2025 年には、アメリカの消費者だけで不正利用による損失額が 159 億ドルに達したと報告されており、攻撃の手口は絶えず高度化しています。ダークウェブの市場では盗まれたカードデータが大量に販売され、ボットネットワークは 1 時間に何千回ものカードテストを実行し、組織的な犯罪集団は商品を受け取った後に組織的にチャージバックを申請します。最高の EC 不正利用防止ソフトウェアは、少し変わった行動をとる正当な顧客を拒否することなく、不正な取引をブロックします。

以下では、オンライン小売業者に影響を与える主な不正利用の種類、3 つのカテゴリーに分かれる防止ツールの違い、そしてビジネス固有のリスクプロファイルに合ったソリューションを選択する方法について説明します。

この記事でわかること

• EC の不正利用にはいくつかの異なる攻撃タイプがあり、それぞれに異なる検出メカニズムが必要です。

• 不正利用防止ツールは、2 つのメカニズムを通じて機能します。1 つは取引が完了する前に不正な取引をブロックすること、もう 1 つは不審請求の申し立てが行われた際に反証資料を生成して解決に導くことです。

• 適切な EC の不正利用防止ソリューションは、取引量、不正利用が集中している場所、および技術インフラストラクチャがサポートできる内容によって異なります。

EC 向け不正利用防止ソフトウェアとは何ですか？

EC 向け不正利用防止ソフトウェアは、不正な取引を特定し、完了する前にブロックするか、商品が発送されたりチャージバックが発生したりする前に介入できるほど迅速にフラグを立てる、自動化されたツールのシステムです。オンラインビジネスが決済の不正利用を軽減するために使用するものです。

EC における一般的な不正利用の種類は何ですか？

オンライン小売業者は特定の不正利用パターンに直面しており、少数の攻撃タイプが損失の大部分を占めています。

以下は、最も一般的な EC における不正利用の種類です。

• Card Not Present (CNP) 不正利用: 犯罪者がフィッシング、データ侵害、またはダークウェブでの購入を通じてカードデータを取得し、カード会員が気付く前にそのデータを使用して注文を行います。物理的なカードが関与しないため、標準のチップと PIN による保護は適用されません。検出は行動シグナルとコンテキストシグナルに依存します。

• カードテスティング: 不正な行為者は、ビジネスの決済フローを確認ツールとして使用します。少額の取引 (場合によっては 1 ドル未満) を実行し、盗まれたカード番号がまだ有効かどうかを確認してから、他の場所でより高額な購入に使用したり、販売したりします。カードテスティングに対抗するためのレート制限や速度ルールを設けないと、ビジネスのオーソリ費用が上昇し、不正シグナルデータが汚染されます。

• フレンドリーフロード: 実際のカード会員が注文を行い、商品を受け取った後、カードを利用していない、または商品が届いていないと主張して、銀行に対して不審請求を申し立てます。不審請求の申し立てで主張を認めてもらうには、配達証明、IP ログ、デバイスフィンガープリントなどの証拠が必要です。

• 返金とプロモーションの悪用: 顧客が使用済みの商品や偽造品を返品したり、ビジネスのシステムが防止するように設計されていない方法でプロモーションコードを積み重ねたりします。返金の不正利用やプロモーションの悪用は、取引データでは常に不正利用のように見えるとは限らず、アカウントレベルの行動分析に特化して構築されたツールがないと捕捉が困難になります。

どのような種類の EC 向け不正利用防止ソリューションがありますか？

不正利用防止ソフトウェア市場には、大きく 3 つのカテゴリーがあります。それぞれ、カバレッジ、コスト、連携の複雑さにおいて異なるトレードオフがあります。以下の点を考慮してください。

PSP 統合型不正ツール

決済代行業者 (PSP) のサービスに組み込まれた不正ツールは、決済の時点で機能し、プロバイダーがすでに収集した決済データに直接アクセスします。決済に遅延を追加するサードパーティへの API (アプリケーションプログラミングインターフェイス) コールはなく、不正シグナル (カード履歴、不審請求の申し立て率、プロバイダーのネットワーク全体での取引速度など) が直接決定エンジンに送信されます。不正ツールを含むプロバイダーを通じてすでに処理している場合、連携は最小限に抑えられます。制約として、カバレッジは通常決済の不正利用のみを対象としている点が挙げられます。アカウントレベルの悪用、プロモーションの不正利用、取引後の不審請求の申し立てには、多くの場合、追加のツールが必要になります。

スタンドアロンの不正利用防止プラットフォーム

サードパーティのプラットフォームは、決済と決済代行業者の間に位置します。取引データ、デバイスシグナル、サイトからの行動データを使用し、決済のオーソリ前にリスクスコアまたは判定を返します。これらのプラットフォームは、より幅広いカバレッジを提供します。決済レイヤーだけでなく、アカウント作成から返金まで、顧客のライフサイクル全体にわたって不正利用を処理するように構築されています。また、より設定可能なルールエンジンを提供する傾向があり、不正利用パターンが異常な場合や、商品カタログが非典型的なリスクシグナルを生成する場合に重要になります。トレードオフは、事前の連携作業と管理すべき追加のベンダー関係です。

チャージバック保証プロバイダー

一部のベンダーは異なる商業モデルを提供しています。不正利用検出に固定料金を請求するのではなく、注文を承認または拒否し、承認した注文について完全なチャージバック責任を負います。彼らが処理した取引で不正利用関連の不審請求の申し立てが発生した場合、彼らがそれをカバーします。これにより、経済的リスクは移行しますが、意思決定のコントロールは変わります。お客様は、ベンダーが保証する注文についての承認決定を受け入れることになりますが、お客様なら承認したであろう顧客をベンダーのモデルが拒否した場合、摩擦が生じる可能性があります。

EC の不正利用防止ソフトウェアで重視すべき機能

不正利用防止ソフトウェアに求める具体的な機能は、取引量と不正利用のリスクによって異なります。

一般的に、以下の点を考慮する価値があります。

• リアルタイムの決定: 決済の完了後に決定を返す不正利用ツールでは遅すぎます。評価は、セッションがアクティブな状態で、オーソリの前に実行される必要があります。ツールの平均意思決定レイテンシが、目立った遅延を追加することなく決済フロー内に収まるかどうかを確認してください。

• ネットワークデータでトレーニングされた機械学習 (ML) モデル: 自社の取引のみでトレーニングされた ML モデルは、特に初期段階のビジネスの場合、限られたシグナルから開始されます。何千ものビジネスにわたるネットワーク全体の取引データを活用するツールは、自社の取引量だけでは見えない不正利用パターンを特定できます。

• 設定可能なルールエンジン: 事前構築されたモデルは広範な不正利用パターンを捉えますが、ビジネスには一般的なモデルでは完全には捉えきれない固有のリスク特性があります。カスタムルールを作成する機能 (例: 過去の不正利用に関連する住所宛ての注文をブロックする、請求先と配送先の国が異なる高額注文にフラグを立てる、特定のしきい値を超える取引には [3D セキュア (3DS)]](https://stripe.com/resources/more/3d-secure-101) を要求する) により、実際のリスクに合わせてシステムを調整できます。

• チャージバック率への影響データ: どのベンダーも、自社のツールが同業他社の不審請求の申し立て率にどのような影響を与えるかを示すことができるはずです。実際の数値を含む参照データやケーススタディを提供できない場合は、危険信号とみなしてください。

• スタックとの連携: Shopify、WooCommerce、またはカスタムプラットフォームのどれを使用しているかによって、どのツールが実用的かが決まります。エンジニアリングチームがサポートできない場合、API の深い実装が必要なソリューションは実行不可能です。

EC 向け不正利用防止ツールはチャージバック率にどのような影響を与えますか？

チャージバックは不正利用による直接的な経済的影響であり、その影響は複合的です。カードネットワークはチャージバック率を監視しており、ネットワークの基準値を継続して超えた場合、罰金や監視の強化に直面したり、カード処理機能自体を完全に失ったりする可能性があります。

不正利用防止ツールは、不正な取引が完了する前にブロックすることで、不審請求の申し立ての発生を防ぎ、チャージバック率に影響を与えます。また、申し立てが行われた場合、再提示プロセスで勝訴するために必要な反証資料を生成します。

誤検出の割合も重要です。攻撃的に拒否しすぎるツールは不正利用を減らしますが、正当な顧客も拒否してしまい、これは不審請求の申し立てデータではなくオーソリ成功率データに表れます。通常、ツールでは感度のしきい値を調整でき、多くのツールでは自動的に拒否するのではなく、不確かなケースを手動のレビューリストにルーティングします。適切な調整を見つけることが、継続的な管理作業の大半を占めます。

適切な EC 向け不正利用防止ソリューションはどのように選択すればよいですか？

適切な EC 向け不正利用防止ソリューションは、お客様のビジネスに固有の要因によって異なります。いくつかの構造的な問題により、選択肢は絞られます。

• 取引量: ML ツールはデータとともに向上します。1 カ月あたりの処理件数が数百件未満の場合、お客様自身の履歴でトレーニングされたスタンドアロンの ML プラットフォームでは、正確なシグナルが十分に得られません。広範なカバレッジを持つプラットフォームからのネットワークレベルのデータ、または決済代行業者の統合された不正ツールへの依存度が高くなります。

• 不正利用の集中度: 損失のほとんどが決済時の CNP 不正利用によるものである場合、決済レイヤーソリューションがエクスポージャーのほとんどをカバーする可能性があります。プロモーションの悪用や返品の不正利用が見られる場合は、顧客のライフサイクル全体で機能するツールが必要です。

• 技術インフラ: フル機能の API を備えたサードパーティの不正プラットフォームは強力ですが、それを連携して維持するエンジニアがいる場合に限られます。専任のエンジニアリングリソースがないビジネスの場合は、EC プラットフォームや決済代行業者とネイティブに連携するツールを使用する方が、多くの場合適しています。

• 誤検出の許容度: 競争が激しく利益率の低いコモディティ商品を販売している場合、正当な顧客を拒否することは、購入サイクルが長く利益率の高い商品を販売している場合とは異なるコストを伴います。顧客との関係に大きく依存するビジネスでは、評価において誤検出率を真剣に考慮する必要があります。

• 現在のチャージバックリスク: カードネットワークがお客様のビジネスを監視している場合、または監視しようとしている場合、たとえコストが高くても、検出のみのツールよりもチャージバック保証モデルの方が経済的に理にかなっている可能性があります。不正利用は管理可能だが懸念が高まっている場合は、優れたルールカスタマイズを備えた検出重視のツールを使用することで、結果をより細かく制御できます。

Stripe Radar でできること

Stripe Radar は不正利用対策のためのツールです。Stripe のグローバルネットワークから得たデータを活用して訓練された AI モデルを使い、不正利用を検知・防止します。最新の不正傾向に応じてモデルを常に更新し、ビジネスを守ります。

Stripe はこのほか、Radar for Teams も提供しています。ユーザーは自社ビジネス特有の不正シナリオに対応するカスタムルールを追加でき、高度な不正分析情報にアクセスできます。
Radar で可能なこと

• 不正利用による損失の防止: Stripe は年間 1 兆ドルを超える決済を処理しています。この規模だからこそ、Radar は不正利用を正確に検知・防止し、コスト削減に貢献します。

• 収入の向上: Radar の AI モデルは、実際の不審請求の申し立てデータ、顧客情報、閲覧データなどをもとに学習しています。これにより、Radar はリスクの高い取引を特定し、誤検知を減らして、収入向上に貢献します。

• 業務効率化: Radar は Stripe に組み込まれており、設定のためのコーディングは一切不要です。単一のプラットフォームで不正利用の動きを監視したり、ルールを作成したりすることができるため、業務効率も向上します。

Stripe Radar について詳しくはこちらをご覧ください。今すぐ開始する場合はこちら。