「Tinderで30人に1人が詐欺師」という数字を見かけた。
数字として妥当なのか、どう算出されたのか、気になって調べてみた。

「30人に1人」はどこから来たのか

マチポの実地調査（2025年）によれば、編集部員がTinderを実際に利用したところ「30人に1人の頻度で詐欺師と思われる会員と遭遇した」という結果だった。これは確率的な推計ではなく、実際の利用体験から導いた数字だ。

比較のために他の数字も並べてみる。

ソース	数値	対象
マチポ実地調査（2025年）	30人に1人	Tinder利用体験
Tinder英国調査（大学生対象）	49%が詐欺に遭遇	マッチングアプリ全般
McAfee調査（2025年）	53%がマッチングアプリ利用経験あり	日本のユーザー
警察庁（2024年）	ロマンス詐欺のうちマッチングアプリ経由 32.1%	SNS型ロマンス詐欺全体

「30人に1人」はサンプルサイズが限定的な体験ベースの数字だが、英国調査の「49%が遭遇」と比較すると保守的とも言える。いずれにしても、統計的に無視できない頻度で詐欺アカウントが存在することは複数のソースが示している。

詐欺アカウントの検出ロジック：なぜ見抜きにくくなっているのか

Tinderは機械学習ベースの不正検出システムを運用している。マイナビニュースのTinderセキュリティ責任者インタビュー（2023年）によれば、機械学習によるメッセージ分析でこのシステムを導入した結果、迷惑メッセージの送信を10%減少させることができたという。

同インタビューでは「詐欺行為を行っているユーザーには特殊な傾向がある」とも言及されており、行動パターンベースの検出を実施していることが分かる。

ただし、ここに構造的な限界がある。

検出システムの問題：
- 学習データ：過去の詐欺パターン（既知のシグナル）
- 生成AI導入後：詐欺側が人間らしい行動を模倣可能に
- 結果：既知のシグナルが機能しにくくなる

Tinder公式のセーフティポリシーには自動スキャン機能・疑わしいプロフィールの手動審査・違反ユーザーのブロックが明記されているが、これらはすべて「行動分析」ベースのアプローチだ。AIが人間の行動を模倣できるようになると、このアプローチの検出精度は構造的に下がる。

詐欺アカウントの3類型と特徴

実際の詐欺アカウントを技術的に分類すると以下の3パターンになる。

①自動化ボット

スクリプトで大量のアカウントを生成・運用。マッチング直後に定型文を送り、外部URLへ誘導する。検出が比較的容易で、機械学習ベースのフィルタが最も有効に機能する。

検出シグナル：

返信速度が機械的に一定
マッチング直後の外部リンク送信
プロフィールの一貫性がない
会話が分岐せず一方向に進む

②AI支援型アカウント

人間が操作しながら、生成AIで会話文を生成して複数アカウントを並行運用する。一人の操作者が数十〜数百のアカウントを同時管理できる。McAfeeの2025年調査では「日本人の46%がAIチャットボットに恋愛感情を抱く可能性があると考えている」とされており、AI生成の会話への耐性が低い状況が確認されている。

検出シグナル：

返信が自然だが、深い質問への回答が薄い
話題をそらすパターンが一定
感情表現が豊かだが、一貫した個人の「記憶」がない

③人間操作型（組織犯罪）

実在する人間が役割分担しながら運用。警察庁のデータによれば、2024年のロマンス詐欺はマッチングアプリ経由が32.1%で最多。組織的なグループが分業で動くケースは、行動分析ベースの検出が最も難しい。

プラットフォームの対策レイヤーと各レイヤーの限界

Tinderが現在実装している本人確認は3層構造になっている。

レイヤー	確認内容	限界
年齢確認	18歳以上かどうか	複数アカウントの抑止にならない
写真認証（Face Check）	プロフィール写真と本人の一致	固有性（1人1アカウント）は確認しない
ヒューマンバッジ（proof of human）	実在する固有の人間かどうか	Orb認証が必要、普及率に依存

「30人に1人」という遭遇率に対して、レイヤー①②は構造的に無力だ。詐欺師が30人のアカウントを作っても、年齢確認と写真認証はそれぞれのアカウントで突破できる。

ヒューマンバッジ（proof of human）が異なるのは「1人の人間に1つだけ発行される」設計だからだ。理論上、同一人物が30個のバッジ付きアカウントを作ることはできない。ただし現時点ではOrb認証を必要とするため普及率に依存する。この仕組みの詳細についてはTinderでの人間証明の実装例でも確認できる。

現実的な見分け方：シグナルのスコアリング

詐欺アカウントの判定を確率的に考えると、単一のシグナルで判断するより複数のシグナルを重ねることで精度が上がる。

リスクスコアリングの考え方：

+2点：マッチング直後に外部への誘導
+2点：投資・副業・FXの話が出る
+1点：プロフィール写真の逆検索でヒット
+1点：返信速度が機械的に一定
+1点：ビデオ通話の回避が続く
+1点：「2人の将来のために」という文脈での金銭話
+1点：海外在住・軍人・医師等の詮索されにくい職業設定

→ 3点以上：要注意
→ 5点以上：接触を停止することを推奨

このスコアリングは絶対的なものではないが、「なんとなく変」という直感を構造化する助けになる。

Tinder公式が推奨する確認手順

Tinder公式セーフティポリシーでは以下を推奨している。

不審なユーザーは報告機能で報告する
ビデオ通話を活用して相手の雰囲気を確認する
外部プラットフォームへ誘導してくるユーザーには注意する

まとめ

「30人に1人」はマチポの実地調査に基づく数字で、英国のTinder調査（49%が遭遇）と比較すると保守的な推計
詐欺アカウントはボット・AI支援型・人間操作型の3類型で、機械学習ベースの検出はAI支援型・人間操作型に対して構造的な限界がある
プラットフォームの本人確認は3層（年齢確認・写真認証・ヒューマンバッジ）で、複数アカウント問題に対応できるのはヒューマンバッジのみ
単一シグナルではなく複数のシグナルをスコアリングして判断することが精度を上げる現実的な方法だ