2021年11月5日7:35
アメリカン・エキスプレス・インターナショナル, Inc.は、2021年10月22日に「キャッシュレス決済におけるセキュリティ最新事情に関する記者説明会」を開催し、同社のセキュリティ対策の強みについて紹介した。
7割以上がセキュリティ対策に不安を抱える
不正発生時には精神的なダメージも
アメリカン・エキスプレスでは、このほど『キャッシュレス決済のセキュリティに関する調査』をインターネットで実施した。その結果、キャッシュレス決済全般でセキュリティに不安を感じる人が全体の7割以上いたそうだ。また、キャッシュレス決済についてどの決済が安全かについて「とても知りたい」「やや知りたい」が8割を占めている。さらに、「セキュリティに関する情報が欲しい」人は8割以上となった。消費者の中でセキュリティに対する関心が高まっていることがうかがえる。
現在、多くのキャッシュレス決済の選択肢がある中で、利用する決済手段を使う理由として、上位に来るのは「年会費」、「ポイント」、「マイルのためやすさ」などお得感で選ばれるケースが多い。また、不正利用の防止体制、あった際の保険を重視している人は2割以下となり、関心は高いが選択肢として選ぶときには軽視されている傾向がある。利用者のセキュリティに対しての行動の上位は、「定期的にパスワードを変更する」「複数のサービスで同じIDやパスワード・暗証番号を使わない」などとなっている。実際に不正にあった人は、「精神的な苦痛が計り知れない」など、精神的なダメージも大きいとした。
「疑わしき場合は、お客様にチャージしない」ポリシーを評価
山本氏の考えるカードのあるべき姿とは？
当日は、キャッシュレス決済に詳しい、山本国際コンサルタツ代表で明治学院大法部講師の山本正行氏が、キャッシュレス決済、セキュリティのトレンドについて紹介した。国内では、政府が2025年に40％の決済比率を掲げているが、2020年には29.7％のキャッシュレス比率となった。キャッシュレスの支払い手段別の比率として、金額でみるとクレジットカードが86.6％で圧倒的に高い。日本経済新聞の調査では、利用回数としてはキャッシュレス決済が52％となっており、現金よりもすでに多くなっている。クレジットカード決済は、スマートフォン等での支払いにも対応したり、スマホ決済のチャージ手段としての利用も進んでおり、キャッシュレス決済の基盤を担っている。
日本クレジット協会の調べでは、2016年～20年のクレジットカード業界の被害傾向をみると、80％近くが通信販売の利用だ。偽造カードが9％ほどとなり、ネット被害が激増している。また、近年はフィッシング被害も増加している。
インターネット取引の不正は2014年の67.3億円から2020年は223.6億円に増加したが、一方で、国内発行カードの偽造カード被害はIC化などが進んだことで、2014年の19.5億から2020年は8億まで減少している。
クレジットカード会社にとって加盟店の管理体制は重要になるが、アメリカン・エキスプレスは加盟店契約・カード発行を一元管理することで高いセキュリティ水準を確保できる特徴があるとした。山本氏は「加盟店からの情報を詳細に得られる、管理がしやすい点では優位になります」と話す。同氏によると、利用明細の記載情報も他ブランドが付いたカードより多いとした。
さらに、国内外で利用の覚えのない取引、価値のない情報商材の購入といったトラブル、越境ECで商品が届かない、航空券トラブルなどがある。チャージバックが使えない取引が増えており、例えば大手クレジットカード会社では「ご本人ではない第3者によって不正に利用されたものと弊社が認めた場合にのみ保証が適用されます」と例示されているが、アメリカン・エキスプレスでは「疑わしき場合は、お客様にチャージしない」と記載されているそうだ。
山本氏は、カードのあるべき姿として、ICカードや認証サービスといった基本対策に加え、リアルタイムモニタリング、ビヘイビア、AIといった高度な不正検知システムを挙げた。また、基本のプロテクションに加え、旅行傷害保険、キャンセル保証など損害保険が充実していることが重要であるとした。さらに、求められる要件として、利用者のリスクと負担を軽減し、安心して利用できるカードであること、また、消費者のリテラシーが高まる中、セキュリティおよびトラブル対策の充実のPRも必要とした。
最新のデータ・クローズドループを活用
不正予測モデルは第11世代へ、「Safekey2.0」の加盟店対応は？
続いて、アメリカン・エキス プレフロードリスクマネジメント 朝比奈孝弘氏が同社の不正利用の取り組みについて説明した。朝比奈氏は、アメリカン・エキスプレスのセキュリティ対策の3本柱として、①カード発行や加盟店契約を自ら行う最新のクローズド・ループ、②マシンラーニングを活用した不正予測モデル、③利用者へのきめ細やかなケア、を挙げた。
