JP2007207011A - Scoring system and scoring method for calculating illegal score of credit card use - Google Patents
Scoring system and scoring method for calculating illegal score of credit card use Download PDFInfo
- Publication number
- JP2007207011A JP2007207011A JP2006025715A JP2006025715A JP2007207011A JP 2007207011 A JP2007207011 A JP 2007207011A JP 2006025715 A JP2006025715 A JP 2006025715A JP 2006025715 A JP2006025715 A JP 2006025715A JP 2007207011 A JP2007207011 A JP 2007207011A
- Authority
- JP
- Japan
- Prior art keywords
- item
- authorization data
- category
- history data
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013077 scoring method Methods 0.000 title claims abstract description 20
- 238000013475 authorization Methods 0.000 claims description 186
- 238000013500 data storage Methods 0.000 claims description 54
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000007477 logistic regression Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 10
- 238000000611 regression analysis Methods 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
本発明は、クレジットカードの利用が不正である確率を反映したスコアを算出するためのスコアリングシステム及びスコアリング方法に関するものである。 The present invention relates to a scoring system and a scoring method for calculating a score that reflects the probability that a credit card is illegally used.
クレジットカードの利用時においては、例えばカードを拾得した他人が本人になりすまして不正な取引を行うことを防止するために、カードの利用を受け付けた店舗等からカード会社に対して、与信残高の確認と併せて、不正な利用である可能性についての照会が行われている。不正利用の照会においては、不正な利用である可能性をスコアとして算出するスコアリングモデルが用いられることが一般的である（例えば、特許文献１〜特許文献４参照。）。 When using a credit card, check the credit balance from the store that accepted the use of the card to the card company, for example, in order to prevent others who have picked up the card from impersonating themselves In addition, inquiries about the possibility of unauthorized use are being made. In an unauthorized use inquiry, a scoring model that calculates the possibility of unauthorized use as a score is generally used (see, for example, Patent Documents 1 to 4).
スコアリングモデルの一方式として、クレジットカードの利用時に受け付けるオーソリデータから、時間、金額、店舗など様々な項目に対応する項目値を抽出し、過去のオーソリデータにおいて各々の項目値に近似する範囲で不正が出現した確率を算出することによって、不正利用のスコアを算出する方式が用いられている。かかるスコアリングモデルにおいては、各々の項目の項目値に対応して、所定の範囲におけるオーソリデータの件数とそのうち不正利用に該当した件数についてのデータが蓄積されており、これらのデータから不正の出現確率を算出して、不正の可能性をスコアリングする。 As a method of scoring model, item values corresponding to various items such as time, amount, store, etc. are extracted from authorization data received when using a credit card, and in the range that approximates each item value in past authorization data A method of calculating an unauthorized use score by calculating the probability of occurrence of fraud is used. In such a scoring model, corresponding to the item value of each item, data on the number of authorization data in a predetermined range and the number of cases that correspond to unauthorized use are accumulated, and the appearance of fraud from these data Calculate the probability and score the possibility of fraud.
上記のスコアリング方式において問題になるのが、スコアを算出する上での各々の項目についての重み付けである。各々の項目における不正出現確率の影響を、不正の可能性を示すスコアにそれぞれ適切に反映するためには、ロジスティック回帰分析を適用することが考えられる。 A problem in the above scoring system is weighting for each item in calculating the score. In order to appropriately reflect the influence of the fraud appearance probability in each item in the score indicating the possibility of fraud, it is possible to apply logistic regression analysis.
もう一点考えられるのが、各々の項目に対応する項目値を過去のオーソリデータのサンプルと対応させる場合に、項目値にある程度の範囲を設定してサンプルを収集しないと、十分なサンプルの母数を確保できないために、スコアの信頼性が低下することとなってしまう。そこで、項目毎の項目値をカテゴリー化してサンプルを収集し、各々のカテゴリーでの不正出現確率を算出することとなるが、ここでのカテゴリー自体は実数化されたものではないため、ダイレクトにスコアの算出に用いることができない。このような課題に対応し得る技術として、信用リスクの判定において、項目値をロジット値に変換することによって、サンプルを線形モデルに分布させてカテゴリーを実数化し、精度の高いモデルを生成することが可能な、信用リスクモデル決定装置に関する発明が開示されている（特許文献５参照。）。 Another possibility is that if the item value corresponding to each item is associated with a sample of past authorization data, it is necessary to set a certain range for the item value and collect a sample to obtain a sufficient sample parameter. Since it is not possible to secure the score, the reliability of the score is lowered. Therefore, the item values for each item are categorized and samples are collected, and the probability of fraudulent appearance in each category is calculated. However, since the category itself is not a real number, score directly. Cannot be used to calculate As a technology that can cope with such issues, by converting item values to logit values in credit risk judgment, samples can be distributed in a linear model, the categories can be made real, and a highly accurate model can be generated. An invention relating to a possible credit risk model determination device is disclosed (see Patent Document 5).
上記の特許文献５記載の発明を用いると、サンプルを適切に配分してカテゴリーを実数化したスコアリングモデルを用いてスコアを算出することが可能になるが、特許文献５記載の発明は、融資等の信用リスクの判定を想定しているため、融資の申込者について受け付けたデータのみを判定の対象として使用して、デフォルト確率を算出するものである。これに対して、本発明が対象とするクレジットカードの分野では、利用者はクレジットカードを継続的に利用しているため、各回の利用に関するオーソリデータのみでなく、直前の利用状況等を勘案することによって、通常とは異なる利用パターンが続いているので不正出現確率が高い、といった例のように、より精度の高い判定が行えることになる。 When the invention described in Patent Document 5 is used, it is possible to calculate a score using a scoring model in which samples are appropriately allocated and the categories are realized. Therefore, the default probability is calculated using only the data received for the loan applicant as the object of the determination. On the other hand, in the field of the credit card targeted by the present invention, since the user continuously uses the credit card, not only the authorization data regarding each use but also the last use situation is taken into consideration. As a result, it is possible to make a more accurate determination as in an example in which an unusual appearance probability is high because an unusual usage pattern continues.
本発明は、このような課題に対応するためになされたものであり、クレジットカードの利用が不正である確率を反映したスコアを算出するためのスコアリングシステム及びスコアリング方法であって、サンプルのカテゴリーを実数化して適切にスコアに反映するとともに、利用者が継続的に利用するというクレジットカードの性質に適合したスコアリングシステム及びスコアリング方法を提供することを目的とするものである。 The present invention has been made to cope with such a problem, and is a scoring system and a scoring method for calculating a score reflecting the probability that the use of a credit card is illegal. It is an object of the present invention to provide a scoring system and a scoring method adapted to the nature of a credit card that a category is converted into a real number and appropriately reflected in a score and is continuously used by a user.
このような課題を解決する本発明は、クレジットカードの利用が不正である確率を反映したスコアを算出するためのスコアリングシステムであって、クレジットカードの利用毎に受け付けたオーソリデータを格納するオーソリデータ格納手段と、クレジットカードの利用者の過去のクレジットカードの利用に関する履歴データを、利用者毎に格納する履歴データ格納手段と、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目の項目値のカテゴリー、及び前記履歴データ格納手段に格納された履歴データに含まれる項目の項目値のカテゴリーについて、各々の項目におけるカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値を関連付けて記憶するロジット値変換テーブルと、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目、及び前記履歴データ格納手段に格納された履歴データに含まれる項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数を関連付けて記憶する回帰係数テーブルと、クレジットカードの利用要求にかかるオーソリデータを受け付けるオーソリデータ受付手段と、前記利用要求を行った利用者に対応する履歴データを、前記履歴データ格納手段から取得する履歴データ取得手段と、前記オーソリデータ受付手段が受け付けたオーソリデータと、前記履歴データ取得手段が取得した履歴データから、スコア算出のために必要な項目毎の項目値に対応するカテゴリーを特定するカテゴリー特定手段と、前記ロジット値変換テーブルを参照して、前記カテゴリー特定手段の特定した各々のカテゴリーに対応するロジット値を取得するロジット値取得手段と、前記回帰係数テーブルを参照して、前記カテゴリー特定手段でカテゴリーを特定した各々の項目に対応する回帰係数を取得する回帰係数取得手段と、前記ロジット値取得手段の取得したロジット値に、前記ロジット値に対応する各々の項目について前記回帰係数取得手段の取得した回帰係数を乗じた値を合算し、合算した値から不正である確率を反映したスコアを算出するスコア算出手段と、を備えることを特徴とするスコアリングシステムである。 The present invention that solves such a problem is a scoring system for calculating a score that reflects the probability that credit card usage is fraudulent, and that stores authorization data received every time a credit card is used. Data storage means, history data storage means for storing, for each user, history data relating to credit card users' past credit card use, and items included in the authorization data stored in the authorization data storage means For the item value category and the item value category of the item included in the history data stored in the history data storage means, identify the fraud appearance ratio in which fraud has appeared for each category in each item, and from the fraud appearance ratio Logit value is calculated and the logic corresponding to each category for each item is calculated. A logit value conversion table for associating and storing values, items included in the authorization data stored in the authorization data storage means, and items included in the history data stored in the history data storage means. The degree of contribution to the score is calculated by logistic regression analysis, a regression coefficient table that associates and stores a regression coefficient corresponding to each item, authorization data reception means that receives authorization data for a credit card usage request, and History data acquisition means for acquiring history data corresponding to the user who made the use request from the history data storage means, authorization data received by the authorization data reception means, and history data acquired by the history data acquisition means Items for each item required for score calculation Category specifying means for specifying a category corresponding to the logit, logit value acquiring means for acquiring logit values corresponding to each category specified by the category specifying means with reference to the logit value conversion table, and the regression coefficient table The regression coefficient acquisition means for acquiring the regression coefficient corresponding to each item whose category has been specified by the category specifying means, and the logit value acquired by the logit value acquisition means respectively corresponding to the logit value Scoring, comprising: a score calculation means for calculating a score reflecting the probability of fraud from the sum of the values obtained by multiplying the regression coefficient acquired by the regression coefficient acquisition means for the item System.
本発明においては、クレジットカードの不正利用を判定するためのスコアリングにおいて、スコアの積算の対象となる項目を、受け付けたオーソリデータに含まれる項目のみでなく、利用者毎の履歴データに含まれる項目を加えることによって、クレジットカードに固有のリスクに対応したスコアリングシステムを構築することができる。積算の対象とする履歴データに含まれる項目には、例えば直近の利用頻度や利用金額に関するデータや、利用する曜日や時間など過去の利用傾向に関するデータを用いることができる。 In the present invention, in scoring for determining fraudulent use of a credit card, items to be scored are included not only in items included in the received authorization data but also in history data for each user. By adding items, it is possible to construct a scoring system corresponding to risks inherent in credit cards. As items included in the history data to be accumulated, for example, data on the latest usage frequency and usage amount, and data on past usage trends such as day of the week and time of use can be used.
また、本発明は、前記オーソリデータ受付手段が受け付けたオーソリデータを反映して、前記オーソリデータにかかるクレジットカードの利用者に対応する前記履歴データ格納手段に格納された履歴データを更新する履歴データ更新手段を備えることを特徴とすることもできる。 The present invention also provides history data for updating the history data stored in the history data storage means corresponding to a credit card user relating to the authorization data, reflecting the authorization data received by the authorization data receiving means. An updating means may be provided.
このように構成することによって、対象となるオーソリデータについてのスコアリングを行いながら、併せて次回のスコアリングに必要な履歴データを生成することが可能になる。 With this configuration, it is possible to generate history data necessary for the next scoring while scoring the target authorization data.
さらに、本発明は、前記ロジット値変換テーブルには、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目から生成された項目について、各々の項目における項目値のカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値が関連付けて記憶され、前記回帰係数テーブルには、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目から生成される項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、前記カテゴリー特定手段は、前記オーソリデータ受付手段が受け付けたオーソリデータに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定することを特徴としてもよい。 Further, the present invention is the logit value conversion table, in which fraud has appeared for each item value category for each item generated from the items included in the authorization data stored in the authorization data storage means. An appearance ratio is specified, a logit value is calculated from the fraudulent appearance ratio, logit values corresponding to each category for each item are stored in association with each other, and the regression coefficient table is stored in the authorization data storage means For the items generated from the items included in the authorization data, the degree of contribution of each item to the score is calculated by logistic regression analysis, the regression coefficient corresponding to each item is stored in association with each other, and the category The specifying means is included in the authorization data received by the authorization data receiving means. It may also be characterized by identifying the category corresponding to the item value of each generated item from the item.
このように構成すると、スコアの積算の対象となる項目を、受け付けたオーソリデータに含まれる項目と利用者毎の履歴データに含まれる項目のみでなく、オーソリデータに含まれる項目から生成された項目を加えることによって、よりスコアリングの精度を高めることが可能になる。積算の対象とするオーソリデータに含まれる項目から生成された項目には、例えば利用限度額に対する今回利用金額の比率等を用いることができる。 With this configuration, items that are subject to score accumulation are not only items included in the received authorization data and items included in the history data for each user, but also items generated from items included in the authorization data. By adding, scoring accuracy can be further improved. For the item generated from the items included in the authorization data to be integrated, for example, the ratio of the current usage amount to the usage limit amount can be used.
さらに、本発明は、前記ロジット値変換テーブルには、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目と前記履歴データ格納手段に格納された履歴データに含まれる項目から生成された項目について、各々の項目における項目値のカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値が関連付けて記憶され、前記回帰係数テーブルには、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目と前記履歴データ格納手段に格納された履歴データに含まれる項目から生成された項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、前記カテゴリー特定手段は、前記オーソリデータ受付手段が受け付けたオーソリデータに含まれる項目と前記履歴データ取得手段が取得した履歴データに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定することを特徴としてもよい。 The logit value conversion table further includes an item generated from an item included in the authorization data stored in the authorization data storage unit and an item included in the history data stored in the history data storage unit. For each item, the fraud appearance ratio in which fraud has appeared for each item value category is specified, the logit value is calculated from the fraud appearance ratio, and the logit value corresponding to each category for each item is stored in association with each other. The regression coefficient table includes items generated from the items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit. The degree of contribution to the score is calculated by logistic regression analysis, and the times corresponding to each item are calculated. Coefficients are stored in association with each other, and the category specifying unit is configured to generate, for each item generated from the items included in the authorization data received by the authorization data receiving unit and the items included in the history data acquired by the history data acquiring unit. A category corresponding to the item value may be specified.
このように構成すると、スコアの積算の対象となる項目を、受け付けたオーソリデータに含まれる項目と利用者毎の履歴データに含まれる項目のみでなく、オーソリデータに含まれる項目と履歴データに含まれる項目から生成された項目を加えることによって、よりスコアリングの精度を高めることが可能になる。積算の対象とするオーソリデータに含まれる項目と履歴データに含まれる項目から生成された項目には、例えば今回利用金額と前回利用金額との比率、今回商品コードと前回商品コードの一致又は不一致等を用いることができる。 With this configuration, the items to be scored are included not only in the items included in the received authorization data and the items included in the history data for each user, but also in the items included in the authorization data and the history data. By adding an item generated from the generated item, it becomes possible to further improve the accuracy of scoring. The items generated from the items included in the authorization data to be accumulated and the items included in the history data include, for example, the ratio between the current usage amount and the previous usage amount, the current product code and the previous product code match or mismatch, etc. Can be used.
さらに、本発明は、本発明にかかるスコアリングシステムを用いたスコアリング方法として特定することもできる。 Furthermore, this invention can also be specified as a scoring method using the scoring system concerning this invention.
つまり、本発明にかかるスコアリング方法は、クレジットカードの利用が不正である確率を反映したスコアを算出するためのスコアリング方法であって、前記スコアを算出するためのコンピュータシステムには、クレジットカードの利用毎に受け付けたオーソリデータを格納するオーソリデータ格納部と、クレジットカードの利用者の過去のクレジットカードの利用に関する履歴データを、利用者毎に格納する履歴データ格納部と、が備えられていて、前記コンピュータシステムが、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目の項目値のカテゴリー、及び前記履歴データ格納部に格納された履歴データに含まれる項目の項目値のカテゴリーについて、各々の項目におけるカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値を関連付けて記憶するロジット値変換テーブルに記憶させるステップと、前記コンピュータシステムが、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目、及び前記履歴データ格納部に格納された履歴データに含まれる項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数を関連付けて記憶する回帰係数テーブルに記憶させるステップと、を有することによって、ロジット値変換テーブルと回帰係数テーブルのデータが更新され、クレジットカードの利用が不正である確率を反映したスコアを算出する際には、前記コンピュータシステムが、クレジットカードの利用要求にかかるオーソリデータを受け付けるオーソリデータ受付ステップと、前記コンピュータシステムが、前記利用要求を行った利用者に対応する履歴データを、前記履歴データ格納部から取得する履歴データ取得ステップと、前記コンピュータシステムが、前記オーソリデータ受付ステップで受け付けたオーソリデータと、前記履歴データ取得ステップで取得した履歴データから、スコア算出のために必要な項目毎の項目値に対応するカテゴリーを特定するカテゴリー特定ステップと前記コンピュータシステムが、前記ロジット値変換テーブルを参照して、前記カテゴリー特定ステップで特定した各々のカテゴリーに対応するロジット値を取得するロジット値取得ステップと、前記コンピュータシステムが、前記回帰係数テーブルを参照して、前記カテゴリー特定ステップでカテゴリーを特定した各々の項目に対応する回帰係数を取得する回帰係数取得ステップと、前記コンピュータシステムが、前記ロジット値取得ステップで取得したロジット値に、前記ロジット値に対応する各々の項目について前記回帰係数取得ステップで取得した回帰係数を乗じた値を合算し、合算した値から不正である確率を反映したスコアを算出するスコア算出ステップと、を有することを特徴とするスコアリング方法である。 That is, the scoring method according to the present invention is a scoring method for calculating a score reflecting the probability that the use of a credit card is illegal, and the computer system for calculating the score includes a credit card. An authorization data storage unit for storing authorization data received for each use of the credit card, and a history data storage unit for storing historical data on credit card users' past credit card usage for each user. The computer system is configured to select the item value category of the item included in the authorization data stored in the authorization data storage unit and the item value category of the item included in the history data stored in the history data storage unit. , Fraud appearance ratio that fraud appeared by category in each item And calculating the logit value from the fraud appearance ratio and storing the logit value in a logit value conversion table that associates and stores the logit value corresponding to each category for each item, and the computer system includes the authorization data. For items included in the authorization data stored in the storage unit and items included in the history data stored in the history data storage unit, the degree of contribution of each item to the score is calculated by logistic regression analysis, And storing the regression coefficient corresponding to the item in the regression coefficient table for storing the correlation coefficient, the logit value conversion table and the regression coefficient table data are updated, and the probability that the credit card is illegally used is updated. When calculating the reflected score, the computer system An authorization data accepting step for accepting authorization data relating to a credit card usage request, and history data in which the computer system acquires history data corresponding to the user who made the usage request from the history data storage unit. From the acquisition step, the authorization data received in the authorization data reception step by the computer system, and the history data acquired in the history data acquisition step, the category corresponding to the item value for each item required for score calculation The category specifying step for specifying and the computer system referring to the logit value conversion table for acquiring the logit value corresponding to each category specified in the category specifying step, and the computer system comprising: A regression coefficient acquisition step for acquiring a regression coefficient corresponding to each item whose category is specified in the category specification step with reference to the regression coefficient table; and a logit value acquired by the computer system in the logit value acquisition step A score calculation step of adding a value obtained by multiplying the regression coefficient acquired in the regression coefficient acquisition step for each item corresponding to the logit value, and calculating a score reflecting the probability of fraud from the combined value; It is a scoring method characterized by having.
また、本発明にかかるスコアリング方法は、前記コンピュータシステムが、前記オーソリデータ受付ステップで受け付けたオーソリデータを反映して、前記オーソリデータにかかるクレジットカードの利用者に対応する前記履歴データ格納部に格納された履歴データを更新する履歴データ更新ステップを有することを特徴とすることもできる。 In addition, the scoring method according to the present invention may be configured such that the computer system reflects the authorization data received in the authorization data receiving step in the history data storage unit corresponding to a credit card user related to the authorization data. It can also be characterized by having a history data update step for updating the stored history data.
さらに、本発明にかかるスコアリング方法は、前記ロジット値変換テーブルには、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目から生成された項目について、各々の項目における項目値のカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値が関連付けて記憶され、前記回帰係数テーブルには、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目から生成される項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、前記カテゴリー特定ステップでは、前記オーソリデータ受付ステップで受け付けたオーソリデータに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定することを特徴としてもよい。 Furthermore, in the scoring method according to the present invention, in the logit value conversion table, items generated from items included in the authorization data stored in the authorization data storage unit are classified by item value category. The fraud appearance ratio in which fraud has occurred is specified, the logit value is calculated from the fraud appearance ratio, and the logit value corresponding to each category for each item is stored in association with each other. The regression coefficient table includes the authorization data. For items generated from items included in the authorization data stored in the storage unit, the degree of contribution of each item to the score is calculated by logistic regression analysis, and a regression coefficient corresponding to each item is stored in association with each other. In the category specifying step, the authorization data receiving step receives the category data. May also be characterized by identifying the category corresponding to the item value of each item generated from items included in the attached has authorization data.
さらに、本発明にかかるスコアリング方法は、前記ロジット値変換テーブルには、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目と前記履歴データ格納部に格納された履歴データに含まれる項目から生成された項目について、各々の項目における項目値のカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々の項目値に対応するカテゴリーに対応するロジット値が関連付けて記憶され、前記回帰係数テーブルには、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目と前記履歴データ格納部に格納された履歴データに含まれる項目から生成された項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、前記カテゴリー特定ステップでは、前記オーソリデータ受付ステップで受け付けたオーソリデータに含まれる項目と前記履歴データ取得ステップで取得した履歴データに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定することを特徴としてもよい。 Further, in the scoring method according to the present invention, the logit value conversion table includes items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit. For the items generated from the above, the fraud appearance ratio in which fraud has appeared for each item value category in each item is specified, the logit value is calculated from the fraud appearance ratio, and the category corresponding to each item value for each item And the regression coefficient table includes items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit. For the generated items, the logistic regression analysis shows the contribution of each item to the score. The regression coefficient corresponding to each item is stored in association with each other, and in the category specifying step, the item included in the authorization data received in the authorization data receiving step and the history data acquired in the history data acquiring step The category corresponding to the item value for each item generated from the items included in the item may be specified.
本発明によって、クレジットカードの利用が不正である確率を反映したスコアを算出する場合において、サンプルのカテゴリーを実数化して適切にスコアに反映するとともに、利用者毎の利用傾向との比較も反映したスコアを算出することによって、より精度の高いスコアリングが可能になる。 According to the present invention, when calculating a score reflecting the probability that the credit card usage is illegal, the sample categories are converted into real numbers and appropriately reflected in the score, and the comparison with the usage tendency for each user is also reflected. By calculating the score, more accurate scoring is possible.
本発明を実施するための最良の形態について、図面と数式の例を用いながら、以下に詳細に説明する。尚、以下の説明は、本発明にかかるスコアリングシステムの実施形態の一例を示したものであって、本発明は以下の説明において用いられるオーソリデータや履歴データに含まれる項目等の実施例に、限定されるものではない。 The best mode for carrying out the present invention will be described below in detail with reference to the drawings and numerical examples. The following description shows an example of an embodiment of the scoring system according to the present invention, and the present invention is an example of items included in authorization data and history data used in the following description. It is not limited.
図１は、本発明にかかるスコアリングシステムの概要を示す図である。図２は、本発明にかかるスコアリングシステムの構成を示すブロック図である。図３は、利用時間帯別の不正出現確率の一例を示す図である。図４は、利用時間帯別の不正出現確率をロジット値に変換して並び替えた第１の例を示す図である。図５は、利用時間帯別の不正出現確率をロジット値に変換して並び替えた第２の例を示す図である。図６は、本発明にかかるスコアリングシステムにおけるロジット値変換テーブルの一例を示す図である。図７は、本発明にかかるスコアリングシステムにおける回帰係数テーブルの一例を示す図である。図８は、本発明にかかるスコアリングシステムにおいて用いられるオーソリデータの一例を示す図である。図９は、本発明にかかるスコアリングシステムにおいて用いられる履歴データの一例を示す図である。図１０は、本発明にかかるスコアリングシステムにおいて用いられるスコア算出のための項目値が特定されたデータの一例を示す図である。図１１は、本発明にかかるスコアリングシステムにおいて用いられるスコア算出のための項目値がロジット値に変換されたデータの一例を示す図である。図１２は、本発明にかかるスコアリング方法のフローを示すフローチャートである。 FIG. 1 is a diagram showing an outline of a scoring system according to the present invention. FIG. 2 is a block diagram showing the configuration of the scoring system according to the present invention. FIG. 3 is a diagram illustrating an example of an illegal appearance probability for each usage time zone. FIG. 4 is a diagram illustrating a first example in which the illegal appearance probabilities for each usage time period are converted to logit values and rearranged. FIG. 5 is a diagram illustrating a second example in which the illegal appearance probabilities for each usage time period are converted to logit values and rearranged. FIG. 6 is a diagram showing an example of a logit value conversion table in the scoring system according to the present invention. FIG. 7 is a diagram showing an example of a regression coefficient table in the scoring system according to the present invention. FIG. 8 is a diagram showing an example of authorization data used in the scoring system according to the present invention. FIG. 9 is a diagram showing an example of history data used in the scoring system according to the present invention. FIG. 10 is a diagram showing an example of data in which item values for score calculation used in the scoring system according to the present invention are specified. FIG. 11 is a diagram showing an example of data in which item values for score calculation used in the scoring system according to the present invention are converted into logit values. FIG. 12 is a flowchart showing the flow of the scoring method according to the present invention.
本発明にかかるスコアリングシステムは、図１のように用いられる。クレジットカードを発行するカード会社のホストコンピュータ２０は、加盟店の店舗に設置されたＣＡＴ端末３０等と決済用ネットワークで接続されている。クレジットカードの会員が加盟店でクレジットカードにより支払いを行おうとすると、ＣＡＴ端末でクレジットカード番号、購入する商品の商品コード、利用金額等を読み取って、決済の可否の判定に必要な売上承認を求めるためのオーソリデータをカード会社ホストコンピュータ２０に送信する。 The scoring system according to the present invention is used as shown in FIG. A host computer 20 of a card company that issues a credit card is connected to a CAT terminal 30 or the like installed in a store of a member store through a settlement network. When a credit card member tries to pay with a credit card at a member store, the CAT terminal reads the credit card number, the product code of the product to be purchased, the usage amount, etc., and asks for the sales approval necessary to determine whether payment is possible. The authorization data is transmitted to the card company host computer 20.
オーソリデータを受信したカード会社ホストコンピュータ２０では、クレジットカードによる決済の可否を判定するために、オーソリデータに含まれる利用金額がクレジットカードについて設定された利用可能額の範囲内であるかを確認する。さらに、クレジットカードが悪意の拾得者等に利用されることを防止するために、クレジットカードの利用が不正である可能性を示すスコアを、スコアリングシステム１０において算出する。尚、スコアを算出するスコアリングシステム１０は、カード会社の内部に設けられるものであってもよいし、専門業者等の外部に設けられネットワークで接続されているものであってもよい。 Upon receiving the authorization data, the card company host computer 20 confirms whether or not the usage amount included in the authorization data is within the range of the usage amount set for the credit card in order to determine whether or not the payment by the credit card is possible. . Furthermore, in order to prevent the credit card from being used by a malicious finder or the like, the scoring system 10 calculates a score indicating the possibility that the credit card is illegally used. Note that the scoring system 10 for calculating the score may be provided inside the card company, or may be provided outside a specialist or the like and connected via a network.
スコアリングシステム１０においてスコアが算出されると、これを受け取ったカード会社ホストコンピュータ２０では、スコアが所定の閾値を超える場合には、不正な利用である可能性があると判断して、ＣＡＴ端末３０に対して利用者の本人確認を促すメッセージ等を送信する。これを受信したＣＡＴ端末３０側では、加盟店の店員等が利用者に本人確認を求めることによって、悪意の取得者による不正利用を未然に防止することが可能になる。 When the scoring system 10 calculates the score, the card company host computer 20 that has received the score determines that there is a possibility of unauthorized use when the score exceeds a predetermined threshold, and the CAT terminal A message or the like that prompts the user to confirm the identity of the user is transmitted. On the side of the CAT terminal 30 that has received the request, the clerk at the member store asks the user for identity verification, thereby preventing unauthorized use by a malicious acquirer.
図２を用いて、本発明にかかるスコアリングシステムの構成について説明する。本発明にかかるスコアリングシステム１０は、スコアリングの対象となるオーソリデータを受け付けて、算出したスコアを応答できるように、カード会社ホストコンピュータ２０と接続されている。スコアリングシステム１０の構成は特に限定されるものではなく、１台のコンピュータ、複数のコンピュータのいずれで構成されるものであってもよく、また他の機能を備えたコンピュータの一部を構成するものであってもよい。 The configuration of the scoring system according to the present invention will be described with reference to FIG. The scoring system 10 according to the present invention is connected to the card company host computer 20 so as to accept the authorization data to be scoring and respond with the calculated score. The configuration of the scoring system 10 is not particularly limited, and may be configured by either one computer or a plurality of computers, and constitutes a part of a computer having other functions. It may be a thing.
スコアリングシステム１０には、スコアリングに用いるモデルを作成するモデル分析部１３、個々のオーソリデータについてスコアを算出するスコアリング部１４が含まれているが、モデル分析部１３とスコアリング部１４はいずれも機能として特定されるものであって、ここで必要な演算処理を実行するためのハードウェアの構成については、特に限定されるものではない。ロジット値変換分析部１３１、ロジスティック回帰分析部１３２、オーソリデータ受付部１４１、ビヘイビアデータ取得部１４２、スコア算出部１４３、ビヘイビア更新部１４４については、対応するプログラムがコンピュータのメモリ領域に読み出され、所定の演算処理を実行することによって各々の機能が実現される。ロジット値変換テーブル１３３、回帰係数テーブル１３４は、いずれもコンピュータにおいて割当てられた所定の記憶領域に、演算処理に必要なデータが記憶される。 The scoring system 10 includes a model analysis unit 13 that creates a model used for scoring, and a scoring unit 14 that calculates a score for each authorization data. The model analysis unit 13 and the scoring unit 14 include Both are specified as functions, and the hardware configuration for executing the necessary arithmetic processing is not particularly limited. For the logit value conversion analysis unit 131, the logistic regression analysis unit 132, the authorization data reception unit 141, the behavior data acquisition unit 142, the score calculation unit 143, and the behavior update unit 144, corresponding programs are read into the memory area of the computer. Each function is realized by executing predetermined arithmetic processing. In the logit value conversion table 133 and the regression coefficient table 134, data necessary for arithmetic processing is stored in a predetermined storage area allocated in the computer.
オーソリＤＢ１２には、カード会社ホストコンピュータ２０からデータ送受信部１１を介して過去に受け付けたオーソリデータそのものに、不正利用であることを示す情報や、性別などのデータが付加されたオーソリデータが蓄積されている。オーソリＤＢ１２へオーソリデータを蓄積する方法は特に限定されるものではなく、スコアリングのために受け付けたオーソリデータを受付毎に格納することとしてもよいし、スコアリングとは別に、１日に１度、１週間に１度などのタイミングで、バッチ処理により一定期間分を一括して格納することとしてもよい。 The authorization DB 12 stores authorization data in which the authorization data itself previously received from the card company host computer 20 via the data transmission / reception unit 11 is added with information indicating unauthorized use and data such as gender. ing. The method for accumulating authorization data in the authorization DB 12 is not particularly limited, and the authorization data accepted for scoring may be stored for each acceptance, and once a day separately from scoring. For a period of time such as once a week, a certain period may be stored in a batch by batch processing.
尚、オーソリＤＢ１２に格納されているオーソリデータには、不正な利用であった場合には、その旨を示す情報が記録されている。従って、オーソリデータに含まれるある項目の項目値の所定の範囲をカテゴリー化して、例えば「利用金額５，０００円〜１０，０００円」「利用時間午前９時〜午前１０時」等をカテゴリーとして定めた場合に、そのカテゴリーに該当するサンプルの実績を反映した不正出現確率を、それぞれ求めることが可能になっている。 Note that, in the authorization data stored in the authorization DB 12, information indicating that if unauthorized use is recorded. Therefore, a predetermined range of item values of an item included in the authorization data is categorized, for example, “usage amount 5,000 yen to 10,000 yen”, “usage time 9 am to 10 am”, etc. When determined, it is possible to obtain fraud occurrence probabilities reflecting the results of samples corresponding to the category.
オーソリＤＢ１２に蓄積されるデータは、各々の利用毎に受け付けたデータに所定の情報が付加された定型的なデータとなっているが、ビヘイビア項目作成部１５１では、これらのデータから利用者（会員）毎の利用履歴に関する履歴データを作成し、ビヘイビアＤＢ１５に利用者毎に設けられたテーブルやレコードに格納する。ビヘイビアＤＢ１５への履歴データの蓄積方法や更新方法も特に限定されるものではないが、初期のデータ蓄積はビヘイビア項目作成部１５１の動作によって行い、以後の更新は後に説明するビヘイビア更新部１４４の動作によって行うことが可能となっている。 The data stored in the authorization DB 12 is typical data in which predetermined information is added to the data received for each use, but the behavior item creation unit 151 uses the data (users) ) History data relating to each usage history is created and stored in a table or record provided for each user in the behavior DB 15. The accumulation method and update method of history data in the behavior DB 15 are not particularly limited, but initial data accumulation is performed by the operation of the behavior item creation unit 151, and the subsequent update is the operation of the behavior update unit 144 described later. It is possible to do by.
モデル分析部１３は、スコアリングに必要なモデルを分析して、スコアリングに用いるためのテーブルを作成する機能を備えている。ロジット値変換分析部１３１は、オーソリデータに含まれる項目と、オーソリＤＢ１２に蓄積されている過去オーソリから作成したビヘイビア項目について、項目値をカテゴリー化してカテゴリー毎の不正出現確率を演算するとともに、このカテゴリーを実数として用いることができるように、項目値をロジット値に置き換える処理を行っている。この処理については後に詳述するが、演算した結果については、各々の項目値に対応するロジット値がロジット値変換テーブル１３３に関連付けて記憶される。 The model analysis unit 13 has a function of analyzing a model necessary for scoring and creating a table for use in scoring. The logit value conversion analysis unit 131 categorizes the item values for the items included in the authorization data and the behavior items created from the past authorizations stored in the authorization DB 12, and calculates the incorrect appearance probability for each category. In order to be able to use the category as a real number, processing is performed to replace the item value with the logit value. Although this process will be described in detail later, the logit value corresponding to each item value is stored in association with the logit value conversion table 133 for the calculated result.
ここでロジット値に置き換える項目値は、オーソリデータに含まれる項目に該当する値に限定されるものではない。オーソリデータに含まれる項目から生成される項目（例えば利用限度額に対する今回利用金額の比率等の項目）や、ビヘイビアＤＢ１５に格納されている履歴データに含まれる項目、オーソリデータに含まれる項目と履歴データに含まれる項目から生成された項目（例えば今回利用金額と前回利用金額との比率、今回商品コードと前回商品コードの一致又は不一致等）に該当する項目値を用いることとすれば、より精度の高いスコアリングが可能になる。 Here, the item value replaced with the logit value is not limited to the value corresponding to the item included in the authorization data. Items generated from the items included in the authorization data (for example, items such as the ratio of the current usage amount to the usage limit), items included in the history data stored in the behavior DB 15, items included in the authorization data and history If item values corresponding to items generated from the items included in the data (for example, the ratio between the current usage amount and the previous usage amount, the current product code and the previous product code match or mismatch, etc.) are used, more accurate High scoring is possible.
ロジスティック回帰分析部１３２は、オーソリデータに含まれる項目について、各々の項目のスコアへの寄与度を調整するために、各々の項目の項目値から算出されるスコアに乗じる係数を、ロジスティック回帰分析によって演算する。演算した結果については、各々の項目に対応する回帰係数が回帰係数テーブル１３４に関連付けて記憶される。 The logistic regression analysis unit 132 uses a logistic regression analysis to calculate a coefficient to be multiplied by the score calculated from the item value of each item in order to adjust the contribution to the score of each item for the items included in the authorization data. Calculate. As for the calculated result, the regression coefficient corresponding to each item is stored in association with the regression coefficient table 134.
尚、ロジスティック回帰分析の対象となる項目については、上記のようにオーソリデータに含まれる項目から生成される項目、履歴データに含まれる項目、オーソリデータに含まれる項目と履歴データに含まれる項目から生成された項目をスコアリングの対象にする場合であれば、これらの項目もロジスティック回帰分析の対象とすることが必要である。 As for the items subject to logistic regression analysis, the items generated from the items included in the authorization data, the items included in the history data, the items included in the authorization data, and the items included in the history data as described above. If the generated items are to be subject to scoring, these items must also be subject to logistic regression analysis.
スコアリング部１４は、スコアリングのために受け付けたオーソリデータについて、所定の演算処理を行ってスコアを算出する機能を備えている。オーソリデータ受付部１４１は、売上承認のためにスコアリングを行う対象となるオーソリデータを、データ送受信部１１を介してカード会社ホストコンピュータ２０から受け付ける。ビヘイビアデータ取得部１４２は、受け付けたオーソリデータに含まれるカードの利用者に対応する履歴データを、ビヘイビアＤＢ１５から取得する。 The scoring unit 14 has a function of calculating a score by performing a predetermined calculation process on the authorization data received for scoring. The authorization data accepting unit 141 accepts authorization data to be subjected to scoring for sales approval from the card company host computer 20 via the data transmitting / receiving unit 11. The behavior data acquisition unit 142 acquires history data corresponding to the card user included in the received authorization data from the behavior DB 15.
スコア算出部１４３では、オーソリデータに含まれるスコア算出に用いられる項目、履歴データに含まれるスコア算出に用いられる項目について、それぞれの項目値を特定する。ここで、オーソリデータに含まれる項目から生成される項目、オーソリデータに含まれる項目と履歴データに含まれる項目から生成された項目についての項目値を演算することとしてもよい。このようにして、特定又は演算された項目値が属するカテゴリーに対応するそれぞれのロジット値を、ロジット値変換テーブル１３３を参照して取得する。また、スコア算出のための項目値を特定又は算出した項目について、それぞれの項目に対応する回帰係数を、回帰係数テーブル１３４を参照して特定する。 The score calculation unit 143 specifies item values for items used for score calculation included in the authorization data and items used for score calculation included in the history data. Here, it is also possible to calculate item values for items generated from items included in the authorization data, items generated from the items included in the authorization data, and items included in the history data. In this way, each logit value corresponding to the category to which the specified or calculated item value belongs is acquired with reference to the logit value conversion table 133. In addition, for the items for which the item values for score calculation are specified or calculated, the regression coefficient corresponding to each item is specified with reference to the regression coefficient table 134.
このように特定した、それぞれの項目についてのロジット値に回帰係数により重み付けを行って、その合計値を基準としてスコアを算出する。算出したスコアについては、データ送受信部１１を介してカード会社ホストコンピュータ２０に対して返信する。 The logit value for each item specified in this way is weighted with a regression coefficient, and the score is calculated based on the total value. The calculated score is returned to the card company host computer 20 via the data transmission / reception unit 11.
併せて、ビヘイビア更新部１４４では、スコアの算出対象となったユーザの履歴データに、今回受け付けたオーソリデータに対応する利用分を反映して（例えば、前回利用金額についてのデータを今回分に更新する）、履歴データを更新する。更新した履歴データについては、ビヘイビアＤＢ１５の対応する利用者の履歴データとして格納される。 In addition, the behavior update unit 144 reflects the usage corresponding to the authorization data received this time in the history data of the user whose score is to be calculated (for example, the data on the previous usage amount is updated to the current time). To update the history data. The updated history data is stored as the corresponding user history data in the behavior DB 15.
本発明にかかるスコアリングシステムにおけるスコア算出の基本的な考え方について、図３〜図７を用いて以下に詳細に説明する。スコア算出となるオーソリデータには、例えばオーソリデータを受信したカードの利用時間という項目に対して、利用時間を示す項目値が含まれている。この項目値を基準にして、過去のオーソリデータのサンプルから不正出現確率がどの程度であったかを参照して、スコアに反映する。 The basic concept of score calculation in the scoring system according to the present invention will be described in detail below with reference to FIGS. The authorization data for which the score is calculated includes, for example, an item value indicating the usage time for the item of the usage time of the card that has received the authorization data. Using this item value as a reference, the degree of unauthorized appearance probability is referred to from past authorization data samples and reflected in the score.
図３は、利用時間を横軸に、利用時間別の不正出現確率を縦軸に置いて、その分布を示している。精度の高いスコアを算出するためには、ここで用いられる不正出現確率が信頼性の高いものとなるように、なるべくサンプル数を多くすることが好ましい。そこで、サンプルを利用時間に一定の幅を持たせた利用時間帯としてカテゴリー化して、不正出現確率を算出することとするが、カテゴリーそのものは実数ではないので、そのままではスコア算出に用いることができないため、カテゴリーを実数化することが必要になる。 FIG. 3 shows the distribution with the usage time on the horizontal axis and the illegal appearance probability for each usage time on the vertical axis. In order to calculate a highly accurate score, it is preferable to increase the number of samples as much as possible so that the fraud appearance probability used here is highly reliable. Therefore, the sample is categorized as a usage time zone with a certain range of usage time, and the fraud appearance probability is calculated. However, since the category itself is not a real number, it cannot be used for score calculation as it is. Therefore, it is necessary to make the categories real numbers.
そこで、連続変数をカテゴリーに分類して並び替え、各々のカテゴリーに実数値を割当てるとともに、割当てた実数値を意味のある変数として並び替えるために、各々のカテゴリーに対応する不正出現確率（ｐ）を数１の式に当てはめて、ロジット値に変換する。 Therefore, in order to sort the continuous variables into categories, assign real values to each category, and rearrange the assigned real values as meaningful variables, the fraud appearance probability corresponding to each category (p) Is converted into a logit value by applying to the equation of Equation 1.
このようにカテゴリーをロジット値により実数化すると、実数化されたカテゴリーを横軸に、不正出現確率を縦軸に置くと、図４（利用時間帯を１時間毎にカテゴリー化）、図５（利用時間帯を３〜９時間の範囲でカテゴリー化）の例に示したように、右肩上がりの連続変数に変換することができる。このように実数化されたカテゴリーと不正出現確率の関係は、図５のカテゴリー化の例であれば、図６の例に示したようなロジット値変換テーブルに記憶される。 When the categories are converted into real numbers by logit values in this way, the realized categories are placed on the horizontal axis, and the fraudulent appearance probability is placed on the vertical axis. As shown in the example of categorizing the use time zone in the range of 3 to 9 hours, it can be converted into a continuous variable that rises to the right. In this way, the relationship between the realized category and the fraud appearance probability is stored in the logit value conversion table shown in the example of FIG. 6 in the case of the categorization example of FIG.
また、オーソリデータからは、利用時間の他に、利用金額などのスコア算出に用いることができる様々な項目が特定される。ここで用いられる項目は、オーソリデータに含まれるものに限らず、オーソリデータに含まれる項目から生成された項目、履歴データに含まれる項目、オーソリデータに含まれる項目と履歴データに含まれる項目から生成される項目を対象としてもよい。これらの項目に対応する項目値について、それぞれ利用時間の場合と同様にロジット値変換テーブルを生成することができるが、複数の項目を用いてスコアを算出する場合には、各々の項目のカテゴリーに対応する不正出現確率をどのように重み付けするかが問題になる。 Further, from the authorization data, various items that can be used for calculating a score such as a usage amount in addition to the usage time are specified. The items used here are not limited to those included in the authorization data, but include items generated from the items included in the authorization data, items included in the history data, items included in the authorization data, and items included in the history data. The generated item may be the target. For item values corresponding to these items, a logit value conversion table can be generated in the same way as in the case of usage time, but when calculating scores using multiple items, each item category is The problem is how to weight the corresponding fraud appearance probability.
そこで、スコア算出に用いられる全ての項目を対象にしてロジスティック回帰分析を行い、各々の項目に対応する回帰係数を算出する。算出した回帰係数は、図７の例に示したような回帰係数テーブルに記憶される。このように、過去のオーソリデータ等から作成されたロジット値変換テーブルと回帰係数テーブルが、各々のオーソリデータについてのスコア算出に用いられることになる。 Therefore, logistic regression analysis is performed on all items used for score calculation, and a regression coefficient corresponding to each item is calculated. The calculated regression coefficient is stored in a regression coefficient table as shown in the example of FIG. As described above, the logit value conversion table and the regression coefficient table created from the past authorization data and the like are used for score calculation for each authorization data.
スコア算出の対象となるオーソリデータが受け付けられると、スコア算出に用いるオーソリデータに含まれる項目の項目値、オーソリデータに含まれる項目から生成された項目の項目値、オーソリデータから特定した利用者の履歴データに含まれる項目の項目値、オーソリデータに含まれる項目と履歴データに含まれる項目から生成された項目の項目値等を特定する。これらの項目値について、それぞれロジット値変換テーブルを参照してカテゴリーを特定し、特定されたカテゴリーに対応するロジット値と不正出現確率を取得する。 When the authorization data for score calculation is accepted, the item value of the item included in the authorization data used for score calculation, the item value of the item generated from the item included in the authorization data, the user specified from the authorization data The item value of the item included in the history data, the item value of the item generated from the item included in the authorization data and the item included in the history data are specified. With respect to these item values, a category is specified with reference to the logit value conversion table, respectively, and a logit value and an illegal appearance probability corresponding to the specified category are acquired.
また、項目値を特定した項目について、各々の項目に対応する回帰係数を回帰係数テーブルから取得する。このようにして取得した、各々の項目についてのロジット値、不正出現確率、回帰係数から、数２の式によって「Ｚｎ」に対応する値を算出する。尚、ここで用いているロジット値平均は、各項目におけるロジット値をロジットモデルの一部に記憶させ、これを取得することとすればよいが、「Ｚｎ」の算出についてはロジット値、不正出現確率、回帰係数が反映されるものであれば、ロジット値平均の減算等は特に限定されるものではない。 In addition, for the item for which the item value is specified, the regression coefficient corresponding to each item is acquired from the regression coefficient table. A value corresponding to “Zn” is calculated from the logit value, fraud appearance probability, and regression coefficient for each item obtained in this way, using the equation (2). The logit value average used here may be obtained by storing the logit value in each item in a part of the logit model and obtaining it. As long as the probability and the regression coefficient are reflected, subtraction of the logit average is not particularly limited.
さらに、各々の項目について算出された「Ｚｎ」について、数３の式のように全て合計した「Ｚｓｕｍ」を算出する。 Further, for “Zn” calculated for each item, the total “Zsum” is calculated as shown in Equation 3.
最後に、算出された「Ｚｓｕｍ」を用いて、数４の式から不正の可能性を反映したスコアを算出する。尚、ここに示したスコアの算出式は、精度の高いスコアを算出するための一例を示したものであって、本発明におけるスコアリングはかかる算出式に限定されるものではない。 Finally, using the calculated “Zsum”, a score reflecting the possibility of fraud is calculated from the equation (4). The score calculation formula shown here is an example for calculating a highly accurate score, and scoring in the present invention is not limited to such calculation formula.
本発明にかかるスコアリングシステムにおけるスコア算出において、オーソリデータに含まれる項目等からロジット値を特定する方法について、図８〜図１１を用いて以下に詳細に説明する。クレジットカードの利用により発生し、スコア算出の対象となるオーソリデータには、図８の例に示した項目と項目値が含まれているものとする。 In the score calculation in the scoring system according to the present invention, a method for specifying the logit value from items included in the authorization data will be described in detail with reference to FIGS. It is assumed that the authorization data generated by the use of a credit card and subject to score calculation includes the items and item values shown in the example of FIG.
図８のオーソリデータを受け付けると、ここに含まれる顧客コードをキーにビヘイビアデータベースを検索して、利用者の履歴データを取得する。図９は、取得した履歴データの例を示したものであり、該利用者の前回利用時の利用金額等に関する項目や、前ｎ回分の利用金額等の利用履歴に関する項目に項目値が記録されている。 When the authorization data in FIG. 8 is received, the behavior database is searched using the customer code included therein as a key, and the user's history data is acquired. FIG. 9 shows an example of the acquired history data, in which item values are recorded in items relating to the usage amount of the user at the previous use and items relating to the usage history such as the usage amount for the previous n times. ing.
次に、図８のオーソリデータ、図９の履歴データから、図１０の例に示したスコア算出のための項目値が特定されたデータを作成する。これらの項目には、オーソリデータや履歴データの項目と項目値がそのまま用いられるものと、複数の項目から演算した項目値を新たな項目を設けて作成したものが含まれている。 Next, from the authorization data in FIG. 8 and the history data in FIG. 9, data in which item values for score calculation shown in the example in FIG. 10 are specified is created. These items include items in which items and item values of authorization data and history data are used as they are, and items in which item values calculated from a plurality of items are provided with new items.
図１０の例において、項番ｃ００１〜ｃ００５の項目値は、いずれもオーソリデータに含まれる項目の項目値をそのまま用いるものである。ホスト受信時間（カードの利用時間）には１２時と記録されているが、この時間を含む時間帯における過去のオーソリデータの不正出現確率をスコアに反映する。取引種別には取引種別を示すコードが、支払区分には支払い区分を示すコードが記録されているが、同様にこれらのコードにおける過去のオーソリデータの不正出現確率をスコアに反映する。 In the example of FIG. 10, the item values of the item numbers c001 to c005 are all the item values of the items included in the authorization data. The host reception time (card usage time) is recorded as 12:00, and the unauthorized appearance probability of past authorization data in the time zone including this time is reflected in the score. A code indicating the transaction type is recorded in the transaction type, and a code indicating the payment type is recorded in the payment category. Similarly, the probability of unauthorized appearance of past authorization data in these codes is reflected in the score.
図１０の例において、項番ｃ０１１の項目値は、オーソリデータに含まれる項目の項目値から生成された項目の項目値となっている。オーソリデータにはカードについて定められた利用限度額と、利用限度額から未決済の利用金額の累計を減じた利用可能額が記録されているが、カードがどの程度利用されているかを反映する利用可能額を利用限度額で除した値を、スコア算出のための新たな項目として設定しているが、この値を含む範囲内における過去のオーソリデータの不正出現確率をスコアに反映する。 In the example of FIG. 10, the item value of item number c011 is the item value of the item generated from the item value of the item included in the authorization data. The authorization data contains the usage limit set for the card and the available amount obtained by subtracting the total of the unpaid usage amount from the usage limit, but the usage reflects the extent to which the card is used. A value obtained by dividing the possible amount by the usage limit amount is set as a new item for score calculation, and the unauthorized appearance probability of past authorization data within the range including this value is reflected in the score.
図１０の例において、項番ｃ０２１〜ｃ０２７の項目値は、いずれもオーソリデータに含まれる項目の項目値と履歴データに含まれる項目の項目値から生成された項目の項目値となっている。前回利用金額との比率の項目には、オーソリデータに含まれる利用金額と履歴データに含まれる前回利用金額の比率が記録されているが、この比率を含む範囲における過去のオーソリデータの不正出現確率をスコアに反映する。前回商品コードとの一致・不一致、前回仕向側国コードとの一致・不一致等の項目についても、それぞれオーソリデータに含まれる項目の項目値と履歴データに含まれる項目の項目値から生成された項目であって、一致・不一致を示すコードが記録されていて（例えば、「１」を一致、「２」を不一致とする。）、一致・不一致それぞれにおける過去のオーソリデータの不正出現確率をスコアに反映する。利用時間スコア、利用曜日スコアは、オーソリデータに含まれるホスト受信年月日や受信日時を、履歴データの時間帯別利用頻度係数や曜日別利用頻度係数と対照させて算出したスコアで、同様に算出されたスコアを含む範囲における過去のオーソリデータの不正出現確率をスコアに反映する。 In the example of FIG. 10, the item values of the item numbers c021 to c027 are all item values of items generated from the item values of the items included in the authorization data and the item values of the items included in the history data. The ratio between the usage amount included in the authorization data and the previous usage amount included in the history data is recorded in the ratio to the previous usage amount, but the probability of unauthorized appearance of past authorization data in the range including this ratio is recorded. Is reflected in the score. For items such as match / mismatch with the previous product code, match / mismatch with the last destination country code, etc., items generated from the item value of the item included in the authorization data and the item value of the item included in the history data, respectively A code indicating coincidence / non-coincidence is recorded (for example, “1” is coincidence and “2” is non-coincidence), and the unauthorized appearance probability of past authorization data in each coincidence / non-coincidence is used as a score. reflect. The usage time score and usage day score are scores calculated by comparing the host reception date and reception date and time included in the authorization data with the usage frequency coefficient for each time zone and the usage frequency coefficient for each day of the history data. The unauthorized appearance probability of past authorization data in the range including the calculated score is reflected in the score.
図１０の例のように、スコア算出のための項目値が特定されたデータが作成されると、これらの項目値をロジット値に変換する。ロジット値への変換の方法と意義は、図３〜図７を用いて先に説明したとおりであるが、各々の項目について項目値が含まれる範囲のロジット値をロジット値変換テーブルから取得して、図１１の例のように各々の項目におけるロジット値が特定される。このように特定したロジット値と、回帰係数テーブルから取得する各々の項目の回帰係数を用いて、先に説明した数２〜数４の演算式を適用することによって、スコアが算出される。 When data in which item values for score calculation are specified is created as in the example of FIG. 10, these item values are converted into logit values. The method and significance of conversion to logit values are as described above with reference to FIGS. 3 to 7. However, logit values in the range including item values for each item are obtained from the logit value conversion table. The logit value in each item is specified as in the example of FIG. The score is calculated by applying the arithmetic expressions of Equations 2 to 4 described above using the logit value specified in this way and the regression coefficient of each item acquired from the regression coefficient table.
図１２のフローチャートを用いて、本発明にかかるスコアリング方法のフローについて説明する。まず、スコアを算出する対象となるオーソリデータをクレジットカード会社のホストコンピュータ等から受け付けて（Ｓ１）、オーソリデータに含まれる利用者を特定するための顧客コード（利用者の特定にはカード番号等を用いることとしてもよい。）を識別する（Ｓ２）。 The flow of the scoring method according to the present invention will be described using the flowchart of FIG. First, authorization data for which a score is to be calculated is received from a host computer or the like of a credit card company (S1), and a customer code for specifying a user included in the authorization data (a card number or the like is used for specifying a user) (S2) may be identified.
続いて、識別した顧客コードに対応する履歴データをデータベースから取得して（Ｓ３）、オーソリデータと履歴データに含まれる項目からスコア算出に用いる項目を選択又は生成し、各々の項目に対応する項目値を特定する（Ｓ４）。特定された各々の項目値について、ロジット値変換テーブルを参照して、項目値が含まれる範囲に対応するロジット値に変換する（Ｓ５）。 Subsequently, history data corresponding to the identified customer code is acquired from the database (S3), and items used for score calculation are selected or generated from the items included in the authorization data and the history data, and items corresponding to the respective items A value is specified (S4). Each identified item value is converted to a logit value corresponding to the range including the item value with reference to the logit value conversion table (S5).
さらに、各々の項目のスコアに対する寄与の重み付けを行うために、各々の項目に対応する回帰係数を回帰係数テーブルから取得して（Ｓ６）、変換したロジット値にそれぞれ対応する回帰係数を適用する（Ｓ７）。ロジット値と回帰係数から所定の算出式に基づいてスコアを算出（Ｓ８）、算出したスコアをクレジットカード会社のホストコンピュータ等に返信する（Ｓ９）。さらに、受け付けたオーソリデータを反映して、履歴データを更新してデータベースに格納する（Ｓ１０）。 Furthermore, in order to weight the contribution to the score of each item, the regression coefficient corresponding to each item is obtained from the regression coefficient table (S6), and the regression coefficient corresponding to each converted logit value is applied (S6). S7). A score is calculated from the logit value and the regression coefficient based on a predetermined calculation formula (S8), and the calculated score is returned to the host computer of the credit card company (S9). Further, the history data is updated and stored in the database by reflecting the received authorization data (S10).
１０ スコアリングシステム
１１ データ送受信部
１２ オーソリＤＢ
１３ モデル分析部
１３１ ロジット値変換分析部
１３２ ロジスティック回帰分析部
１３３ ロジット値変換テーブル
１３４ 回帰係数テーブル
１４ スコアリング部
１４１ オーソリデータ受付部
１４２ ビヘイビアデータ取得部
１４３ スコア算出部
１４４ ビヘイビア更新部
１５ ビヘイビアＤＢ
１５１ ビエイビア項目作成部
２０ カード会社ホストコンピュータ
３０ ＣＡＴ端末
10 Scoring system 11 Data transmission / reception unit 12 Authorization DB
13 Model analysis unit 131 Logit value conversion analysis unit 132 Logistic regression analysis unit 133 Logit value conversion table 134 Regression coefficient table 14 Scoring unit 141 Authorization data reception unit 142 Behavior data acquisition unit 143 Score calculation unit 144 Behavior update unit 15 Behavior DB
151 Viavia item creation unit 20 Card company host computer 30 CAT terminal
Claims (8)
クレジットカードの利用毎に受け付けたオーソリデータを格納するオーソリデータ格納手段と、
クレジットカードの利用者の過去のクレジットカードの利用に関する履歴データを、利用者毎に格納する履歴データ格納手段と、
前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目の項目値のカテゴリー、及び前記履歴データ格納手段に格納された履歴データに含まれる項目の項目値のカテゴリーについて、各々の項目におけるカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値を関連付けて記憶するロジット値変換テーブルと、
前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目、及び前記履歴データ格納手段に格納された履歴データに含まれる項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数を関連付けて記憶する回帰係数テーブルと、
クレジットカードの利用要求にかかるオーソリデータを受け付けるオーソリデータ受付手段と、
前記利用要求を行った利用者に対応する履歴データを、前記履歴データ格納手段から取得する履歴データ取得手段と、
前記オーソリデータ受付手段が受け付けたオーソリデータと、前記履歴データ取得手段が取得した履歴データから、スコア算出のために必要な項目毎の項目値に対応するカテゴリーを特定するカテゴリー特定手段と、
前記ロジット値変換テーブルを参照して、前記カテゴリー特定手段の特定した各々のカテゴリーに対応するロジット値を取得するロジット値取得手段と、
前記回帰係数テーブルを参照して、前記カテゴリー特定手段でカテゴリーを特定した各々の項目に対応する回帰係数を取得する回帰係数取得手段と、
前記ロジット値取得手段の取得したロジット値に、前記ロジット値に対応する各々の項目について前記回帰係数取得手段の取得した回帰係数を乗じた値を合算し、合算した値から不正である確率を反映したスコアを算出するスコア算出手段と、
を備えることを特徴とするスコアリングシステム。 A scoring system for calculating a score that reflects the probability of unauthorized use of a credit card,
Authorization data storage means for storing authorization data received every time a credit card is used;
History data storage means for storing, for each user, history data related to credit card users' past credit card usage;
For the item value category of the item included in the authorization data stored in the authorization data storage means and the item value category of the item included in the history data stored in the history data storage means, for each category in each item A logit value conversion table that identifies the fraud appearance ratio in which fraud has occurred, calculates a logit value from the fraud appearance ratio, and stores the logit value corresponding to each category for each item in association with each other;
For the items included in the authorization data stored in the authorization data storage means and the items included in the history data stored in the history data storage means, the degree of contribution of each item to the score is calculated by logistic regression analysis. A regression coefficient table that associates and stores a regression coefficient corresponding to each item;
An authorization data receiving means for receiving authorization data relating to a credit card usage request;
History data acquisition means for acquiring history data corresponding to the user who made the use request from the history data storage means;
Category specifying means for specifying a category corresponding to an item value for each item necessary for score calculation from the authorization data received by the authorization data receiving means and the history data acquired by the history data acquiring means;
Referring to the logit value conversion table, logit value acquiring means for acquiring logit values corresponding to each category specified by the category specifying means;
With reference to the regression coefficient table, regression coefficient acquisition means for acquiring a regression coefficient corresponding to each item whose category is specified by the category specifying means;
The logit value acquired by the logit value acquisition unit is added to the logit value obtained by multiplying the regression coefficient acquired by the regression coefficient acquisition unit for each item corresponding to the logit value, and the incorrect value is reflected from the total value. Score calculating means for calculating the score obtained,
A scoring system comprising:
を特徴とする請求項１記載のスコアリングシステム。 Reflecting the authorization data accepted by the authorization data accepting means, it comprises history data updating means for updating the history data stored in the history data storage means corresponding to a credit card user relating to the authorization data. The scoring system according to claim 1, wherein:
前記回帰係数テーブルには、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目から生成される項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、
前記カテゴリー特定手段は、前記オーソリデータ受付手段が受け付けたオーソリデータに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定すること
を特徴とする請求項１又は２記載のスコアリングシステム。 In the logit value conversion table, for the items generated from the items included in the authorization data stored in the authorization data storage means, specify the fraud appearance ratio in which fraud appeared for each item value category in each item, A logit value is calculated from the fraud appearance ratio, and a logit value corresponding to each category for each item is stored in association with each other,
In the regression coefficient table, for items generated from items included in the authorization data stored in the authorization data storage means, the degree of contribution of each item to the score is calculated by logistic regression analysis, and each item is calculated. Is stored in association with the regression coefficient corresponding to
The scoring according to claim 1, wherein the category specifying unit specifies a category corresponding to an item value for each item generated from items included in the authorization data received by the authorization data receiving unit. system.
前記回帰係数テーブルには、前記オーソリデータ格納手段に格納されたオーソリデータに含まれる項目と前記履歴データ格納手段に格納された履歴データに含まれる項目から生成された項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、
前記カテゴリー特定手段は、前記オーソリデータ受付手段が受け付けたオーソリデータに含まれる項目と前記履歴データ取得手段が取得した履歴データに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定すること
を特徴とする請求項１又は２記載のスコアリングシステム。 In the logit value conversion table, items generated from the items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit are as follows. Identify the fraud appearance ratio in which fraud appeared by category of item value, calculate the logit value from the fraud appearance ratio, and store the logit value corresponding to each category for each item in association with each other,
The regression coefficient table includes items generated from the items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit. The degree of contribution to the score is calculated by logistic regression analysis, and the regression coefficient corresponding to each item is stored in association with each other.
The category specifying unit specifies a category corresponding to an item value for each item generated from an item included in the authorization data received by the authorization data receiving unit and an item included in the history data acquired by the history data acquiring unit. The scoring system according to claim 1 or 2, characterized in that:
前記スコアを算出するためのコンピュータシステムには、クレジットカードの利用毎に受け付けたオーソリデータを格納するオーソリデータ格納部と、クレジットカードの利用者の過去のクレジットカードの利用に関する履歴データを、利用者毎に格納する履歴データ格納部と、が備えられていて、
前記コンピュータシステムが、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目の項目値のカテゴリー、及び前記履歴データ格納部に格納された履歴データに含まれる項目の項目値のカテゴリーについて、各々の項目におけるカテゴリー別に不正が出現した不正出現比率を特定し、前記不正出現比率からロジット値を算出して、項目毎の各々のカテゴリーに対応するロジット値を関連付けて記憶するロジット値変換テーブルに記憶させるステップと、
前記コンピュータシステムが、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目、及び前記履歴データ格納部に格納された履歴データに含まれる項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数を関連付けて記憶する回帰係数テーブルに記憶させるステップと、
を有することによって、ロジット値変換テーブルと回帰係数テーブルのデータが更新され、
クレジットカードの利用が不正である確率を反映したスコアを算出する際には、
前記コンピュータシステムが、クレジットカードの利用要求にかかるオーソリデータを受け付けるオーソリデータ受付ステップと、
前記コンピュータシステムが、前記利用要求を行った利用者に対応する履歴データを、前記履歴データ格納部から取得する履歴データ取得ステップと、
前記コンピュータシステムが、前記オーソリデータ受付ステップで受け付けたオーソリデータと、前記履歴データ取得ステップで取得した履歴データから、スコア算出のために必要な項目毎の項目値に対応するカテゴリーを特定するカテゴリー特定ステップと、
前記コンピュータシステムが、前記ロジット値変換テーブルを参照して、前記カテゴリー特定ステップで特定した各々のカテゴリーに対応するロジット値を取得するロジット値取得ステップと、
前記コンピュータシステムが、前記回帰係数テーブルを参照して、前記カテゴリー特定ステップでカテゴリーを特定した各々の項目に対応する回帰係数を取得する回帰係数取得ステップと、
前記コンピュータシステムが、前記ロジット値取得ステップで取得したロジット値に、前記ロジット値に対応する各々の項目について前記回帰係数取得ステップで取得した回帰係数を乗じた値を合算し、合算した値から不正である確率を反映したスコアを算出するスコア算出ステップと、
を有することを特徴とするスコアリング方法。 A scoring method for calculating a score that reflects the probability of unauthorized use of a credit card,
The computer system for calculating the score includes an authorization data storage unit that stores authorization data received every time a credit card is used, and history data relating to past credit card usage of the credit card user. And a history data storage unit for storing each,
The computer system has an item value category included in the authorization data stored in the authorization data storage unit and an item value category included in the history data stored in the history data storage unit. The fraud appearance ratio in which fraud appears for each category in the item is specified, the logit value is calculated from the fraud appearance ratio, and the logit value corresponding to each category for each item is stored in association with the logit value conversion table Step to
The computer system is configured to logistically determine a contribution degree of each item to the score with respect to an item included in the authorization data stored in the authorization data storage unit and an item included in the history data stored in the history data storage unit. Calculating by regression analysis, and storing the regression coefficient corresponding to each item in a regression coefficient table for storing the correlation coefficient;
The logit value conversion table and regression coefficient table data are updated,
When calculating a score that reflects the probability of fraudulent credit card usage,
An authorization data receiving step in which the computer system receives authorization data relating to a credit card usage request;
A history data acquisition step in which the computer system acquires history data corresponding to the user who has made the use request from the history data storage unit;
Category specification for specifying a category corresponding to an item value for each item necessary for score calculation from the authorization data received in the authorization data receiving step and the history data acquired in the history data acquisition step Steps,
The computer system refers to the logit value conversion table, and acquires a logit value corresponding to each category specified in the category specifying step;
The computer system refers to the regression coefficient table, and acquires a regression coefficient corresponding to each item whose category is specified in the category specifying step; and
The computer system adds a value obtained by multiplying the logit value acquired in the logit value acquisition step by the regression coefficient acquired in the regression coefficient acquisition step for each item corresponding to the logit value. A score calculating step for calculating a score reflecting the probability of
A scoring method comprising:
を特徴とする請求項５記載のスコアリング方法。 History data update in which the computer system updates the history data stored in the history data storage unit corresponding to the credit card user of the authorization data, reflecting the authorization data received in the authorization data receiving step 6. The scoring method according to claim 5, further comprising steps.
前記回帰係数テーブルには、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目から生成される項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、
前記カテゴリー特定ステップでは、前記オーソリデータ受付ステップで受け付けたオーソリデータに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定すること
を特徴とする請求項５又は６記載のスコアリング方法。 In the logit value conversion table, for the items generated from the items included in the authorization data stored in the authorization data storage unit, the fraud appearance ratio in which fraud appeared for each item value category in each item, A logit value is calculated from the fraud appearance ratio, and a logit value corresponding to each category for each item is stored in association with each other,
In the regression coefficient table, for items generated from items included in the authorization data stored in the authorization data storage unit, the contribution of each item to the score is calculated by logistic regression analysis, and each item is calculated. Is stored in association with the regression coefficient corresponding to
The scoring according to claim 5 or 6, wherein, in the category specifying step, a category corresponding to an item value for each item generated from an item included in the authorization data received in the authorization data receiving step is specified. Method.
前記回帰係数テーブルには、前記オーソリデータ格納部に格納されたオーソリデータに含まれる項目と前記履歴データ格納部に格納された履歴データに含まれる項目から生成された項目について、各々の項目の前記スコアに対する寄与度をロジスティック回帰分析により算出して、各々の項目に対応する回帰係数が関連付けて記憶されていて、
前記カテゴリー特定ステップでは、前記オーソリデータ受付ステップで受け付けたオーソリデータに含まれる項目と前記履歴データ取得ステップで取得した履歴データに含まれる項目から生成された項目毎の項目値に対応するカテゴリーを特定すること
を特徴とする請求項５又は６記載のスコアリング方法。
In the logit value conversion table, items generated from the items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit are as follows. Identify the fraud appearance ratio in which fraud appeared by category of item value, calculate the logit value from the fraud appearance ratio, and store the logit value corresponding to the category corresponding to each item value for each item in association with each other,
The regression coefficient table includes items generated from the items included in the authorization data stored in the authorization data storage unit and items included in the history data stored in the history data storage unit. The degree of contribution to the score is calculated by logistic regression analysis, and the regression coefficient corresponding to each item is stored in association with each other.
In the category specifying step, the category corresponding to the item value for each item generated from the items included in the authorization data received in the authorization data receiving step and the items included in the history data acquired in the history data acquiring step is specified. The scoring method according to claim 5, wherein the scoring method is performed.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006025715A JP4755911B2 (en) | 2006-02-02 | 2006-02-02 | Scoring system and scoring method for calculating fraud score using credit card |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006025715A JP4755911B2 (en) | 2006-02-02 | 2006-02-02 | Scoring system and scoring method for calculating fraud score using credit card |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2007207011A true JP2007207011A (en) | 2007-08-16 |
| JP2007207011A5 JP2007207011A5 (en) | 2009-07-02 |
| JP4755911B2 JP4755911B2 (en) | 2011-08-24 |
Family
ID=38486421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006025715A Active JP4755911B2 (en) | 2006-02-02 | 2006-02-02 | Scoring system and scoring method for calculating fraud score using credit card |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4755911B2 (en) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8104678B2 (en) | 2007-11-28 | 2012-01-31 | Intelligent Wave, Inc. | Payment approval system and method for approving payment for credit card |
| JP2012173899A (en) * | 2011-02-18 | 2012-09-10 | Scsk Corp | Logistic regression analysis system and logistic regression analysis program |
| JP5295418B1 (en) * | 2012-10-11 | 2013-09-18 | Ｓｃｓｋ株式会社 | Fraud detection system and fraud detection program |
| WO2015080349A1 (en) * | 2013-11-26 | 2015-06-04 | 비씨카드 주식회사 | Method and server for preventing wrongful use of electronic commercial transaction card |
| WO2017116794A1 (en) * | 2015-10-27 | 2017-07-06 | Mastercard International Incorporated | Method for determining if a current wallet-based transaction initiated by a digital wallet user is fraudulent |
| JP2018129048A (en) * | 2017-02-10 | 2018-08-16 | エヌエイチエヌ ペイコ コーポレーション | Target selection method and system thereof, advertisement content provision method to target and system thereof, and content provision method to target |
| WO2019049210A1 (en) | 2017-09-05 | 2019-03-14 | 楽天株式会社 | Estimation system, estimation method, and program |
| JPWO2021038952A1 (en) * | 2019-08-26 | 2021-03-04 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044668A (en) * | 2001-05-25 | 2003-02-14 | Isi Corp | Examination method for entrance qualification for credit card and right/wrong determination method for credit card issuance |
| JP2003296570A (en) * | 2002-01-30 | 2003-10-17 | Financial Technology Research Institute Inc | Credit evaluation system and credit evaluation method |
| JP2004334737A (en) * | 2003-05-12 | 2004-11-25 | Suuri Giken:Kk | Credit risk model deciding device, program, and credit risk model deciding method |
| JP2004348536A (en) * | 2003-05-23 | 2004-12-09 | Intelligent Wave Inc | History information addition program, fraudulent determination program using history information, and fraudulent determination system using history information |
| JP2005346730A (en) * | 2005-07-05 | 2005-12-15 | Intelligent Wave Inc | Method of determination of unauthorized utilization of credit card using history information |
-
2006
- 2006-02-02 JP JP2006025715A patent/JP4755911B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044668A (en) * | 2001-05-25 | 2003-02-14 | Isi Corp | Examination method for entrance qualification for credit card and right/wrong determination method for credit card issuance |
| JP2003296570A (en) * | 2002-01-30 | 2003-10-17 | Financial Technology Research Institute Inc | Credit evaluation system and credit evaluation method |
| JP2004334737A (en) * | 2003-05-12 | 2004-11-25 | Suuri Giken:Kk | Credit risk model deciding device, program, and credit risk model deciding method |
| JP2004348536A (en) * | 2003-05-23 | 2004-12-09 | Intelligent Wave Inc | History information addition program, fraudulent determination program using history information, and fraudulent determination system using history information |
| JP2005346730A (en) * | 2005-07-05 | 2005-12-15 | Intelligent Wave Inc | Method of determination of unauthorized utilization of credit card using history information |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8104678B2 (en) | 2007-11-28 | 2012-01-31 | Intelligent Wave, Inc. | Payment approval system and method for approving payment for credit card |
| JP2012173899A (en) * | 2011-02-18 | 2012-09-10 | Scsk Corp | Logistic regression analysis system and logistic regression analysis program |
| JP5295418B1 (en) * | 2012-10-11 | 2013-09-18 | Ｓｃｓｋ株式会社 | Fraud detection system and fraud detection program |
| WO2015080349A1 (en) * | 2013-11-26 | 2015-06-04 | 비씨카드 주식회사 | Method and server for preventing wrongful use of electronic commercial transaction card |
| WO2017116794A1 (en) * | 2015-10-27 | 2017-07-06 | Mastercard International Incorporated | Method for determining if a current wallet-based transaction initiated by a digital wallet user is fraudulent |
| JP2018129048A (en) * | 2017-02-10 | 2018-08-16 | エヌエイチエヌ ペイコ コーポレーション | Target selection method and system thereof, advertisement content provision method to target and system thereof, and content provision method to target |
| JP7046628B2 (en) | 2017-02-10 | 2022-04-04 | エヌエイチエヌ ペイコ コーポレーション | Target selection method and its system, advertising content provision method and its system to the target, and content provision method to the target |
| WO2019049210A1 (en) | 2017-09-05 | 2019-03-14 | 楽天株式会社 | Estimation system, estimation method, and program |
| JPWO2021038952A1 (en) * | 2019-08-26 | 2021-03-04 | ||
| WO2021038952A1 (en) * | 2019-08-26 | 2021-03-04 | 株式会社Ｎｔｔドコモ | Authorization device |
| JP7357061B2 (en) | 2019-08-26 | 2023-10-05 | 株式会社Ｎｔｔドコモ | Authorization device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4755911B2 (en) | 2011-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9646058B2 (en) | Methods, systems, and computer program products for generating data quality indicators for relationships in a database | |
| JP4755911B2 (en) | Scoring system and scoring method for calculating fraud score using credit card | |
| CN203192024U (en) | Apparatus for identifying point of compromise in payment transaction processing system | |
| US7574402B2 (en) | System and method for authorizing electronic payment transactions | |
| US7761379B2 (en) | Mass compromise/point of compromise analytic detection and compromised card portfolio management system | |
| AU2005325726B2 (en) | Computer-implemented method and system for dynamic consumer rating in a transaction | |
| US8170998B2 (en) | Methods, systems, and computer program products for estimating accuracy of linking of customer relationships | |
| US20040236696A1 (en) | History information adding program, fraud determining program using history information, and fraud determining system using history information | |
| CA2580731A1 (en) | Fraud risk advisor | |
| JP2004334527A (en) | Calculation program and method for illegal determination score value, and calculation system for illegal determination score value of credit card | |
| US20040225473A1 (en) | Fraud score calculating program, method of calculating fraud score, and fraud score calculating system for credit cards | |
| US20150317749A1 (en) | System and Method for Characterizing Financial Messages | |
| US20070226191A1 (en) | Method for Determining Validity of Command and System Thereof | |
| JP4377443B1 (en) | Credit card payment approval system, credit card used in credit card payment approval system, terminal device and host computer system, and credit card payment approval method | |
| CN112990386B (en) | User value clustering method and device, computer equipment and storage medium | |
| CN112232950A (en) | Loan risk assessment method and device, equipment and computer-readable storage medium | |
| JP2005346730A (en) | Method of determination of unauthorized utilization of credit card using history information | |
| CN112805738B (en) | System and method for real-time automatic authorization of payment transactions | |
| Knuth | Fraud prevention in the B2C e-Commerce mail order business: a framework for an economic perspective on data mining | |
| CN116703534B (en) | Intelligent management method for data of electronic commerce orders | |
| JP7302107B1 (en) | LEARNING SYSTEMS, LEARNING METHODS AND PROGRAMS | |
| JP7316984B2 (en) | Information processing system and information processing method | |
| KR101954133B1 (en) | Real time sart query service system | |
| KR102249015B1 (en) | Calculation System for Corporate Debt Payment Capability | |
| KR101078868B1 (en) | Method and system for providing service of financial consulting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080507 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090519 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101008 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101027 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101220 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110307 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110426 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110519 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110530 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140603 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4755911 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |