[論文レビュー] AI-based Identity Fraud Detection: A Systematic Review

C Zhang, Asif Qumer Gill+2 more|ArXiv.org|Jan 16, 2025

Imbalanced Data Classification Techniques被引用数 3

ひとこと要約

この論文はAIベースの身元詐欺検出手法の系統的文献調査を行い、分類法を提案し、43件の研究（2020–2024）にわたるオープンな課題とトレンドを分析します。

ABSTRACT

With the rapid development of digital services, a large volume of personally identifiable information (PII) is stored online and is subject to cyberattacks such as Identity fraud. Most recently, the use of Artificial Intelligence (AI) enabled deep fake technologies has significantly increased the complexity of identity fraud. Fraudsters may use these technologies to create highly sophisticated counterfeit personal identification documents, photos and videos. These advancements in the identity fraud landscape pose challenges for identity fraud detection and society at large. There is a pressing need to review and understand identity fraud detection methods, their limitations and potential solutions. This research aims to address this important need by using the well-known systematic literature review method. This paper reviewed a selected set of 43 papers across 4 major academic literature databases. In particular, the review results highlight the two types of identity fraud prevention and detection methods, in-depth and open challenges. The results were also consolidated into a taxonomy of AI-based identity fraud detection and prevention methods including key insights and trends. Overall, this paper provides a foundational knowledge base to researchers and practitioners for further research and development in this important area of digital identity fraud.

研究の動機と目的

• AIベースの身元詐欺検出・予防手法の全体像を定義する。
• 認証と継続的認証アプローチを区別する分類法を開発する。
• 分野のオープンな技術的・非技術的課題とトレンドを特定する。

提案手法

• 事前に定義されたプロトコルに従って体系的文献調査を実施した。
• 4つのデータベース（ACM、IEEE Xplore、ScienceDirect、Scopus）を対象として2020–2024年の公開を検索した。
• 含む・除外基準と6つの品質評価基準を適用して研究を絞り込んだ。
• 構造化されたフォームを用いてデータを抽出し、分類法と分析へと統合した。

実験結果

リサーチクエスチョン

• RQ1 RQ: AIベースの身元詐欺手法について何が知られているか。
• RQ2 RQ1: 現在のAIベースの身元詐欺検出手法は何か。
• RQ3 RQ2: 身元詐欺に対処する上での主なオープン課題は何か。

主な発見

• AIベースのIDF検出手法として、3つの主要な手法を特定: 生体認識、視覚的異常検知、ユーザー行動異常検知。
• 認証と継続的認証の2段階分類法を確立。
• 深層学習が視覚的異常検知とユーザー行動異常検知を支配しており、顔認識が最も論じられる生体認証手法であることを示した。
• オープン課題として、データ品質と多様性、データプライバシーとセキュリティ、動的な詐欺パターン、トレーニング/効率最適化を報告。
• 認証に関する手法の比重が継続的認証より高く（55.81%対44.91%）、認証タスクにおける生体認証は普及している（認証論文の79%）。”
• 継続的認証はUEBAとプロファイリングおよび異常検知手法に依存している。