけに依存していると、連携した再利用を見逃してしまいます。
多層的なシグナルが、単なる兆候をパターンへと変える：指紋情報だけでは弱く、位置情報の不一致だけでも弱いものです。高度化されたデバイスインテリジェンスと正確なIPロケーションを、複数アカウントをまたいで組み合わせて評価することで、シグナルは指数関数的に強力になります。
大規模になると、不正インフラが可視化される：大規模な不正行為は再利用効率を最大化するよう最適化されるため、不正行為者は自らのインフラをさらけ出さざるを得なくなります。これは、（異なるデバイスIDが同一のフィンガープリントとして現れるなどの）明確な証拠として現れることもあれば、すべてのマスクされたIPが同じ小さな町から発信されている、といったあいまいなつながりとして表面化することもあります。
クエリから仮説へ
それほど昔ではありませんが、調査プロセスのこの段階では、これまでなら最初の発見内容を一連のSQLクエリに落とし込み、データマイニングを始めていたと思います。
この作業には、おそらく数時間はかかったでしょう。しかも、それはデータの保存方法や構造を把握するために必要な時間を含めない場合の話です。
しかし、SQL はもはや必須条件ではありません。Python や R、さらには Excel でさえも同様です。その代わりに、エージェントに自分の仮説を共有するだけで、あとはすべて重い処理を任せることができます。
それだけではありません。コードの書き方を考えるのではなく、自分がどんな質問をしたいのかを考えるようになりました。
重要なポイント
プラットフォームを理解したエージェントは、汎用的な自動化を上回る：私がエージェントに対して、当社プラットフォームの文脈でフィンガープリント、セッション、パートナー、ジオシグナルが何を意味するのかを、いちいち説明する必要がなかったことに注目してください。これは、私たちがそのエージェントを訓練し、不正やシステムの基本要素を理解させているからです。その文脈理解があるからこそ、単に行を返すだけでなく、仮説検証まで行えるのです。
安全なAIエージェントは、人間が介入できるように設計されるべきです：エージェントに最終的な結論だけを求めるのではなく、プロットされたデータを用いたグラフも生成するよう指示しました。これにより、エージェントの結論に対して、素早く視覚的な妥当性チェックを行うことができました。
エージェントによる仮説検証
それに対して、エージェントは三部構成の分析結果を提示します。
- 生データの可視化：集中度やパターン、分析ミスを素早く見つけるのに役立ちます
- 構造化された要約：私の指示と文脈に沿って重要な発見を強調する
- 推論上の注意点：報告書から漏れているデータや結論に注意を向けること
ほんの数秒で、私は二つの点が分かりました。第一に、どのパートナーが最も大きな影響を受けているのか、第二に、どのパートナーがその不審なデバイス・フィンガープリントからの登録のみを持っているのかということです。これらのパートナーはすでに侵害されているか、最悪の場合、詐欺グループと共謀している可能性があります。
主なポイント
ボトルネックはもはやSQLではありません：AIエージェントは、不正調査における最大の制約である「ビッグデータへアクセスし、クエリを実行し、分析することができるかどうか」という問題を解決します。調査担当者は、もはや技術的スキルによって制限されるのではなく、「どれだけ適切な問いを立てられるか」だけが制約となります。
ガイドされたエージェントは、オープンエンドなプロンプトよりも優れた成果を出します：ここで私はエージェントに「これは不正ですか？」と尋ねたり、自由に推測させるための白紙のキャンバスを与えたりはしていません。代わりに、検証すべき具体的な手がかりを与えました――集中度を確認すること、パートナーへのエクスポージャーを検証すること、再利用の傾向を測定することです。文脈を絞ることで、エージェントは人間が立てた仮説を検証する、構造化されたアナリストとして振る舞えるようになります。
無視したデータは明示すべきです：エージェントは当然、どのデータを含めるか、どの結論を無視するかについて、文脈に基づいて判断する必要があります。そこが、彼らを融通の利かない自動化ツールと分ける点です。しかし、そのような判断が行われた箇所はすべて、人間の調査担当者が妥当性を確認できるよう、明確にフラグを立てておくべきです。
不正行為のインフラを解明する
最初の疑念が正しかったと確認できたので、データアナリストエージェントが明らかにした知見を使って、私が注目しているパターン――高頻度で利用されているデバイスフィンガープリントであり、かつIP位置情報のマスキング率が高いもの――を形式化できます。
これまでは、顧客から与えられた手がかりをたどり、怪しいデバイスフィンガープリントから調査を始めていました。しかし今では、不正グループがどのように動いているのかを理解したので、もはや一つの手がかりだけに縛られることはありません。
簡単なプロンプトを入力するだけで、エージェントに似たパターンを探すよう指示できます。数秒のうちに、数千件のアカウントに影響しているように見えた不正グループが、15万件以上の不正な実体にまたがる巨大なリングであることを突き止めることができました。
これは、ある送金事業者で 50,000 件の相互に関連するアカウントを洗い出したのと同じデバイスとグラフ分析の手法であり、その詳細については「デバイスインテリジェンスがどのようにマネーロンダリングネットワークを暴くか」で解説しています。
重要なポイント
エージェント型ディフェンス vs. エージェント型オフェンス：15万件を超える規模の不正ネットワークを構築し運営するには、自動化が不可欠であり、おそらくAIエージェントが活用されています。この規模とスピードの不正を見抜き、対抗するためには、不正対策チームも同様にエージェント型の能力を備えている必要があります。
インサイトから実行へ
調査を締めくくり、いよいよ行動に移す段階になりました。その前に、私は新たに見つかった不審なデバイスフィンガープリントに関するいくつかの事例を、自分の手で念入りに確認するようにしています。
同じパターンを示していること（ロンドンのプロキシIPで米国からのアクセスというのは強い証拠です）を確認したら、これらのフィンガープリントをブロックリストに追加します。
画面の外では、私はさらに顧客の防御を強化するために、ルールをいくつか設定します。これらは、この不正グループが新しいデバイスフィンガープリントを使って戻ってきたとしても、確実に止められるよう特別に設計されたものです。そのために、主にフィンガープリントの変化速度と実際のIP所在地との不一致に注目しました。
重要なポイント
各段階で人間が関与していること：新たに見つかったデバイスのフィンガープリントに対して行動を起こす前に、私は再度エージェントの検出結果をダブルチェックしました。これは、自分でクエリを実行した場合に取る行動と何ら変わりません。妥当性確認は、あらゆる安全なプロセスの一部です。
プラットフォーム上での調査がアクションを効率化する：調査を行っているのと同じプラットフォーム上で対策を展開できることの最大の利点は、一貫性が保てることです。特定のデータポイントの名称をいちいち確認する必要もなく、さらに悪い場合には、クエリで使っていた機能がルールエンジンに存在しない、といった事態に直面することもありません。
不正調査の未来
ご覧いただいたとおり、わずか11分強で、15万枚以上の盗難カードを手にしていた詐欺グループの犯行を食い止めることができました。
調査を締めくくり、録画を止めたとき、頭に浮かんだ疑問が一つありました：もし私が Data Analyst Agent にアクセスできなかったとしたら、これは実現不可能だったのだろうか？
率直に言えば、少なくとも結果を見る限りでは、そうだとは思えません。自分ひとりでやっていたら、いくつかの指紋を見落としていたかもしれませんが、全体としては似たようなやり方で解決できていたと思います。
本当の変化は？スピード。実際の作業そのものよりも、自分の発見や解決策をまとめて記録する方に時間がかかりました。一人で同じ結果にたどり着こうとしたら、おそらく半日くらいは分析に費やしていたと思います。うまくいってその程度でしょう。
しかし、これはすべての人に当てはまるのでしょうか？ 不都合な真実をお話しします。私は特権的なユーザーです。Sardine のデータに直接アクセスできるだけでなく、それをどこで見つけ、どのように分析すればよいかも知っているのです。
そして今では、Data Analyst Agent のおかげで、これはすべてのSardine ユーザーに当てはまります。