教師なしアンサンブル学習による監査データの異常検知

抄録

本稿では監査データからの異常検知と原因箇所推定のタスクについて論じる．会計監査では，多くの場面で異常検知が必要であり，また異常検知のプロセスを自動化する手法も強く求められている．しかし，(1) 大量のデータに教師ラベルを手作業で付与することは難しいために教師なしでなければならないこと，(2) 異常検知と原因箇所推定を同時に行う必要があること，(3) 監査データにはカテゴリ変数と数値変数の両方が含まれていると共に，それらは密接に結び付いていること，の3つの難点から，会計監査において異常検知の手法を構築するのは容易ではない． そこで我々は，上記の難点を解決するような会計監査における異常検出の手法を提案する．本手法の主要な考え方は以下の通りである．(1)異常検知問題を，少数の変数からなる複数のシナリオに分解し，各シナリオを原因箇所推定と対応させる．(2)ここで提案する教師なしアンサンブル学習により，原因箇所推定と対応したシナリオを1つに統合させる． 我々はここで提案する手法の有効性を，匿名化された監査データを用いた実験により実証する．