通信セキュリティのモダナイゼーション：機械学習を活用したアプローチ

最近の傾向と課題

オンライン取引の増加

• 西アフリカ、中国、香港などの地域では、取引における携帯電話への依存度が高まっている
• 年間オンライン取引件数は、2027年までに1兆件に達すると推定されている

決済詐欺の増加

• 2023年時点で、詐欺による損失は15億ドル
• 詐欺の47%が取引（オンライン、対面、音声）に関係している

業界の対応

• 不正対策システムの導入
• 二要素認証の強化
• 行動分析によるチェック
• パターンを追跡するリスクエンジン

パターンベースの保護の限界

• 提供できる保護には限界がある
• より包括的なセキュリティ対策が必要

トークン化とデトークン化

• 安全な取引のためにリクエストを暗号化
• 受信時に復号し、安全な配信を確保
• 多くの金融会社で現在採用されている手法

不正検知と防止の課題

セキュリティインテリジェンスの不足

• 通信業界は、新たな詐欺攻撃への対応に苦慮している
• セキュリティシステムに新たなバックドアが絶えず出現している

セキュリティとユーザー体験の両立

• 正当なトラフィックを遮断せずにシステムを保護することが課題
• 顧客体験を損なわずにセキュリティを維持する方法が懸念事項

監視と検知の限界

• 従来の許可・拒否ルールでは、現代の脅威に十分対応できない
• 新たな攻撃はルールベースのシステムを回避することが多い

識別を強化するAWSツール

• 新たな脅威の特定と軽減にAWSツールを活用

従来型と現代型のセキュリティ手法

従来の手法

• 許可または拒否のルール
• 二段階認証
• IPアドレスを固定したネットワークVLAN

従来手法の限界

• 高度なAIや機械学習を利用した攻撃には効果がない
• システムにさらなる抜け穴を生む

欺瞞的な攻撃ベクトルの進化

現代の攻撃手法

• 音声を利用した詐欺に注目
• ユーザーを欺き、本人が開始していない取引を実行させるソーシャルエンジニアリング

AIと機械学習の必要性

• 高度なソリューションに対する懸念と必要性に対応
• 現代の詐欺手法に対抗するためのソリューション

現代の通信方式に残る歴史的な欠陥

SS7プロトコル

• 2G、3G、4Gネットワークで使用
• 通信の傍受を防ぐ目的で設計
• Signaling System No. 7（SS7）は、世界の公衆交換電話網（PSTN）における通話の大部分で、シグナリングと制御を担う、世界的に認知された通信プロトコル群。音声通話の確立、管理、切断に必要な制御情報を専用の独立したネットワークで交換し、SMSや発信者番号通知などの高度なサービスを実現する。
• SS7は1970年代から1980年代にかけて、閉鎖的なシステムとして設計された
• このセキュリティ不足のため攻撃に弱く、SS7ネットワークへアクセスできる悪意ある攻撃者は、次のことが可能になる。
• 位置追跡：位置情報データベースに照会し、世界中のどこにいるユーザーでも位置を特定する。
• 通信傍受：通話を盗聴し、オンラインバンキングなどのサービスで使用する二要素認証（2FA）コードのような機密情報を含むSMSメッセージを読み取る。
• 詐欺の実行：通話の転送、SIMスワップ攻撃、その他の不正行為を行う。
• サービス拒否（DoS）攻撃：シグナリングチャネルを過負荷にし、ネットワーク障害を引き起こす。
• 4Gおよび5Gネットワークでは、シグナリングにより安全なDiameterプロトコルが主に使用される一方、グローバルローミングへの対応、従来の2G/3Gネットワークとの相互接続、SMSメッセージの配信には、今もSS7が広く使用されている。

継続する脅威

• 4Gと5Gの整備が進んでも、2Gと3Gのネットワークは引き続き使用されている
• ハッカーはSS7プロトコルの欠陥を悪用して通信を傍受する
• 一部地域では古いネットワーク技術に依存しているため、脅威が継続している

通信セキュリティにAIを活用する利点

実現手段としてのAI

• 欺瞞的な会話を検知できるよう機械を訓練
• 会話に含まれる「詐欺らしい」言葉を識別
• 正当なやり取りと不正なやり取りを区別

継続的な学習

• AIが新たな攻撃に適応し、新しい解決策を生み出す
• 進化する脅威に対して最新の保護を確保

経済的な影響

• 収益の流出や企業の破綻を防止
• 貴重な資産である顧客の信頼を維持
• 安全なシステムによって顧客の信頼と投資を維持

ソリューション概要

既存システムとの統合

• クラウドベースとオンプレミスの両方のレガシーシステムに対応
• 5Gベースの技術におけるレイテンシーを最小化
• 古いネットワーク技術との互換性を確保

ソリューションの流れ

• [ 1 ] 通話開始
• 電波、衛星、またはIPアドレスを介して通話
• [ 2 ] ルーティング
• 通話を基地局へルーティング
• [ 3 ] 変換
• 安全な環境へ変換する前に、メディアコンバーターで通話を変換

不審な音声の検知

• 文字起こし機能が通話中の不審な音声を取得
• カスタムキーワードの確認：
• 「暗証番号を教えてください」「銀行口座の詳細が必要です」などのキーワードにフラグを付ける
• 会話内の機密情報を安全に取り扱う

ソリューションの詳細なワークフロー

事前登録されたキーワード

• 詐欺の可能性を示すキーワード（例：「暗証番号を教えてください」）をシステムに事前登録
• 不審な会話を識別する最初の手掛かりとして、これらのキーワードを使用

AWS Comprehend

• 会話の口調、切迫感、感情を分析
• 詐欺らしい言葉や通常とは異なる会話パターンを識別

AWS SageMaker

• カスタムモデルを使用し、部分的なリアルタイムのモデルトレーニングを実行
• 通話中に不審なパターンを識別し、ユーザーへ詐欺アラートを送信
• 詐欺が検知された場合、ユーザーは通話終了を選択できる

EventBridgeとLambda関数

• EventBridgeがカスタムの不正検知ロジックを示す
• Lambda関数がさまざまな検知シナリオ（中立、非中立、不正）を処理
• 検知結果に基づいてユーザーへの通知をトリガー

再トレーニング用バケット

• 最初に確認されなかった会話を、再トレーニングのためにS3バケットへ保存
• 教師なし学習を可能にし、過去の会話からシステムが学習できるようにする

システムの可視性とコンプライアンス

• コンプライアンス用のアーティファクト
• ログ監視にCloudWatchを使用
• モデルの挙動変化やセキュリティインジェクションの特定にGuardDutyを使用
• 設定の静的分析にAWS Crawlerを使用（Amazon S3、DynamoDB、リレーショナルデータベースなど、さまざまなソースのデータを自動的にスキャンして検出し、中央のAWS Glue Data Catalogに登録）
• キー管理にAWS Configを使用
• 個人を特定できる情報（PII）の管理

データの機密性と暗号化

• 通信事業者側とクラウド内のどちらでも、データの安全性を確保
• 完全なクラウド実装も利用でき、通信事業者は希望する方式を選択可能

デモと実装の詳細

• 進行中の会話と不審なパターンの識別を示す簡単なデモ
• リアルタイムの不正検知とユーザーへのアラート

録音された会話

• デモにはさまざまな音声録音が含まれる
• フィッシングではない音声録音とフィッシング音声録音を区別

Terraformによるデプロイ

• インフラストラクチャのデプロイにTerraformを使用
• Lambda関数をデプロイするサンプルコードを提供

Lambda関数

• イベントによってSNSトピックをトリガー
• 検知用キーワード：「暗証番号をリセットするため」「口座を確認してください」「下4桁」「口座番号を確認してください」
• 不審判定のしきい値を0.5に設定し、0.85の場合は詐欺と判定

緩和策のフレームワーク

AIを組み込んだPolicy as Code

• AIを取り入れ、ポリシーをコードとして定義することが重要
• AIは、人間の能力を超える複雑なコードの理解と更新を支援

構造化されたコードのデプロイ

• 適切な構造のピアレビューとしてコードのデプロイを扱う
• セキュリティリスクへの対策とユニットテストを付加
• AWS GuardDutyでモデルの挙動を継続的に監視し、保護を確保

自然言語処理（NLP）

• 通信や電波におけるパターンと感情を識別するためにNLPを追加
• 不正、中立、安全な通信の検知能力を強化

グローバルな不正防止

リアルタイムのリスク管理

• 世界規模でリアルタイムに不正を防止することに注力
• 継続的な監視と適応により、安全なシステムを確保

まとめ

• 事後対応ではなく、先回りした不正防止を重視