HOME コラム一覧 ペースメーカーのデータが使用者を裏切った詐欺事件

ペースメーカーのデータが使用者を裏切った詐欺事件

その他
post_visual

Pacemaker Data Betrays Host in Fraud Case

 不正検査のユニークな手法の世界が成長しているが、オハイオ州ミドルタウンの捜査官は、事件を解決するためにデータを利用する最新の方法を提供してくれる。会計システムや建物への入館記録、そして前回のコラムで紹介したAmazon Echoから得られるデータではなく、今回はペースメーカーからのデータを取り上げる 。

 この記事によると、一人の男性が放火と詐欺の容疑で告訴されたが、それは、法執行機関が保険会社を欺くための陰謀の容疑を発見するために彼のペースメーカーから収集されたデータを利用したことによる(1)。問題の男性は、自宅の火事による損害で40万ドル以上を請求しようと企てた。しかし、スーツケースに荷物を詰めてそれらを窓から投げ出したという彼の話は、彼の心臓が語る話と全くつじつまが合わなかった。警察は捜査令状を取り、彼のペースメーカーの電子記録を追跡し、すぐに彼の心臓が嘘をついていないことを発見した。私はこの記事を読んだ時、ペースメーカーがこのような使われ方をすることに最初は非常に驚いた。しかし、このことについてさらに考えてみると、これは明らかに解析の応用だということに気がついた。

 不正発見のための解析の利用は、多くの場合パターン認識の技術の応用を伴う。このことは、不正を示唆する特定のパターンを捜すこと、あなたの期待と反対のパターンを捜すこと、想定していなかった場所でパターンを発見することを意味する。この記事の事例では、期待された所ではあるパターンが見られなかったということである。では、このような場合、解析の応用に取り掛かるにはどのようにしたら良いだろう?あらゆる状況であなたが適用するのと同じ方法である。
 戦略的質問:コンプトン氏の話は妥当ですか?
 目的:行動の描写と一致する動作の兆候を識別すること。
 データ:ペースメーカーの電子記録
 手順:話の中で出てきた行動の間とその前後の心拍数、ペースメーカーへの負荷、心拍リズムのトレンド分析をする
 分析結果:パターンは、話を根拠とするなら存在するはずの労作の増加の兆候を示さない。
 結果:矛盾するパターンの理由として他に考えられることを調査する。

根本的には、これは財務データやその他のデータのトレンド分析のためのフレームワークおよび適用方法論と同じである。これが、調査における典型的なデータ解析の応用と異なる点は、従来型のシステム外でデータ収集しようという意欲である。モノのインターネットの成長と拡大につれて、従来型のシステム外での機会も増加している。ウェアラブル、仮想アシスタント機器、車などより多くの機器がこれまでに見られなかった大量のデータを生み出している。これらの各々が、予測と対比されるデータのパターンを評価する機会を提供してくれる。

あなたが自分の調査の中で、これらの従来とは異なるシステムの活用を開始するのはいつかということが課題である。

(1). 記事はこちらを参照

執筆者情報

Jeremy Clopton, CFE, CPA, ACDA, CIDA

Director, Big Data & Analytics, Digital Forensics
BKD, LLP | Forensics & Valuation Services

この記事は、公認不正検査士協会(ACFE)のACFE INSIGHTに投稿された記事を日本公認不正検査士協会事務局が邦訳したものです。
© 2017 Association of Certified Fraud Examiners

関連リンク

不正リスク(バックナンバー一覧)

2017年の不正検査のための新しいツール

コラム
/column/2017/img/thumbnail/img_24_s.jpg
 不正検査のユニークな手法の世界が成長しているが、オハイオ州ミドルタウンの捜査官は、事件を解決するためにデータを利用する最新の方法を提供してくれる。会計システムや建物への入館記録、そして前回のコラムで紹介したAmazon Echoから得られるデータではなく、今回はペースメーカーからのデータを取り上げる 。 この記事によると、一人の男性が放火と詐欺の容疑で告訴されたが、それは、法執行機関が保険会社を欺くための陰謀の容疑を発見するために彼のペースメーカーから収集されたデータを利用したことによる(1)。問題の男性は、自宅の火事による損害で40万ドル以上を請求しようと企てた。しかし、スーツケースに荷物を詰めてそれらを窓から投げ出したという彼の話は、彼の心臓が語る話と全くつじつまが合わなかった。警察は捜査令状を取り、彼のペースメーカーの電子記録を追跡し、すぐに彼の心臓が嘘をついていないことを発見した。私はこの記事を読んだ時、ペースメーカーがこのような使われ方をすることに最初は非常に驚いた。しかし、このことについてさらに考えてみると、これは明らかに解析の応用だということに気がついた。 不正発見のための解析の利用は、多くの場合パターン認識の技術の応用を伴う。このことは、不正を示唆する特定のパターンを捜すこと、あなたの期待と反対のパターンを捜すこと、想定していなかった場所でパターンを発見することを意味する。この記事の事例では、期待された所ではあるパターンが見られなかったということである。では、このような場合、解析の応用に取り掛かるにはどのようにしたら良いだろう?あらゆる状況であなたが適用するのと同じ方法である。 戦略的質問:コンプトン氏の話は妥当ですか? 目的:行動の描写と一致する動作の兆候を識別すること。 データ:ペースメーカーの電子記録 手順:話の中で出てきた行動の間とその前後の心拍数、ペースメーカーへの負荷、心拍リズムのトレンド分析をする 分析結果:パターンは、話を根拠とするなら存在するはずの労作の増加の兆候を示さない。 結果:矛盾するパターンの理由として他に考えられることを調査する。根本的には、これは財務データやその他のデータのトレンド分析のためのフレームワークおよび適用方法論と同じである。これが、調査における典型的なデータ解析の応用と異なる点は、従来型のシステム外でデータ収集しようという意欲である。モノのインターネットの成長と拡大につれて、従来型のシステム外での機会も増加している。ウェアラブル、仮想アシスタント機器、車などより多くの機器がこれまでに見られなかった大量のデータを生み出している。これらの各々が、予測と対比されるデータのパターンを評価する機会を提供してくれる。あなたが自分の調査の中で、これらの従来とは異なるシステムの活用を開始するのはいつかということが課題である。
2017.05.18 13:02:33