Microsoft AI によって銀行取引の安全性を確保するには - Swift の成功事例
銀行業務は、制度と運用のセキュリティと信頼性に依存しています。 したがって、これらの原則を保証することは、すべての銀行にとって重要な優先課題です。 では、銀行取引のセキュリティ強化に向けた具体的なイニシアティブについてご紹介しましょう。
組織
Swift (国際銀行間通信協会)は、1973年にベルギーで設立されて以来、銀行や金融機関の間での通信を可能にしてきました。 Swift は、全世界で使用される標準を設定しています。 これにより、Swift は年に 90 億を超える金融メッセージをやりとりし、資金や証券の送受信や処理を行っています。
Swift のインフラストラクチャは、1万1,500 以上の金融機関と接続し、200 を超える国と地域でサービスと製品を提供しています。 コラボレーションと相乗効果は、Swift のカルチャと成功の鍵です。 Swift は、その広大な銀行ネットワークを使用して、共通の問題に対するグローバルな解決策を見いだすことに精通しています。
課題
信頼とセキュリティは、Swift の事業の基盤です。 しかし、国境を越えた取引の増加や即時決済ネットワークの広がりによって、金融業界は金融犯罪の増加に直面しています。 この問題では、不正対応や資金回収などに、既に年間数千億というコストがかかっています。
このセクターには、金融犯罪と効果的に戦えるソリューションが必要です。 Swift ほどの大規模なネットワークでなければ、これほど困難なプロジェクトを実行することはできません。 Microsoft も自社のプラットフォームと AI モデルを活用してこのソリューションを強化するために共同で取り組んでいます。
解決策
Swift は、精度の高い不正行為を阻止するための異常検出モデルを構築することを決定しました。 このソリューションは、AI システムを管理するための Microsoft プラットフォームである Azure Machine Learning で構築され、Azure Confidential Computing と Microsoft Purview を使用してデータのプライバシーを確保しています。
Swift と Microsoft は、この AI を構築するにあたり連合学習手法を選択しました。 このアプローチは、独立した分散セッションでのモデルのトレーニングで構成されます。 連合学習の利点は、プロジェクトに参加している銀行がトレーニング データを共有する必要がないという点です。これは、参加銀行がそれぞれ自行のデータセットを使用してモデルをトレーニングするためです。
この考え方に沿って、Swift は最初の異常検出モデルを開発し、メンバーの銀行と共有しました。 各銀行は、自行のデータセットを使用してモデルを改良し、それにより得られるモデルの正確性は向上しています。 このワークフローが可能なのは、Azure Machine Learning で分散データセットに基づいたモデルをトレーニングできるためです。
この分散アーキテクチャの鍵は、データの機密性を確保することにあります。 このソリューションは、Azure Confidential Computing、Microsoft Purview、ゼロ トラスト ベースのポリシー フレームワークを使用することで、安全が確保された保存先からデータをコピーまたは移動することなく、Azure Machine Learning が分散データセットを取り込むことを可能にします。
成果
Swift は、金融サービス業界用として、これまでで最も精度の高い異常検出モデルの構築に成功しています。 この AI は、全世界の決済保護に役立つでしょう。 このソリューションにより、不正対応や資金回収にかかるコストの削減がすでに実現しています。
詳細については、「Swift が Azure コンフィデンシャル コンピューティングを使用した革新により、グローバルな金融トランザクションをセキュリティで保護する方法」を参照してください。
次に、保険業界の顧客事例について紹介します。