本記事では、Alibaba Cloud のストリーミング処理、フィーチャーストア、および推論サービスを組み合わせることで、トランザクション完了前にルールロジックと機械学習モデルによるスコアリングを実行し、サブ秒レベルの不正検出パイプラインを構築する方法について解説します。
不正検出は、レイテンシに厳密に制約される課題です。支払い、アカウントアクセス、引き出し、振替など、さまざまなトランザクションストリームは、トランザクションが完了または拒否されるまでの間に、スコアリング・分類・対応処理を完了させる必要があります。この許容される時間枠（latency budget）は、トランザクションの種別によって異なります。たとえば、カード提示型（card-present）の支払いでは通常数十ミリ秒、カード非提示型（card-not-present）やアカウントベースのトランザクションでは数百ミリ秒、引き出し審査などの非同期ワークフローでは数秒から数分となります。採用するアーキテクチャは、持続的なスループット下でもこのレイテンシ予算を守りつつ、正当なトランザクションと異常なトランザクションを確実に区別できる十分な特徴量（feature richness）を備えた不正スコアを提供しなければなりません。
本パイプラインは、以下の5つの機能層から構成されます：
- イベント取り込み（Event ingestion）
- ストリーム処理（Stream processing）
- フィーチャー提供（Feature serving）
- 決定スコアリング（Decision scoring）
- 応答配信（Response delivery）
Alibaba Cloud は各層に対応する基本コンポーネント（primitives）を提供していますが、アーキテクチャ上の主な課題は、それらを単体で選択することではなく、いかに統合・調整・最適化するかにあります。
