記事執筆

Dave Excell、Featurespace 創設者 - インタビューシリーズ

更新中 on 2022 年 8 月 3 日

デイブエクセルの創設者ですフィーチャースペース, Dave は、彼の発明を受けて、Featurespace を設立しました。適応行動分析、説明可能な AI を使用して、銀行が不審な消費者の行動を認識し、フラグを立てるのを支援します。消費者の行動が変化している最近でも、この高度な AI は詐欺を抑制し、当局がマネーロンダリングやその他の組織的金融犯罪に取り組むのを支援しながら、フィンテックへの信頼を取り戻しています。

ビル・フィッツジェラルド教授と協力して適応行動分析の概念を思いついた経緯を教えていただけますか?

博士号の取得を目指している間、私はケンブリッジ大学のビル・フィッツジェラルド教授と協力して、機械学習と統計手法を応用して人間の行動を理解しました。私が在籍していた頃、さまざまな組織が、収集したデータから効果的な意思決定を自動化したり、手動プロセスの効率を改善したりするさまざまな課題に対する新たなソリューションを求めて私たちのところにやって来ました。私はあるパターンに気づき始めました。さまざまな業界の組織が、特に悪意のある行為者を特定しようとする場合、収集したデータの背後にある根本的な動作や「意図」を理解するのに苦労していました。たとえば、ある組織では、コンピューターゲーム内のプレーヤーの意思決定をモデル化し、彼らが本物のプレーヤーなのか、それともシステムを騙すロボットなのかを理解しました。プロジェクトが増えれば増えるほど、結果（不正行為や不正行為など）の背後にある行動（およびデータ）が検出を回避するために変化するのに応じて適応する機械学習の必要性が見えてきました。実際、これが私が最初に適応行動分析の概念を思いついた方法であり、その後、Featurespace 内の最初の基礎テクノロジーとなりました。

このコンセプトがどのようにしてFeaturespaceの立ち上げにつながったのか、その誕生秘話を教えていただけますか?

私は研究して解決策を見つけるのは好きですが、研究のためだけの研究は好きではありません。私のモチベーションは、テクノロジーを現実的な問題に適用し、商業的価値を提供する方法を見つけ、そのテクノロジーを導入して私たちが住んでいる世界にポジティブな影響を与えることにあります。それが私がFeaturespaceを設立した方法であり、私たちは長い間続けてきました。世界をより安全に取引できる場所にすることが使命です。

詐欺や金融犯罪の防止に適用されている既存の手法について、また、これらの手法が不十分である理由について説明していただけますか?

この分野ではしばらくの間、さまざまなテクノロジーの応用が行われてきました。実際、金融詐欺と戦うために AI が初めて使用されたのは 1990 年代初頭に遡ります。しかし、その原始的なバージョンの AI は、詐欺行為が変わらないと想定していました。アルゴリズムは、同じ不正行為を何度も認識するように構築されています。これと同じ理論が今日に至るまで不正防止技術に広く適用されています。しかし、詐欺は静的なものではありません。詐欺師は、詐欺対策テクノロジーの先を行くために、常に手法を適応させています。そのため、Featurespace では、不正行為と戦うための世界初の適応型 AI モデルを作成しました。私たちは人間の介入を必要とせずに、詐欺師の XNUMX 歩先を行きます。

これらの従来の不正防止技術と比較して、適応行動分析が非常に影響力があるのはなぜですか?

従来のプレーヤーは静的な不正パターンに依存しているため、当社独自の適応行動分析は従来の不正防止技術と比較して非常に効果的ですが、不正行為は決して静的ではありません。レガシープレイヤーは、さまざまな種類の既知の不正な動作がどのようなものであるかを学習し、数百万のトランザクションの中からそれらの不正な動作を検出することに着手します。問題は、これらのモデルが考慮できるのは、以前に確認された悪質な行為のみであり、詐欺師は詐欺防止の一歩先を行くために常に手法を適応させていることです。代わりに、適応行動分析モデルは何を学習しますか良い動作が次のようになっており、それらの良好な動作に対する変更を検出します。世界では悪い行為よりも良い行為の方がはるかに多く行われており、私たちは良い行為からより多くのことを学ぶことができます。より小規模な不正行為も存在し、それらは常に変化しています。既知の不正行為だけを検出しようとすると、負けてしまいます。

使用される機械学習アルゴリズムにはどのような種類がありますか?

Featurespace の Adaptive Behavioral Analytics は、教師なし機械学習手法と教師あり機械学習手法を組み合わせて使用します。教師なし手法を使用して、行動の変化を特定し、リスクの可能性を示します。その後、教師付き技術を使用してモデルの精度を最適化し、詐欺や金融犯罪を防止および検出します。昨年、Featurespace がローンチされました自動化された深層行動ネットワーク新しいリカレントニューラルネットワークアーキテクチャを利用したモデル。 Featurespace Research は、機能の検出を自動化し、トランザクションフローにおける時間の重要性をネイティブに理解できるメモリセルを導入するために、自動ディープビヘイビアネットワークを開発しました。これにより、既存の適応型行動分析の市場をリードするパフォーマンスが向上しました。

モデルは新しい消費者の行動を学習し、顧客プロファイルを最適化するのにどの程度適応できますか?

当社の適応行動分析モデルは、前例のない変化に直面しても、必要なだけ適応可能です。たとえば、19 年の最初の新型コロナウイルス感染症によるロックダウンでは、消費者の購買行動は文字通り一夜にして変化しました。 2020 年 29 月 2020 日までに、マスターカードの非接触型決済は 40% 増加しました。非適応型不正防止 AI モデルがループに陥り、自宅待機を命じられた人々による正当な支払いがブロックされました。私たちのモデルは人間の介入なしに自動的に適応されました。これは次のことから最も明らかです。 TSYS 先見スコアTSYS と Featurespace によって構築された、決済発行会社向けの不正行為およびリスク管理の意思決定スコアリングツールです。 2020 年 XNUMX 月から XNUMX 月まで、Featurespace を使用した TSYS Foresight Score は毎週安定したスコア分布を一貫して提供し、自宅待機を命じられた消費者が食料品やその他の必需品を中断することなく購入し続けることができるようにしました。

このテクノロジーの最大の使用例は何ですか?

このテクノロジーは、特に銀行、金融機関、決済処理業者を対象としています。たとえば、決済処理会社 Worldpay は最近、Featurespace を利用した FraudSight 製品で、販売者の承認率を高め、消費者を保護しながら詐欺を軽減する能力が認められました。

他にFeaturespaceについて共有したいことはありますか?

詐欺は、世界で最も急速に成長している詐欺カテゴリの 2022 つです。規制当局はこれを認識しており、保護を導入しようとしています。たとえば、英国政府は詐欺を防止し、オンライン取引に対する消費者の信頼を高めるために、XNUMX 年 XNUMX 月にオンライン安全法案の改正に着手しました。同様に米国でも、消費者金融保護局（CFPB）は、銀行や信用組合により多くの責任を負わせ、消費者を詐欺から守るための措置を講じることを検討している。詐欺を事前に防止することで、Featurespace は銀行の資金を節約し、人間の介入なしに自動的に顧客の安全を守ることができます。

この例は NatWest、総資産の点で英国第 19 位の銀行であり、約 24 万人の顧客を抱えています。 NatWest では、Featurespace の ARIC リスクハブを導入してからわずか XNUMX 時間以内に、誤検知率が即座に減少する (本物の顧客活動が減少する) など、検出される詐欺の価値が増加することを確認しました。私たちのパートナーシップの結果として、彼らは投資家にとってFeaturespaceを「強力なパートナー」として挙げています。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい読者は、こちらをご覧ください。フィーチャースペース.