登録フローはコンバージョンを高めるように設計されており、その設計が登録時の不正利用に対して予測可能な隙を生み出します。偽アカウントや複数アカウントの操作は、通常のユーザーがすばやく登録できるようにする、摩擦の少ない条件を悪用します。つまり、最小限の検証と、入ってくるすべてのアカウントを履歴のない初見のアカウントとして扱うシステムです。偽アカウントを使用した不正利用は現実の問題です。不正行為者が身分を偽ったりアカウントを操作したりしたことにより、2025 年に不審請求の申し立てが増加したと、加盟店の 62%が報告しています。

以下では、偽のユーザーや組織的な複数アカウントの不正利用を検出する方法、一見異なるように見えても基盤となるインフラストラクチャを共有しているアカウントをリンク分析で関連付ける方法、そして正当な登録を遅らせることなく常習的な不正利用者に対処する方法について説明します。

ハイライト

• 個々のアカウントが問題ないように見える場合、偽のユーザーや複数アカウントの不正利用を見つけるのは困難です。そのため、共通する属性を横断したリンク分析が効果的な選択肢となります。

• 段階的な検証では、すべての登録に同じチェックを適用するのではなく、リスクスコアが高いアカウントにのみフリクションを設けることで、コンバージョンを高く保ちます。

• 複数アカウントの利用は、無料トライアルの不正利用、紹介プログラムの不正利用、サブスクリプションの不正利用に共通する仕組みです。登録時の不正検出は、より広範な不正対策戦略の中核に据える必要があります。

偽のユーザーと複数アカウント登録の不正利用

偽のユーザーとは、使い捨てメールアドレス、架空の名前、仮想電話番号など、信頼性の低い本人確認シグナルを使用して作成されたアカウントや、基本的な検証には合格するものの、実際に利用する意思のある実在の人物に結び付かない身元情報を使用して作成されたアカウントを指します。複数アカウントの不正利用は、これと関連しているものの別個の問題です。1 人の行為者が、お客様がすでに適用した制限、ポリシー、利用停止措置を回避するために、多くの場合、一見異なる身元情報を使って複数のアカウントを作成します。

登録フローで複数アカウント登録の不正利用が多発する理由

登録のコンバージョンを高める条件は、不正利用を容易にする条件と同じです。

問題を引き起こす要因は次のとおりです:

• 容易な登録: 登録時の検証が最小限だと、各新規アカウントを未知の利用者として扱うことになり、執拗な行為者はこれを繰り返し悪用します。メール確認は軽微な不正利用を防ぐのに役立ちますが、エイリアスを作成できるドメインや使い捨ての受信トレイを使用する行為者には効果がありません。

• 自動化: アカウントを手動で作成するのは面倒です。一方、スクリプトでアカウントを作成し、認証情報をローテーションさせ、レジデンシャルプロキシを切り替えて使用する場合は、数時間の準備で数百件のアカウントを生成できます。メールエイリアス化、仮想番号生成、ブラウザフィンガープリントの偽装のためのツールが広く利用できるようになったため、自動化への参入障壁は低くなっています。

• 不十分な検証: 電話による確認は不正利用の抑止力になりますが、Voice over Internet Protocol (VoIP) 番号で回避される可能性があります。メール確認や電話確認だけでは、新しく入ってくるアカウントが、事業者がすでに把握しているアカウントと別個のものだとは証明できません。

• 実質的なインセンティブ: 新規アカウントに無料トライアル、紹介クレジット、プロモーション割引が付与されている場合、アカウント作成には明確な金銭的価値があります。

無料トライアルの悪用、紹介の不正利用、利用禁止の回避、プロモーションクレジットの獲得に使われる仕組みは同じです。事業者の登録フローには過去の情報が保持されておらず、悪意ある行為者はそれを知っています。

偽のユーザーと複数アカウント登録の不正利用を示すシグナル

1 つのシグナルだけで決定的な判断はできませんが、複数を組み合わせると高い予測精度が得られます。

偽のユーザーと複数アカウント登録の不正利用を示す特に有力な指標は次のとおりです:

• デバイスとブラウザの重複: 複数のアカウントで共有されるフィンガープリントは、有力な指標です。フィンガープリントは偽装できますが、多くのアカウントで一貫して偽装するには手間がかかるため、不正行為ではこの工程が省かれることがあります。

• 異常なネットワークパターン: 同じインターネットプロトコル (IP)、同じ自律システム番号 (ASN)、またはデータセンターの IP 範囲から登録が繰り返される場合、自動化や連携を強く示唆する可能性があります。住宅系プロキシのトラフィックはフィルタリングが困難ですが、地理的な不整合が見られることがあります。

• 反復的なメールアドレスの構造: 悪意のある行為者は、使い捨てドメインやエイリアスパターン (メールアドレスの「+tag」サフィックスや、j.ohn.doe@domain.com のようなドットのバリエーションなど) を使用する可能性があります。また、主要ではない単一のドメインから大量に登録したり、複数のアカウントにわたって検出可能な命名パターンに従うアドレスを使用したりすることもあります。

• 本人確認情報フィールドの類似性: わずかに異なるものの、構造的な類似性 (連番、文字の入れ替え、異なるサフィックスを持つ同じベース名など) がある名前、住所、電話番号は、実在の人物の情報ではなく、生成された身元情報であることを示唆する可能性があります。

• 機械的な登録の速度とタイミング: スクリプトによる動作を示唆するように短時間に集中して、または一定の間隔で作成されたアカウントは、人間のユーザーの登録方法とは一致しません。

• 登録後の行動パターン: 実際のユーザーはさまざまな操作を試します。不正利用のアカウントは、トライアルの有効化、プロモコードの利用、紹介の開始など、最も価値の高いアクションに直接進み、そこで活動を止める可能性があります。特定の 1 つのアクションを完了して休眠状態になるアカウントの割合が高い場合は、調査する価値があります。

リンク分析による偽のユーザーと複数アカウント登録の不正利用の検出方法

個別のシグナルをブロックすることは必要ですが、それだけでは不十分です。執拗な行為者は入力情報を入れ替えるため、より持続的に有効なアプローチはリンク分析です。

その方法をご紹介します。

• アイデンティティ属性をグラフノードとして扱う: メールアドレス、デバイスフィンガープリント、電話番号、請求先住所は、それぞれ異なるノードです。2 つのアカウントが同じノードを共有している場合、それらはつながっています。アカウントのクラスターが複数の属性にわたって複数のノードを共有している場合、組織的な不正利用の可能性が高いと考えられます。

• 取引時だけでなく登録時にも属性を取得する: 登録時にデバイスフィンガープリント、IP アドレス、ID フィールドをハッシュ化しておくと、後で必要になった際にリンク分析に使える基礎データになります。

• 時間枠をまたいでクラスタリングする: 同じキャンペーン期間内に作成されたアカウントをリンクさせることで、単独では不審に見えない組織的な登録が浮かび上がります。

• 確認済みの不正利用に対して遡及分析を実行する: アカウントが不正利用に使われていることを確認したら、ノードのグラフを確認して、まだフラグを設定していない連結アカウントを見つけます。確認済みの悪意ある行為者 1 人から、さらに複数のアカウントが明らかになる可能性があります。

• 二値フラグではなく、信頼度スコアリングを使用する: つながりの数と強さに基づいてリスクスコアを割り当てることで、対応を状況に応じたものにできます。弱いつながりが 1 つあるアカウントには追加の確認を求め、強いつながりが 4 つあるアカウントはブロックするといった対応ができます。

コンバージョンを損なわずに複数アカウント登録の不正利用を防止する戦略

不正利用の検出システムが厳格すぎると、正当なユーザーをブロックしてしまう可能性があります。緩すぎると、不正利用を見逃す可能性があります。段階的な検証では、リスクに応じた対応を行うことで、この問題を回避できます。

構成方法は次のとおりです:

• 低いリスクスコア = 対応なし: すぐにアクセスできる標準的な登録です。ユーザーがここに分類されても、ユーザー体験に変化はありません。

• 中程度のリスクスコア = 簡易な検証: 標準のフォーマット検証に加えて実在する通信事業者の照会を伴う電話確認や、バッチ処理では効率的に処理できない時間制限付きのメール確認など、実際のユーザーにとっては簡単で、自動化された処理にとってはコストがかかるステップを追加します。

• 高いリスクスコア = 価値の高いアクションを制限する: 登録はブロックしないでください。アカウントが最低限の正当な行動を示すまでは、トライアルの有効化、プロモーションの引き換え、または紹介による支払いへのアクセスを制限します。同じデバイスから二日間にわたって二度ログインする、プロフィールを完成させる、初回購入を行うなどは、すべてソフトな検証として機能します。このような遅延は、アカウントを完全にブロックするよりも効果的な場合があります。入金を受けられないまま 72 時間待たされる不正行為者は、自分の手口が通用しないことをすぐに学びます。同じ期間待つ実際のユーザーにとっては、少し不便なだけです。

レート制限は、アカウント単位だけでなく属性単位でも適用します。デバイスフィンガープリントや IP アドレスが過去 24 時間にすでに三件の登録に関連付けられている場合、個々のアカウントが問題ないように見えても、その属性からの新しい登録には、より詳細な調査または厳格な一時停止が必要です。

複数アカウントによる登録不正と、トライアル、プロモーション、サブスクリプションの不正利用の関連性

アカウントを所有するためだけに複数のアカウントを作成することはまれです。複数アカウントによる登録不正と他の種類の不正利用との関連性を理解することが、登録時の不正検出をより広範な不正対策戦略に結び付ける要素になります。

重なりが生じる場面は次のとおりです:

• 無料トライアルの不正利用: アカウント作成時にトライアルがリセットされる場合、スクリプトと大量のメールアドレスを持つ人なら誰でも、料金を支払わずに製品へ無期限にアクセスできます。登録時の不正検出は、最初に有効な防御策です。トライアルが不正利用される時点で、アカウントはすでに存在しています。

• プロモーション割引の悪用: 新規ユーザー向けの割引や初回注文のインセンティブには、作成されたアカウント 1 件あたり測定可能な金銭的価値があります。そのため、登録フローは大規模に実行される組織的な不正利用の直接的な標的になります。

• 紹介不正: 新規アカウントがアクションを実行したときに入金を行う紹介プログラムは、特にリスクにさらされています。紹介元のアカウントと新規アカウントの両方を制御する不正行為者は、どちらの側でも実際のユーザー獲得を伴わずに入金を発生させることができます。

• サブスクリプションの不正利用: 利用停止になったユーザーやチャージバックが発生したユーザーは、決済手段のチェックでフラグ付きアカウントの識別シグナルと照合しない場合、新しいアカウントを作成して再登録できます。登録はリセットの仕組みであり、新しいアカウントと古いアカウントを関連付けるリンク分析がなければ、措置は引き継がれません。

Stripe Radar でできること

Stripe Radar は、Stripe のグローバルネットワークのデータを基に学習した AI モデルを活用し、不正利用を検知・防止します。最新の不正利用の傾向に応じてモデルを常に更新し、不正利用の進化から事業を守ります。

Stripe はこのほか、Radar for Teams も提供しています。自社ビジネス特有の不正利用シナリオに対応するカスタムルールを追加でき、高度な不正利用分析情報にアクセスできます。
Radar はビジネスを次のように支援します。

• 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。1 つのプラットフォームで不正利用への対応状況の監視やルールの作成などができるため、業務効率が向上します。

Stripe Radar について詳しくはこちら。または今すぐ始める。