JP2021103357A - 銀行システム、および銀行システムによって実行される方法 - Google Patents

Abstract

【課題】機械学習を利用してＡＴＭ不正利用の検知精度を向上させる銀行システムを提供する。【解決手段】銀行システムは、ＡＴＭから受信したトランザクションデータに関連付けられる顧客マスタのデータにモニタリング対象を示す値が設定されているかどうかを判定し、モニタリング対象を示す値が設定されている場合、受信したトランザクションデータが口座停止条件に該当するかどうかを判定し、受信したトランザクションデータが口座停止条件に該当する場合、受信したトランザクションデータに関連付けられる口座の取引を停止し、読み出した判定変数に関連付けられるデータを顧客マスタおよび／またはトランザクションデータから読み出し、読み出したデータと判定変数とに基づいて、対応するスコアを識別し、判定変数のそれぞれについて識別された対応するスコアを加算して算出した合計スコアの値が所定の基準値範囲であるかどうかを判定する。【選択図】図８

Description

本発明は、機械学習を利用して、ＡＴＭ不正利用の検知精度を向上させる銀行システム、および銀行システムによって実行される方法に関する。

第三者がＡＴＭから不正に出金を行うという、キャッシュカードの詐取による特殊詐欺被害が増加している。

このような詐取被害に対して、各金融機関は、様々な対策をしており、例えば、ＡＴＭ出金の操作時に、顧客の携帯電話宛てにメッセージを送り、承認された場合だけ、出金を行う対策が知られていた（特許文献１）。しかしながら、特許文献１に記載された発明は、携帯電話を保有していない者やＡＴＭ出金時にたまたま所持していない者にとっては不便なやり方であった。

警察は、このような被害が発生すると、各金融機関に対して被害発生情報を知らせていた。警察から被害発生情報を提供された金融機関は、犯罪発生地域およびその周辺地域における所定の条件を満たす顧客のリストを生成し、当該顧客のＡＴＭ出金データについて、１つまたは複数の基準（例えば、所定額以上の出金かどうかなど）に基づいてモニタリングを行い、被害が疑われる場合には、当該口座の取引を停止し、口座保有者への架電による確認を行っていた。

特開２００８−２８７５１５号公報

従来のモニタリングでは、基準が画一的であり、柔軟な見直しが困難であったため、口座保有者が正当な理由で多額の出金をしたケースまで誤検出してしまい、不正利用の検出精度はあまり高いものではなかった。このため、モニタリングの対象顧客の数を増やすと、不正利用の把握数も増えるが、誤検出の数も増えることとなった。また、最終的な確認には人間による口座保有者への確認作業（例えば、架電など）を行う必要があり、人手がかかっていた。

本発明は、このような課題を解決するためになされたものであり、機械学習を利用して、ＡＴＭ不正利用の検知精度を向上させる銀行システム、および銀行システムによって実行される方法を提供することを目的とする。

本発明の一態様である銀行システムは、
ＡＴＭから受信したトランザクションデータに関連付けられる顧客マスタのデータにモニタリング対象を示す値が設定されているかどうかを判定し、前記モニタリング対象を示す値は、第１の判定変数に関連付けられる所定の処理の結果として設定され、
前記モニタリング対象を示す値が設定されているという条件で、前記受信したトランザクションデータが口座停止条件に該当するかどうかを判定し、
前記受信したトランザクションデータが口座停止条件に該当するという条件で、
前記受信したトランザクションデータに関連付けられる口座の取引を停止し、
複数の第２の判定変数を読み出し、読み出した前記第２の判定変数に関連付けられるデータを前記顧客マスタおよび／または前記トランザクションデータから読み出し、読み出した前記データと読み出した前記第２の判定変数とに基づいて、対応する第２のスコアを識別し、
読み出した前記第２の判定変数のそれぞれについて識別された前記対応する第２のスコアを加算して、第２の合計スコアを算出し、
前記第２の合計スコアの値が所定の基準値範囲であるかどうかを判定する
ように構成される。

本発明の別の一態様である銀行システムによって実行される方法は、
ＡＴＭから受信したトランザクションデータに関連付けられる顧客マスタのデータにモニタリング対象を示す値が設定されているかどうかを判定することであって、前記モニタリング対象を示す値は、第１の判定変数に関連付けられる所定の処理の結果として設定される、ことと、
前記モニタリング対象を示す値が設定されているという条件で、前記受信したトランザクションデータが口座停止条件に該当するかどうかを判定することと、
前記受信したトランザクションデータが口座停止条件に該当するという条件で、
前記受信したトランザクションデータに関連付けられる口座の取引を停止することと、
複数の第２の判定変数を読み出し、読み出した前記第２の判定変数に関連付けられるデータを前記顧客マスタおよび／または前記トランザクションデータから読み出し、読み出した前記データと読み出した前記第２の判定変数とに基づいて、対応する第２のスコアを識別することと、
読み出した前記第２の判定変数のそれぞれについて識別された前記対応する第２のスコアを加算して、第２の合計スコアを算出することと、
前記第２の合計スコアの値が所定の基準値範囲であるかどうかを判定することと
を備える。

本発明によれば、相対的に被害に遭いやすい顧客口座および取引を識別しやすくなり、ＡＴＭ不正利用の検知精度を向上させることができる。また、本発明によれば、正当な口座保有者の口座取引を誤って停止してしまうことを減少させることができ、追加被害阻止およびＡＴＭ不正利用検知に関する業務効率向上が可能となる。

本明細書において開示される実施形態の詳細な理解は、添付図面に関連して例示される以下の説明から得ることができる。
本発明の実施形態に係る銀行システムおよびＡＴＭを含むシステム全体の構成図である。 本発明の実施形態に係る銀行システムのシステム構成図である。 顧客マスタのデータ構造の一例を示す図である。 トランザクションデータのデータ構造の一例を示す図である。 第１の判定変数のデータ構造の一例を示す図である。 第２の判定変数のデータ構造の一例を示す図である。 本発明に係る、口座スコアの算出および対象顧客フラグの設定処理を説明するフロー図である。 本発明に係る、不正利用判定処理フローを説明する図である。

（全体構成）
図１は、本発明の実施形態に係る銀行システム１０およびＡＴＭ１１を含むシステム全体の構成図である。銀行システム１０およびＡＴＭ１１は、既知のネットワークを介して通信可能に接続されている。

銀行システム１０は、ＡＴＭ１１からトランザクションデータ（例えば、入金データ、出金データ、振込データ、あるいは残高照会データなど）を受信し、不正利用が行われたかどうかを判定することができる。また、銀行システム１０は、銀行内の業務オペレータの端末（不図示）や顧客が利用する端末（不図示）（例えば、ＰＣ、移動端末、など）から操作命令を受信し、当該操作命令に基づく処理を行うことができる（例えば、停止口座の解除など）。

ＡＴＭ１１は、現金自動預払機（ＡＴＭ：Automatic Teller Machine）またはキャッシュディスペンサー（ＣＤ：Cash Dispenser）を含み、ネットワークを介してトランザクションデータを銀行システム１０に送信する。図１では、ＡＴＭ１１は、１つしか示されていないが、複数存在し得る。

本明細書では、銀行システム１０は、１つの装置として説明されるが、銀行システム１０によって実行される様々な処理を複数の装置で分散して実行するように構成されてもよい。

（システム構成）
図２は、本発明の実施形態に係る銀行システム１０のシステム構成図である。図２に示すように、銀行システム１０は、一般的なコンピュータと同様に、バス１２０などによって相互に接続された制御部１０１、主記憶部１０２、補助記憶部１０３、インターフェース（ＩＦ）部１０４、および出力部１０５を備える。また、銀行システム１０は、ファイル／データベースなどの形式で、顧客マスタ１０６、トランザクションデータ１０７、第１の判定変数１０８、および第２の判定変数１０９を備える。

制御部１０１は、中央処理装置（ＣＰＵ）とも呼ばれ、銀行システム１０の各構成要素の制御やデータの演算を行い、また、補助記憶部１０３に格納されている各種プログラムを主記憶部１０２に読み出して実行する。主記憶部１０２は、メインメモリとも呼ばれ、受信した各種データ、コンピュータ実行可能な命令および当該命令による演算処理後のデータなどを記憶する。補助記憶部１０３は、ハードディスク（ＨＤＤ）などに代表される記憶装置であり、データやプログラムを長期的に保存する際に使用される。

図２の実施形態は、制御部１０１、主記憶部１０２および補助記憶部１０３を同一のコンピュータの内部に設ける実施形態について説明するが、他の実施形態として、銀行システム１０は、制御部１０１、主記憶部１０２および補助記憶部１０３を複数個使用することにより、複数のコンピュータによる並列分散処理を実現するように構成することもできる。また、他の実施形態として、銀行システム１０のための複数のサーバを設置し、複数サーバが一つの補助記憶部１０３を共有する実施形態にすることも可能である。

ＩＦ部１０４は、他のシステムや装置との間でデータを送受信する際のインターフェースの役割を果たし、また、システムオペレータから各種コマンドや入力データ（各種マスタ、テーブルなど）を受け付けるインターフェースを提供する。出力部１０５は、処理されたデータを表示する表示画面や当該データを印刷するための印刷手段などを提供する。

顧客マスタ１０６は、顧客情報を格納するマスタファイルである。図３は、本発明の実施形態に係る顧客マスタ１０６のデータ構造の一例を示す図である。顧客マスタ１０６は、顧客ＩＤ３０１、口座識別情報３０２、居住地・勤務地３０３、口座スコア３０４、および対象顧客フラグ３０５を含むことができるが、これらのデータ項目に限定されることはなく他のデータ項目も含むことが可能である。

顧客ＩＤ３０１は、顧客を識別する識別子である。口座識別情報３０２は、顧客が銀行に開設している口座を識別する情報、例えば、銀行コード、営業店コード、預金種目、口座番号、口座名称などの情報である。居住地・勤務地３０３は、顧客の居住地および／または勤務地を示す。口座スコア３０４は、銀行システム１０によって算出される、被害に遭いやすさのスコアを示す。対象顧客フラグ３０５は、被害に遭いやすい口座として不正利用に対するモニタリング対象になっていることを示すフラグである。

図２に戻って説明すると、トランザクションデータ１０７は、ＡＴＭ１１から受信した入出金データ、振込データなどのトランザクションデータであり、顧客口座に対する入出金明細データを格納する。図４は、本発明の実施形態に係るトランザクションデータ１０７のデータ構造の一例を示す図である。トランザクションデータ１０７は、取引日時４０１、口座識別情報４０２、入出金場所４０３、入出金区分４０４、金額４０５、トランザクションスコア４０６、および不正利用判定フラグ４０７を含むことができるが、これらのデータ項目に限定されることはなく他のデータ項目も含むことが可能である。

取引日時４０１は、トランザクションデータが発生した日時を示す。口座識別情報４０２は、顧客が銀行に開設している口座を識別する情報であり、当該トランザクションデータがどの顧客によるものなのかを示す情報である。入出金場所４０３は、入出金を行った場所、例えば、自行ＡＴＭ、他行ＡＴＭあるいはコンビニなどの外部ＡＴＭを示す。当業者には周知なように、各ＡＴＭには識別子が付与されており、ＡＴＭの識別子によってどの場所に設置されているＡＴＭであるかが分かるようになっている。

入出金区分４０４は、トランザクションデータが示す取引が入金取引であるのか、または出金取引であるのかを示す。金額４０５は、取引金額を示す。金額４０５は、入金取引または出金取引後の残高情報を含んでいてもよい。トランザクションスコア４０６は、トランザクションデータが示す取引の被害リスク度合いを示すスコアである。不正利用判定フラグ４０７は、トランザクションデータが示す取引が不正利用と判定されたかどうかを示すフラグである。

図２に戻って説明すると、第１の判定変数１０８は、顧客口座の口座スコア３０４を算出するための複数の判定変数を格納する。第１の判定変数１０８は、銀行システム１０が顧客マスタ１０６およびトランザクションデータ１０７に格納されているデータを機械学習して分析した結果によって、変数の内容（変数名５０２、基準５０４、スコア５０５）が動的に変化し得る。

図５は、本発明の実施形態に係る第１の判定変数１０８のデータ構造の一例を示す図である。第１の判定変数１０８は、変数ＩＤ５０１、変数名５０２、グループ５０３、基準５０４、およびスコア５０５を含むことができるが、これらのデータ項目に限定されることはなく他のデータ項目も含むことが可能である。

変数ＩＤ５０１は、各変数を識別する識別子である。変数名５０２は、第１の判定変数のそれぞれの変数名称を示す。グループ５０３は、ある変数に関連付けられる複数の基準のそれぞれを識別する識別子である。基準５０４は、変数名５０２に関連付けられる判定基準を示す。スコア５０５は、基準５０４のそれぞれに対応するスコアを示す。本明細書では、スコア５０５は、被害に遭いやすい場合に相対的に低い値とし、被害に遭いにくい場合に相対的に高い値としているが、本発明のスコア５０５は、これ以外の実施形態であっても可能である。

図５に挙げた例では、変数名５０２に「エリア情報」および「取引形態」が例示されているが、変数名５０２には、顧客属性および過去の振る舞いに関連付けられる変数が設定される。例えば、顧客の年齢や性別や居住地・勤務地に関連する変数、出金額に関連する変数、収入（入金額）に関連する変数、利用したＡＴＭまでの距離や利用回数の変数、利用時間帯（手数料発生有無も含む）の変数、利用したＡＴＭの属性（自行ＡＴＭ、他行ＡＴＭ、あるいはコンビニなどの外部ＡＴＭ）の変数、口座残高に関連する変数、など、顧客属性や顧客が金融機関と取引をする際に発生し得る各種事象が変数として設定される。金額などの数値情報は、平均値を用いてもよく、標準偏差等を使用する場合は、過去の所定期間（例えば、半年、１年間）の値に基づくことが可能である。

図２に戻って説明すると、第２の判定変数１０９は、各トランザクションデータが示す取引の被害リスク度合いを算出するための複数の判定変数を格納する。第２の判定変数１０９は、銀行システム１０が顧客マスタ１０６およびトランザクションデータ１０７に格納されているデータを機械学習して分析した結果によって、変数の内容（変数名６０２、基準６０４、スコア６０５）が動的に変化し得る。

図６は、本発明の実施形態に係る第２の判定変数１０９のデータ構造の一例を示す図である。第２の判定変数１０９は、変数ＩＤ６０１、変数名６０２、グループ６０３、基準６０４、およびスコア６０５を含むことができるが、これらのデータ項目に限定されることはなく他のデータ項目も含むことが可能である。

変数ＩＤ６０１は、各変数を識別する識別子である。変数名６０２は、第２の判定変数のそれぞれの変数名称を示す。グループ６０３は、ある変数に関連付けられる複数の基準のそれぞれを識別する識別子である。基準６０４は、変数名６０２に関連付けられる判定基準を示す。スコア６０５は、基準６０４のそれぞれに対応するスコアを示す。本明細書では、スコア６０５は、不正利用と判断される場合に相対的に低い値とし、不正利用と判断されない場合に相対的に高い値としているが、本発明のスコア６０５は、これ以外の実施形態であっても可能である。

図６に挙げた例では、変数名６０２に「過去の取引振」および「利用状況」が例示されているが、変数名６０２には、不正利用の検知精度を向上させ得る変数が設定される。例えば、顧客の年齢や性別や居住地・勤務地に関連する変数、所定期間におけるＡＴＭ出金額に関連する変数、過去利用ＡＴＭの自宅や勤務地からの距離に関連する変数、入金額と出金額の割合の変数、所定期間におけるＡＴＭの利用回数や利用時間帯に関連する変数、利用したＡＴＭの属性（自行ＡＴＭ、他行ＡＴＭ、あるいはコンビニなどの外部ＡＴＭ）に関連する変数、口座残高に関連する変数、被害発生多発地域でのＡＴＭ利用に関連する変数、過去平均出金額との乖離に関連する変数、など、顧客属性や顧客が金融機関と取引をする際に発生し得る各種事象が変数として設定される。金額などの数値情報は、平均値を用いてもよく、標準偏差等を使用する場合は、過去の所定期間（例えば、半年、１年間）の値に基づくことが可能である。

（処理フロー：口座スコアの算出および対象顧客フラグの設定処理）
図７は、本発明に係る、口座スコアの算出および対象顧客フラグの設定処理を説明するフロー図である。図７の処理フローでは、顧客属性および過去の振る舞いの学習によるリスク度合いの高い顧客の口座を特定する処理を説明する。

Ｓ７０１にて、銀行システム１０は、第１の判定変数１０８から複数の第１の判定変数を読み出し、読み出した第１の判定変数を主記憶部１０２に格納する。あるいは、第１の判定変数は、１件ずつ第１の判定変数１０８から読み出され、銀行システム１０がＳ７０２の処理を繰り返し行うようにしてもよい。

Ｓ７０２にて、銀行システム１０は、読み出した第１の判定変数の１つに関連付けられるデータを顧客マスタ１０６および／またはトランザクションデータ１０７から読み出す。例えば、図５の例で言えば、読み出した第１の判定変数が「エリア情報」である場合、銀行システム１０は、顧客マスタ１０６から顧客の居住地情報を読み出し、読み出した居住地情報を、警察などの外部機関から受信した〇〇地域の情報と比較し、顧客の居住地が〇〇地域からどれ位の距離にあるかを算出する。その後、銀行システム１０は、算出した距離が基準５０４のいずれに該当するか否かを判定し、対応するスコア５０５を識別する。なお、第１の判定変数によっては、（例えば、距離が離れすぎているなどの理由で）スコアを識別せずに、他の第１の判定変数についてＳ７０２の処理が繰り返されてもよい。別の例として、読み出した第１の判定変数がトランザクションデータ１０７に格納されている情報に関連する場合、銀行システム１０は、トランザクションデータ１０７に格納されている情報（例えば、トランザクションスコア４０６や不正利用判定フラグ４０７など）に基づいてスコア５０５を識別することができる。

Ｓ７０２の処理では、読み出した第１の判定変数の全ての変数について上述の処理を繰り返し、各変数について識別したスコアを主記憶部１０２に格納する。

Ｓ７０３にて、銀行システム１０は、Ｓ７０２にて識別した、第１の判定変数のそれぞれのスコアを加算し、合計スコアを算出する。銀行システム１０は、合計スコアを顧客マスタ１０６の口座スコア３０４に設定し、顧客マスタ１０６をアップデートする。

Ｓ７０４にて、銀行システム１０は、顧客マスタ１０６から所定の範囲の口座スコアの値を持つ顧客データを読み出し、対象顧客フラグ３０５にＡＴＭ不正利用検知のモニタリング対象になっていることを示す値を設定し、顧客マスタ１０６をアップデートする。また、銀行システム１０は、それ以外の顧客マスタ１０６のデータについては、対象外であることを示す値を設定することができる。

なお、第１の判定変数１０８および顧客マスタ１０６に設定されるスコアやフラグの値は動的に変更され得る。図８を参照しながら説明するように、銀行システム１０は、ＡＴＭ１１から受信したトランザクションデータに基づいて不正利用であるかどうかを判定した結果を機械学習することができ、機械学習の結果として、第１の判定変数１０８の内容が変わる場合には、銀行システム１０は、顧客マスタ１０６に設定されているスコアやフラグの値を動的に変更することができる。

（処理フロー：不正利用判定処理）
図８は、本発明に係る、不正利用判定処理フローを説明する図である。Ｓ８０１にて、銀行システム１０は、ＡＴＭ１１からトランザクションデータを受信し、受信したデータをトランザクションデータ１０７に格納する。受信したトランザクションデータは、ＡＴＭ１１にて行われた出金処理に関連付けられるものであってよい。なお、出金処理は、振込処理を含んでよい。

Ｓ８０２にて、銀行システム１０は、受信したトランザクションデータに含まれる口座識別情報４０２の情報に基づいて、口座識別情報が一致する顧客マスタ１０６のデータを特定し、対象顧客フラグ３０５にＡＴＭ不正利用検知のモニタリング対象になっていることを示す値が設定されているかどうかを判定する。設定されている場合にはＳ８０３に処理が進み、設定されていない場合には本処理フローを終了し、別のトランザクションデータの処理を行う。

Ｓ８０３にて、銀行システム１０は、受信したトランザクションデータが口座停止条件に該当するかどうかを判定する。口座停止条件は、例えば、
（１）犯罪多発地域に設定されているＡＴＭでの出金か？
（２）自行ＡＴＭ以外のＡＴＭ（他行、コンビニなど）での出金か？
（３）所定の閾値上限を超す出金か？
など、任意で設定された複数の条件であってよい。

受信したトランザクションデータが口座停止条件に該当する場合には、口座の取引を停止した上でＳ８０４に処理が進み、該当しない場合には本処理フローを終了し、別のトランザクションデータの処理を行う。口座の取引を停止することは、当業者には周知なように、銀行システム１０が当該口座に関連する取引（入出金など）を行わないように制御することを示す。

Ｓ８０４にて、銀行システム１０は、第２の判定変数１０９から複数の第２の判定変数を読み出し、読み出した第２の判定変数を主記憶部１０２に格納する。あるいは、第２の判定変数は、１件ずつ第２の判定変数１０９から読み出され、Ｓ８０５の処理が繰り返し行われるように構成されてもよい。

Ｓ８０５にて、銀行システム１０は、読み出した第２の判定変数の１つに関連付けられるデータを顧客マスタ１０６および／またはトランザクションデータ１０７から読み出す。例えば、図６の例で言えば、読み出した第２の判定変数が「過去の取引振」である場合、銀行システム１０は、Ｓ８０１にて受信したトランザクションデータの入出金場所４０３によって示されるＡＴＭの場所が〇〇であるかどうか、など過去の取引振の内容を判定する。当業者には周知なように、それぞれのＡＴＭには識別子が付与されており、各金融機関は、それぞれのＡＴＭの設置場所を把握し得る。

銀行システム１０は、トランザクションデータによって示される出金が〇〇ＡＴＭで行われたと判定した場合、図６に例示されるような第２の判定変数１０９に従って、どの基準６０４に該当するかを特定し、対応するスコア６０５を識別する。

銀行システム１０は、読み出した第２の判定変数の全ての変数について上述の処理を繰り返し行い、各変数について識別したスコアを加算して、合計スコアを算出する。銀行システム１０は、合計スコアをトランザクションスコア４０６に設定し、トランザクションデータ１０７をアップデートする。

Ｓ８０６にて、銀行システム１０は、トランザクションデータ１０７のトランザクションスコア４０６の値が、所定の基準値未満であるかどうかを判定する。基準値未満と判定された場合には、Ｓ８０７に処理が進み、基準値未満と判定されない場合には、Ｓ８０８に処理が進む。

Ｓ８０７にて、銀行システム１０は、トランザクションデータ１０７の不正利用判定フラグ４０７に、Ｓ８０１にて受信したトランザクションデータが示す取引が不正利用と判定されたことを示す値を設定し、トランザクションデータ１０７をアップデートする。

Ｓ８０８にて、銀行システム１０は、トランザクションデータ１０７の不正利用判定フラグ４０７に、Ｓ８０１にて受信したトランザクションデータが示す取引が不正利用と判定されなかったことを示す値を設定し、トランザクションデータ１０７をアップデートする。

Ｓ８０７またはＳ８０８の処理の後、銀行システム１０は、業務オペレータの端末に判断結果を通知し、業務オペレータは、顧客とコンタクトを取った結果を銀行システム１０に送信し、銀行システム１０は、当該結果に基づいてトランザクションデータ１０７の該当データを変更することができる。なお、銀行システム１０は、顧客の端末から判断結果に対する変更依頼を受信したことに応答して、該当データを変更するように構成されてもよい。銀行システム１０は、この変更内容（例えば、判断の変更あり／なし）を機械学習することができ、機械学習の結果得られた情報に基づいて、Ｓ８０３の「口座停止条件」およびＳ８０６の「所定の基準値」を動的に変更することができる。

また、銀行システム１０は、Ｓ８０３にて取引を停止した口座の停止解除命令を業務オペレータの端末から受信したことに応答して（すなわち、顧客とのコンタクトの結果、顧客による正当な利用であったことが判明し、停止解除を顧客から要求された）、口座の停止解除をすることができる。あるいは、銀行システム１０は、顧客が利用する任意の端末からの（例えば、任意のアプリケーションを介しての）口座の提示解除要求を受信したことに応答して、口座の停止解除をすることができる。顧客自らが解除を要求してきたことは、不正利用ではないと判定されるため、銀行システム１０は、当該トランザクションデータについて第２の判定変数のいずれが誤った判断をした元になったかを機械学習することができる。

以上、例示的な実施形態を参照しながら本発明の原理を説明したが、本発明の要旨を逸脱することなく、構成および細部において変更する様々な実施形態を実現可能であることを当業者は理解するだろう。すなわち、本発明は、例えば、システム、装置、方法、プログラムもしくは記憶媒体等としての実施態様をとることが可能である。

１０ 銀行システム
１１ ＡＴＭ
１０１ 制御部
１０２ 主記憶部
１０３ 補助記憶部
１０４ インターフェース（ＩＦ）部
１０５ 出力部
１０６ 顧客マスタ
１０７ トランザクションデータ
１０８ 第１の判定変数
１０９ 第２の判定変数

Claims (9)

1. 銀行システムであって、前記銀行システムは、
   ＡＴＭから受信したトランザクションデータに関連付けられる顧客マスタのデータにモニタリング対象を示す値が設定されているかどうかを判定し、前記モニタリング対象を示す値は、第１の判定変数に関連付けられる所定の処理の結果として設定され、
   前記モニタリング対象を示す値が設定されているという条件で、前記受信したトランザクションデータが口座停止条件に該当するかどうかを判定し、
   前記受信したトランザクションデータが口座停止条件に該当するという条件で、
   前記受信したトランザクションデータに関連付けられる口座の取引を停止し、
   複数の第２の判定変数を読み出し、読み出した前記第２の判定変数に関連付けられるデータを前記顧客マスタおよび／または前記トランザクションデータから読み出し、読み出した前記データと読み出した前記第２の判定変数とに基づいて、対応する第２のスコアを識別し、
   読み出した前記第２の判定変数のそれぞれについて識別された前記対応する第２のスコアを加算して、第２の合計スコアを算出し、
   前記第２の合計スコアの値が所定の基準値範囲であるかどうかを判定する
   ように構成されている銀行システム。
2. 前記第２の合計スコアの値が所定の基準値範囲であると判定されたという条件で、前記トランザクションデータが示す取引が不正利用と判定されたことを示す第１の値を前記トランザクションデータに設定し、
   前記第２の合計スコアの値が所定の基準値範囲でないと判定されたという条件で、前記トランザクションデータが示す取引が不正利用と判定されなかったことを示す第２の値を前記トランザクションデータに設定する
   ようにさらに構成される、請求項１の銀行システム。
3. 前記第１の値が設定され、または前記第２の値が設定された後、
   前記口座に関連付けられる顧客からの応答に基づいて、前記トランザクションデータの前記第１の値が変更されたこと、または前記トランザクションデータの前記第２の値が変更されたことを機械学習する
   ようにさらに構成される、請求項２の銀行システム。
4. 前記口座停止条件および前記所定の基準値は、前記機械学習の結果として得られた情報に基づいて動的に更新される、請求項３の銀行システム。
5. 顧客に関連付けられる口座停止解除要求を受信したことに応答して、前記口座停止解除要求に関連付けられる前記トランザクションデータの前記第２の判定変数を機械学習するようにさらに構成される、請求項１乃至請求項４のいずれか一項の銀行システム。
6. 前記顧客マスタのデータにモニタリング対象を示す値を設定することは、
   読み出した前記第１の判定変数に関連付けられるデータを前記顧客マスタおよび／または複数の前記トランザクションデータから読み出し、読み出した前記第１の判定変数に関連付けられるデータと読み出した前記第１の判定変数とに基づいて、対応する第１のスコアを識別し、
   読み出した前記第１の判定変数のそれぞれについて識別された前記第１のスコアを加算して、第１の合計スコアを算出し、
   所定範囲の前記第１の合計スコアに関連付けられる顧客データを、前記モニタリング対象を示す値で更新する
   ことによって実行される、請求項１の銀行システム。
7. 前記第１の判定変数、顧客データに関連付けられる前記第１のスコア、および前記モニタリング対象を示す値は、機械学習の結果として動的に変更される、請求項６の銀行システム。
8. 銀行システムによって実行される方法であって、前記方法は、
   ＡＴＭから受信したトランザクションデータに関連付けられる顧客マスタのデータにモニタリング対象を示す値が設定されているかどうかを判定することであって、前記モニタリング対象を示す値は、第１の判定変数に関連付けられる所定の処理の結果として設定される、ことと、
   前記モニタリング対象を示す値が設定されているという条件で、前記受信したトランザクションデータが口座停止条件に該当するかどうかを判定することと、
   前記受信したトランザクションデータが口座停止条件に該当するという条件で、
   前記受信したトランザクションデータに関連付けられる口座の取引を停止することと、
   複数の第２の判定変数を読み出し、読み出した前記第２の判定変数に関連付けられるデータを前記顧客マスタおよび／または前記トランザクションデータから読み出し、読み出した前記データと読み出した前記第２の判定変数とに基づいて、対応する第２のスコアを識別することと、
   読み出した前記第２の判定変数のそれぞれについて識別された前記対応する第２のスコアを加算して、第２の合計スコアを算出することと、
   前記第２の合計スコアの値が所定の基準値範囲であるかどうかを判定することと
   を備える方法。
9. プロセッサによって実行されると、銀行システムに請求項８に記載の方法を実行させるプログラム。

Images