予測市場（Prediction Market）は、2024年から2026年にかけて、暗号資産分野特有の実験的な取り組みから、主流の金融商品へと移行しました。 Polymarket、Kalshi、Manifold、Limitlessといったプラットフォームは、政治選挙、スポーツ、マクロ経済、暗号資産価格など、注目度の高いイベントにおいて、数十億ドル規模の取引高を積み上げてきた。 この規模の拡大に伴い、予測市場は市場操作の格好の標的ともなっていますが、スポット市場やパーペチュアル先物市場に比べ、はるかに操作されやすいという特徴があります。

なぜ予測市場は操作されやすいのでしょうか？その根本的な原因は3つあります。1) 決済が二者択一であるため、操作による利益が非線形に拡大する；2) 流動性が乏しい（特にロングテールイベントにおいて）、5万ドルの注文1件で価格が0.30から0.70へと押し上げられる可能性がある； 3) 情報の非対称性が本質的に存在すること――政治家、選手の家族、あるいは上場企業の幹部は、情報が公開される数分前にポジションを構築し、ほぼ100％のインサイダーリターンを獲得できる。 これら3つの特徴が相まって、予測市場はインサイダー取引、ウォッシュトレード、シビル攻撃、決済ウィンドウ狙いの攻撃が横行する温床となっている。

予測市場を運営するチームにとって、監視はもはや「あれば望ましい」ものではなく、生き残るための最低限の要件となっている。 規制当局から「操作を容認している」とみなされたプラットフォームは、罰金、ライセンスの取り消し、ユーザーの離反に直面することになります。また、市場から「データが歪められている」と認識されたプラットフォームは、情報トレーダーを失い、自然消滅することになります。

本記事では、予測市場が操作されやすい金融構造上の理由から出発し、操作の手口（インサイダー取引、ウォッシュトレード、シビル攻撃、スプーフィング、終値操作、オラクル攻撃）を解説した上で、完全なエンジニアリング実装を伴う多層的な検知アーキテクチャ（ルールエンジン＋統計的異常検知＋グラフアルゴリズム＋機械学習）を提示する。 本稿では、アラートの階層化、人的レビューのワークフロー、執行措置（ポジション制限、注文取消、市場の無効化、決済遅延）、UMAスタイルの楽観的オラクルを用いた紛争解決、説明可能性と証拠チェーン、東南アジア全域にわたる規制報告（マレーシア証券委員会（SC）、インドネシア商品先物取引監督庁（BAPPEBTI/OJK）、タイ証券取引委員会（SEC）、 シンガポールMAS）にわたる規制報告、Flink/Kafkaおよびグラフデータベースを用いたエンジニアリングアーキテクチャを網羅し、最後にSoonTechの製品化されたソリューションを紹介しています。予測市場の製品責任者、リスクディレクター、コンプライアンス責任者、あるいはCTOアーキテクトのいずれであっても、この記事を読むことで、直接実装可能な完全なフレームワークを手にすることができるでしょう。

1. 予測市場が本質的に操作されやすい理由

1.1 3つの根本原因

原因1：決済が二者択一であり、利益が非線形に増幅される。スポット市場やパーペチュアル先物市場では、価格を1％押し上げても、得られるスプレッドはわずか1％に過ぎません。 一方、二者択一の「Yes」契約では、価格を0.30から0.90に押し上げることは、「ポジションコスト0.30、潜在的な決済額1.00、3倍のレバレッジに加えて200％のリターン」を意味します。 同じ資本を用いた操作者は、現物市場の操作者が得られる運用リターンの数倍もの利益を得ることができます。

原因2：流動性が薄く、単一の注文で価格が決定されてしまう。 主流のロングテール・イベント市場（例：「2026年の米国下院選挙で、民主党は第7選挙区を奪還できるか？」）の待機注文の厚みは、わずか2万～3万ドル程度しかない場合がある。 10,000ドルの成行注文で、価格は30～50ベーシスポイント変動する可能性がある。PolymarketやKalshiといった主要プラットフォームでは、注目度の高いイベントで1日の取引高が5,000万ドルに達することもあるが、95％のイベントでは1日の取引高が50,000ドルを下回っている。

原因3：情報の非対称性は自然な現象であり、排除するのは困難である。 予測市場のイベントの結果は、通常、ごく少数の人々しか知り得ないものです。例えば、国会議員の投票意向、スポーツチームの先発メンバー、リークされた経済指標などが挙げられます。こうした人々は、情報が公開される5～10分前にポジションを構築し、ほぼ100％のインサイダーリターンを獲得することができます。 従来の金融市場では、このような「インサイダー取引」はSECのSMARTSやFINRAの監視システムによって摘発・調査されるが、予測市場においては、「ラストマイル」の情報優位性が問題となる場合、プロトコル層では正当な調査とインサイダー取引を区別することがほとんど不可能である。

1.2 スポット取引所との比較

非線形、0.30→0.90 = 200%のリターン

流動性

主要通貨ペアの24時間出来高は通常5,000万ドル以上

イベントの95％は、1日の取引高が5万ドル未満

決済

継続的な価格設定、いつでも決済可能

バイナリー／確定的な結果、満期時に決済

情報源

大規模な公開データ＋オンチェーン指標

インサイダー情報は極めて少なく、公開ニュースが中心

マーケットメイキングのインセンティブ

HFT、マーケットメーカー（MM）が熾烈な競争を繰り広げる

ロングテール市場にはプロはいない

操作後の追跡

成熟した規制当局、市場監視部門

規制の枠組みは依然として構築中

1.3 操作による実質的なコストと潜在的な利益

予測市場が「低コスト・高リターン」の攻撃標的である理由を示す一連の数値。 操作者が非公開情報を保有しており、イベントの結果が30分後に判明し、現在の「Yes」価格が0.40（市場はまだ真の結果である0.95を価格に反映していない）であり、操作者が50,000ドルを費やして「Yes」を購入したと仮定する。 決済時に、$50,000 / 0.40 = 125,000「Yes」シェアを取得し、1.00で換金すると$125,000となり、純利益は$75,000、30分間のリターンは150%となる。 5％のスリッページ、2％の手数料、および監視によって阻止される10％の確率を差し引いたとしても、期待リターンは依然として50％を超えます。

だからこそ、6億ドル規模の予測市場において、攻撃者は調査、ウォッシュトレード、操作に数十万ドルを費やすのです。一度でも成功すれば、そのリターンで1年分のコストを賄えるからです。 SoonTechが東南アジアのクライアント向けに監視ソリューションを構築する際、私たちは「監視への投資対効果（ROI）はコストセンターではなく、プラットフォームの存続の基盤である」と繰り返し強調しています。

2. 市場操作の現状：インサイダー取引から決済期間を狙った操作まで

2.1 操作手法の分類

関連口座間で取引が行われる

高い

ほとんどの法域で明示的に違法

自己取引

同一口座が自身と取引を行う

高

プラットフォームのルールにより明示的に禁止されている

複数アカウントの連携／サイビル攻撃

1人の自然人が多数のアカウントを管理している

高

プラットフォームの利用規約に違反している

なりすまし

偽の注文深度を目的として発注・キャンセルされた大口注文

中

米国CFTCによって明確に定義されている

偽の流動性／レイヤリング

流動性の深さを偽装するための多段階注文

中

CFTC／FCAによる監視対象

終値の操作

決済直前の数分間に集中する買い注文

極端

典型的な相場操作

インセンティブ・アービトラージ／エアドロップ・ファーミング

プラットフォーム報酬の悪用

中

利用規約違反

Oracle / 解像度ソースの操作

データソースへの攻撃または買収

極度

犯罪行為

噂の操作

特定の立場に沿ったフェイクニュース

高

ほとんどの法域で違法

2.2 決済ウィンドウの「ゴールデン5分間」

予測市場とスポット／パーペチュアル契約の最大の違いは「決済ウィンドウ」にある。イベントの期限切れ直前の数分から数十分間は、攻撃が最も頻発する期間である。その理由は3つある。

1. 流動性が急速に枯渇する（他のトレーダーがポジションを決済したか、様子見に入っている）；
2. 公開情報がまだ十分に消化されていない（公式発表やデータ公開に遅れが生じている）；
3. 操作者はすでに情報を把握しており、リターンを最大化するために「最後の瞬間」を待っている。

実稼働環境において、SoonTechの観測によると、明らかに異常な取引の約68％がイベント終了前の最後の60分間に集中しており、42％は最後の5分間に集中しています。 監視システムは、解決ウィンドウの間、「高圧モード」に入る必要があります。つまり、より感度の高い閾値、より頻繁なアラート、優先度の高い人的介入が必要です。

2.3 操作者の産業化

2025年以降、予測市場の操作はもはや「1人が手動で行う」ワークショップ形式の攻撃ではなくなりました。我々は以下の3つの産業化の傾向を観察しています：

• ボット群：攻撃者はスクリプトを用いて数十から数百のアカウントを同時に制御し、ポジションやタイミングを調整する；
• 情報の事前配置：Twitter、Telegramグループ、Discordチャンネルで「情報ブローカー」を募集し、結果に応じて利益を分配する；
• クロスプラットフォーム同期：同一の情報を用いて、Polymarket、Kalshi、Limitless、Opinionなどで同期的にポジションを構築し、リスクを分散させる。

これに対処するには、監視システムが「アカウントグループ」と「クロスプラットフォーム」の両次元で関連性分析を行う必要があり、単一アカウントの閾値に基づくアラートだけでは到底不十分です。

3. インサイダー取引検出モデル

3.1 インサイダー取引の3つの特徴

予測市場におけるインサイダー取引と現物市場におけるインサイダー取引の根本的な違いは、「価格収束の速度」にある。 公開情報が発表された後、予測市場の価格は0または1に向かって急速に収束するはずである。もし公開情報の発表前に、価格がすでに最終結果と一致する「方向性のあるドリフト」を示しており、かつそのポジションを構築した口座に「事前関連性の証拠」がある場合、インサイダー取引の疑いが極めて高い。

特徴1：事象前のドリフト。公開情報の発表前60分以内に、価格が閾値（例：10bp）を超える方向性のある動きを示し、その方向が最終結果と一致している。

特徴2：時間的相関。価格のドリフトの発生タイミングが、「情報源が利用可能になる時点」と高い相関関係にある。例えば、バスケットボールのスターティングメンバーが試合開始30分前に発表されるが、一部の口座では試合開始60分前にすでにポジションを構築している。

特徴3：アカウントのクラスタリング。複数のアカウントが同様のタイミングで同じ方向のポジションを構築しており、それらの間には関連性の証拠（デバイス／IP／資金／行動の類似性）が存在する。

3.2 特徴量エンジニアリング：インサイダー取引シグナル表

account_count_cluster

同じ方向でポジションを構築している口座数

> 5

0.15

info_source_timing

情報源の公開時刻とポジション構築の間の時間差

< 30分

0.20

pnl_to_volume_ratio

口座のPnL／取引高

> 0.30

0.10

account_age

アカウント登録からの経過日数

7日未満

0.05

device_reuse_count

同じデバイスフィンガープリントを使用している他のアカウントの数

> 1

0.10

cross_platform_match

同じデバイス／IPが他のプラットフォームでも同様の行動をとっている

はい

0.05

重みの合計は1.0です。アカウントごとのスコア = Σ(正規化された特徴量値 × 重み) です。スコアが0.65を超えると、高レベルのアラートが発動します。

3.3 時系列異常検知

事象発生前のドリフト識別において、単一点しきい値によるアラートでは、「緩やかな蓄積」型の操作を見逃しがちです。そのため、時系列異常検知を推奨します：

• CUSUM / Page-Hinkley：価格の平均値／分散における累積的なシフトを検出し、緩やかなドリフトに敏感です；
• Prophet / STL：価格の「正常な」周期的変動（試合前と試合中、マクロ経済指標発表の前後）をモデル化し、残差の異常を検出します；
• ベイズ変化点検出：価格分布の変化点をオンラインで検出。低遅延のシナリオに適しています。

3.4 イベントソースとの時間同期

監視システムは「イベントソースのタイムライン」を維持する必要があります：

• バスケットボールの試合：試合開始、スターティングメンバー発表、得点発生時刻；
• 政治選挙：討論会、投票締め切り、結果発表；
• マクロ経済データ：発表時刻（公式タイムゾーン）。

各ポジション構築イベントはこのタイムラインに照合され、「最も近いイベントソースとの時間差」が算出される。インサイダー価値の高いイベントソース（先発メンバー発表、内部投票、経済データ）が公表される30分以上前に、複数の口座がポジションを構築した場合、インサイダー取引の可能性は著しく高まる。

4. ウォッシュ・トレーディングおよび自己取引の検出

4.1 ウォッシュ・トレーディングの定義と弊害

ウォッシュ・トレーディングとは、アカウント同士が取引を行い、偽の出来高や価格を作り出す行為を指します。予測市場において、ウォッシュ・トレーディングは通常、以下の2つの目的で利用されます：

1. エアドロップ・ファーミング／インセンティブ・アービトラージ：プラットフォームは取引高に対して報酬を付与するため、ウォッシュトレードを利用すれば、コストゼロ（あるいは手数料を差し引いてもわずかにマイナス）で「実際のユーザー行動」を装うことができる。
2. 価格／流動性の認識操作：「活発な市場」を装って他のトレーダーを誘引したり、マーケットメイカーの提示価格を操作者の目標値へと誘導したりすること。

セルフマッチはウォッシュトレードの一種であり、同一の管理者が管理するアカウント同士で取引を行う、あるいは（両建てポジションをサポートするマッチングシステムにおいて）同一のアカウントが自身と取引を行うことを指す。

4.2 検出の特徴

price_unchanged

取引前後の価格変動幅（中位）

< 0.5%

volume_to_unique_accounts

総取引高／取引相手先口座数

> 10倍

round_trip_count

24時間における同一口座グループのクローズドループ取引件数

> 5

cross_market_correlation

市場をまたぐ同期化されたウォッシュトレード

高い相関性

自己マッチング率＝関連口座からの取引相手先による取引量／当該口座の総取引量。30％を超えると、中程度のアラートが発動する。

4.3 クローズドループ検出アルゴリズム

クローズドループ検出（ラウンドトリップ検出）は、各口座の「買い→保有→売り」のシーケンスを追跡し、「AがBに売却し、BがAに売却し戻す」や「A→B→C→A」といったサイクルを特定します。ここではグラフアルゴリズムを使用します：

1. 口座×時間の有向グラフを構築し、各辺を「売却」アクションとする；
2. 長さが5以下のすべてのサイクルを検出する（短いサイクルは長いサイクルよりも著しく多いため、不審とみなされる）；
3. 各サイクルについて、総損益（PnL）、価格ドリフト、継続時間を算出し、不審度スコアを出力します。

既知のアフィリエイト（同一のKYC ID、同一のデバイスフィンガープリント、同一のオンチェーンアドレスクラスター）には、より高い重み付けが行われます。認識されていないが類似したアカウントについては、グラフ埋め込みを用いて候補のクラスタリングを行い、その後、人間による審査が行われます。

4.4 ウォッシュトレードの低コストな手法

組織化されたウォッシュトレードは、明らかな「A→B→A」というパターンを残さず、より複雑な構造を採用しています：

• リレー型ウォッシュトレード：A→B→C→D→E。Aはスプレッド利益の5％を受け取り、B～Eはそれぞれ1％を受け取るが、資金は最終的にAが管理するオンチェーンアドレスに戻る。
• 時間オフセット：AがT0にBへ売却、BがT0+10にCへ売却、CがT0+20にAへ売却。3つの取引はほぼ同一の価格で成立する；
• 市場横断型ウォッシュトレード：Aが市場Xでoutcome_1をBに売却し、Bが市場Yでoutcome_1をCに売却し、Cが市場Xでoutcome_1をAに売却する。

これらのバリエーションを検出するには、より複雑なグラフアルゴリズム（アカウント・市場・時間の異種グラフ）および行動シーケンスモデル（Transformer）が必要となる。

5. 複数アカウントの連携およびサイビル攻撃の検出

5.1 関連付けの次元

実稼働環境において、SoonTechはアカウントの関連付けに5つの次元を採用しており、その重みは不正防止の専門家によるラベルに基づいて調整されています：

同じ自宅Wi-Fiに接続されている5つのアカウント

資金の流れ

オンチェーン入金アドレス、オンチェーン出金アドレス、オンチェーン行動グラフ

0.25

同一アドレスからの複数アカウントへの入金

行動の類似性

取引時間のパターン、注文パターン、スリッページ許容度、UI操作のリズム

0.15

同一のスクリプトによって制御されている口座

KYCおよびメタデータ

ID番号、電話番号、メールアドレス、銀行カード、紹介元

0.15

同一IDによる複数アカウントの開設

関連性スコア = Σ(正規化された次元値 × 重み)。スコアが 0.70 を超える場合は「関連性が高い」（1 人による複数アカウント）と判定され、0.50～0.70 の場合は「関連性が疑わしい」と判定される。

5.2 デバイスフィンガープリントの実装詳細

デバイスのフィンガープリントは、IPやクッキーのみに依存することはできず、多次元的なシグナルを組み合わせる必要があります：

• ハードウェア層：画面解像度、ピクセル比、GPUモデル、CPUコア数、メモリ、バッテリー；
• ソフトウェア層：UA、言語、タイムゾーン、インストール済みフォント、Canvas/WebGLレンダリングフィンガープリント、AudioContextフィンガープリント；
• 行動レイヤー：マウスの軌跡、キーボードの打鍵リズム、クリック圧力（モバイル）、ジャイロスコープ（モバイル）；
• ネットワーク層：IP、ASN、Wi-Fi BSSID（モバイル）、IPセグメント、TCPフィンガープリント。

SoonTechのデバイスフィンガープリントSDKは、モバイルにおいて99.5%の同一デバイス認識安定性を実現しています（同一端末で複数のアプリを開いても安定）。また、クロスデバイス認識（1人のユーザーが複数のデバイスを使用する場合）については、行動の類似性によって補完されています。

5.3 オンチェーン・アドレス・クラスタリング

オンチェーン版の予測市場（特にPolygon、Base、Arbitrumベースのもの）には、多数の入出金アドレスが存在し、アドレスのクラスタリングはアカウント関連付けにおける「宝の山」となります：

• 共通の支出：同一トランザクションの入力として複数のアドレスが使用されている場合、同一の管理下にある可能性が高い；
• お釣りアドレス：パターン認識（トランザクションの1つの出力が他の出力よりもはるかに小さく、まだ使用されていないもの）；
• 取引所のホットアドレス：同一の取引所から複数のプラットフォームアドレスへの出金；
• ミキサーのラベル：プライバシープロトコル（Tornado Cash、Railgun）を使用するアドレスには特別なラベルが付与される；
• NFT／ソーシャルグラフ：ウォレット内のNFT保有状況や、オンチェーン上の社会的関係性を補助的なシグナルとして活用。

SoonTechは、Chainalysis、Elliptic、TRM Labsをはじめとするオンチェーン分析プロバイダーと提携しており、30以上の主要チェーンおよびL2を網羅する独自のアドレスクラスタリングモデルを構築しています。

5.4 行動の類似性

行動の類似性は、「同じスクリプト／同じグループ」によって管理されているアカウントを特定するために使用されます。共通の特徴：

• 時間パターン：取引時間の分布、アクティブ時間の統計（同一スクリプトは通常、固定された時間枠でアクティブになる）；
• 注文パターン：ミッド価格からの注文価格の乖離の分布、キャンセル率、キャンセルから約定までの時間；
• 取引リズム：隣接する取引間の時間間隔の分布、注文サイズの分布；
• エラー回復：ネットワーク障害後の再試行パターン、API呼び出しのシグネチャ。

行動の埋め込みにはオートエンコーダーを使用しており、類似したアカウントは、無関係なアカウントに比べて埋め込み空間における距離が著しく小さい。

5.5 シビル攻撃の産業チェーン

2025年以降、予測市場に対するシビル攻撃は産業チェーンを形成している：

• アカウントファーム：アカウントの一括登録、電話番号の紐付け、顔認証の通過（一部のプラットフォーム）、アカウントの育成；
• デバイスファーム：組織管理下の携帯電話／タブレット、エミュレーター、デバイス変造ツール；
• 資金調達チャネル：OTCデスク、OTC取引、PayPal／銀行口座を通じて複数のアカウントに資金を補充；
• KYC回避：東南アジア、アフリカ、南米の「ホワイトハット」を利用して、代理で顔認証を通過させる；
• 意思決定の連携：Telegramグループや暗号化チャットを通じて、注文のタイミング、ポジション、キャンセルリズムを調整する。

SoonTechのシビル検知モデルは、2025年に東南アジアの顧客に導入された後、3ヶ月以内に4,200のシビルアカウントグループを特定・利用停止にし、約120万ドルの潜在的な損失を回収しました。

6. スプーフィング、偽の流動性、およびオーダーブックの操作

6.1 スプーフィングの定義

スプーフィングとは、2010年の米国ドッド・フランク法で明確に定義されている市場操作の一種である。トレーダーが、需要や供給を偽装する目的で、約定する意図のない大口注文を出し、他のトレーダーがそれに追随した後に注文をキャンセルし、反対方向の取引を行って利益を得る行為を指す。

予測市場の注文帳における典型的なシナリオは以下の通りです：

1. 攻撃者が「Yes」に対して0.40で50万ドルの買い注文を出し、「強い買い需要」を装う；
2. 個人投資家がこの買い注文を見て追随し、「Yes」の価格を0.45まで押し上げる；
3. 攻撃者は注文をキャンセルし、あらかじめ保有していた「Yes」のポジションを0.45で売却する；
4. 価格は0.41に戻り、攻撃者は保有ポジションの5％分の利益を得る。

6.2 レイヤリング

レイヤリングはスプーフィングの高度な形態であり、攻撃者は「注文の厚み」を装うために複数の価格水準に注文を出すが、いずれの注文も約定させる意図はない。例：

• 0.40/0.41/0.42に10万ドルの買い注文を3件出す；
• 0.44/0.45/0.46に10万ドルの売り注文を3件出す；
• 中央で「4bpのスプレッド、300,000ドルの深さ」という錯覚を形成する；
• 個人投資家がミッド価格で取引を行った後、攻撃者は片方の注文をキャンセルし、注文を逆転させる。

6.3 検知の特徴

> 2bp

cancel_after_other_trade

キャンセルが、同じ側の他者のフィルに続くかどうか

はい

inventory_imbalance

キャンセル後のポジションの方向

キャンセル方向と反対

layer_count

同一方向の価格レベルの数

> 3

注文対約定比率 = 注文サイズ / 約定サイズ。これが20倍を超えると中程度のアラートが発動する。キャンセル率が80％を超え、かつキャンセル遅延が10秒未満の場合は、スプーフィングの有力な証拠となる。

6.4 真の流動性と偽の流動性

真の流動性と偽の流動性を区別することは、予測市場のマーケットメーカーや規制当局にとって共通の課題である。SoonTechのアプローチでは、「流動性信頼度スコア」を導入している：

• 各レベルの流動性は、「過去1時間の出来高／注文サイズ」で重み付けされます；
• 長期間残っていても約定しない注文（ゴースト注文）は重み付けが低くなります；
• 価格が急激に変動する際、価格に追従しない注文側＝信頼度高（MM）、価格に追従またはキャンセルされる注文側＝信頼度低（スプーフィングの可能性あり）；

このスコアはフロントエンド（カラースケールまたはアイコン）に表示されるため、ユーザーは「どの流動性が本物か」を直感的に把握できます。

6.5 終値の決定

予測市場の「終値」は、決済時のインプライド価格または最終約定価格に相当します。攻撃者は、決済前の最後の5～10分間に買いを集中させ、終値を1.00近くまで押し上げ、他のシステム（自動決済、インデックスファンドのNAV算定、マーケットメイカーの照合など）に連鎖的な影響を引き起こす可能性があります。

検知ポイント：

• 過去N分間（Nは通常5～15分）における取引高の異常な急増；
• 決済前の口座（特に新規登録または長期間休眠していた口座）における、一方向への集中したポジション；
• 同一の操作者による複数口座での同期操作。

SoonTechは、決済の30分前に「高圧モード」への移行を推奨します。これにより、すべての新規注文は制限値の0.5倍に制限され、異常な口座の新規ポジションは凍結され、重要なイベントには手動による確認が必要となります。

7. オラクルおよび決済ソースの改ざんに対する防御

7.1 オラクル攻撃の深刻さ

オラクルは予測市場の「信頼の基盤」であり、一度侵害されると、イベントチェーン全体のすべてのポジションが誤って決済される可能性があります。 2023年、ある大手予測プラットフォームは、データソースのエラーにより、中止された試合を「ホームチームの勝利」として決済し、280万ドルの誤った支払いを引き起こしました。2024年には、別のプラットフォームが、アグリゲーターから汚染されたAPIレスポンスが返されたため、マクロ経済データイベントを誤って決済しました。

7.2 攻撃対象領域

タイムゾーンとタイムスタンプの操作

データソースのタイムスタンプへの攻撃

少なくとも3つの独立した時刻ソース

イベントの主観的な曖昧さ

記述が曖昧であり、攻撃者が都合の良い解釈を選ぶ

市場創設の厳格な審査

ZK証明の偽造

攻撃者がZK証明を偽造する

複数の検証者、信頼最小化回路

7.3 複数ソースの集計と中央値

定量化可能なイベント（スポーツの試合結果、暗号資産価格、マクロ経済データ）について、SoonTechは少なくとも3つの独立したデータソースを必須としています：

• Chainlink、API3、UMAのうち少なくとも2つに加え、社内データ収集；
• 提案段階に進むには、少なくとも2つのソースが一貫した結果を返す必要がある；
• 結果に不一致がある場合は、「決済遅延」または「手動レビュー」のワークフローをトリガーする。

主観的な事象（政治、エンターテインメント）については、厳密な事象の説明に加え、少なくとも3つの独立した検証可能な情報源が必要です。提案者は、提案時にリンクと原文を添付しなければなりません。

7.4 オプティミスティック・オラクルとチャレンジ期間

UMAのオプティミスティック・オラクル設計を参考に：

• 提案フェーズ：提案者は結果と証拠リンクを提出し、保証金を差し入れる；
• 異議申し立てフェーズ（2～24時間）：誰でも異議を申し立てることができ、異議申立人はより高額な保証金を預け入れなければならない；
• 異議申し立てなしの自動承認：期間内に異議申し立てがない場合、結果は自動的に有効となる；
• エスカレーション：紛争は上位レベルの解決機関（評議会、DAO投票、オフチェーン裁判所）にエスカレートされる。

異議申し立て期間は、イベントの価値に応じて動的に調整されるべきである――価値が低い場合は2時間、高い場合は24時間、政治選挙の場合は72時間。SoonTechの実装では、マーケット作成時にカスタム異議申し立て期間を設定できる。

7.5 データ署名と検証可能な証拠

次世代オラクルでは、データソースが検証可能な証拠を提供することが求められます：

• APIの署名：データソースがEd25519の秘密鍵を使用してレスポンスに署名し、オラクルがその署名を検証する。
• TLS Notary / DECO：データが実際に特定のHTTPSエンドポイントから送信されたことを証明します；
• 公式ページのスナップショット：OpenTimestampsまたはIPA（Inheritance Proof of Authority）を使用して、特定の時点における公式ページを固定する；
• 通信社のデジタル署名：ロイターやAP通信が公式発表に署名します。

SoonTechのOracle Hubは、Chainlink Functions、API3 QRNG、UMA Optimistic Oracle、および自社開発の検証可能証拠ストレージを統合しています。

8. 多層型検出アーキテクチャ：ルール、統計、グラフアルゴリズム、および機械学習

8.1 階層化が必要な理由

単一の検知手法には限界があります：

• 純粋なルール：精度は高いが、再現率は低く、「未見の」パターンを検出するのは困難。
• 純粋な機械学習：リコール率は高いが、ブラックボックスであり、説明が難しく、敵対的サンプルによって容易に回避されやすい；
• 純粋なグラフ手法：構造化された関連性の検出には強いが、時系列やテキスト信号の検出には弱い；
• 純粋な統計手法：異常に対して敏感だが、閾値の調整が難しく、偽陽性率が高い。

実運用において、SoonTechは4層アーキテクチャを採用しており、各層には明確な役割があり、独立してアップグレードが可能です：

100ミリ秒～1秒

低

L3 グラフアルゴリズム

Neo4j / TigerGraph / GraphX

アカウント連携、閉ループ、グループ

1～10秒

中

L4 機械学習

XGBoost / GNN / Transformer

複雑なパターン、未知の脅威

10秒～数分

中～高

各レイヤーは「疑わしさスコア＋証拠」を出力し、「アラート集約器」がスコアを算出してアラートキューに送信する。

8.2 L1 ルールエンジン

ルールエンジンはコンプライアンスの基準であり、以下の3つの役割を担う：

1. 厳格なコンプライアンス規則：地理的制限、年齢制限、KYCステータス、単一取引制限、累積制限；
2. 既知の違反パターン：自己マッチングの検出、明らかなスプーフィングパターン、既知のサイビルアドレス；
3. 規制報告のトリガー：特定の閾値（累積取引量、単一取引規模）に達した際に、SAR/STRの草案を直接生成する。

ルールはDSLで記述されます（SoonTechのDSLは WHEN account.age < 7d AND trade.size > 10000 THEN alert("new_account_large_trade")）で記述され、ホットリロード、バージョン管理、およびA/Bテストに対応しています。

8.3 L2 統計的異常

各口座および各市場ごとに、以下の時系列データを管理します：

• 出来高、注文規模、キャンセル率の移動平均および分散；
• 価格変動のzスコアおよびIQR；
• CUSUM／Page-Hinkley累積偏差。

指標が閾値（例：3σまたは99.5パーセンタイル）を超えて過去の分布から逸脱した場合、アラートを発動する。 このレイヤーは主に、「既知のパターンによる統計的異常」を検出します。例えば、「ある口座の1時間あたりの取引量が過去30日間の10倍である」といったケースです。

8.4 L3 グラフアルゴリズム

予測市場には、次のような豊富なグラフ構造が存在します：

• アカウント間グラフ：共通のデバイス、IP、ファンドの関連性によるエッジ；
• アカウント-市場グラフ：取引行動に基づく二部グラフ；
• ファンドとオンチェーンアドレスのグラフ：入出金を結ぶ有向グラフ；
• イベント-情報源グラフ：イベントとアクセス可能な情報源間の時間的相関。

Neo4j / TigerGraph上で3種類のアルゴリズムを実行します：

• コミュニティ検出（Louvain／Leiden）：関連性の高いアカウントグループを特定；
• 異常ノード（Oddball／Ego-splitting）：度数が高いが異常な特徴を持つノード；
• 部分グラフマッチング：特定のパターン（例：「3つの市場で5つの口座が同期してウォッシュトレードを行っている」など）を検索します。

グラフアルゴリズムの利点は「説明可能性」にあり、各不審なグループをコンプライアンス担当者に視覚的に提示できる。

8.5 L4 機械学習

機械学習は、複雑で未見のパターンを検出します：

• XGBoost / LightGBM：構造化特徴量に対する強力なベースライン、「当該口座は不審か」の二値分類；
• GNN（グラフニューラルネットワーク）：「口座・市場・アドレスのグラフ」の埋め込みを行い、「口座間で共謀があるか」の判定に利用；
• Transformer / LSTM：取引シーケンスのモデリング、「行動パターンは異常か」の判定；
• オートエンコーダー／アイソレーションフォレスト：「未知の新規パターン」に対する教師なし異常検知。

モデルは、人間によるレビューのために、確率と主要な特徴量の寄与度（SHAP値）を出力します。

8.6 アラートの集約と重複排除

同一の異常行動が複数のレイヤーによって同時にトリガーされる場合があるため（例：ルール、統計、機械学習のすべてがヒット）、集約と重複排除が必要となる：

• イベントID（アカウント＋市場＋時間ウィンドウ）を重複排除のキーとして使用する；
• 5分間のウィンドウ内で、同じ根本原因によるアラートを統合する；
• 「複合的な疑わしさ」と「主な寄与レイヤー」を出力し、人間によるレビューを直感的に行えるようにする。

9. アラートの階層化、人的レビュー、および是正措置

9.1 アラート階層

SoonTechでは、4つのアラート階層を採用しており、それぞれ異なるSLAおよび対応パスに対応しています：

CEO 兼 コンプライアンス担当取締役

P1 高

操作の証拠が明らかであるため、直ちに凍結せよ

5つ以上の口座で、同期してインサイダー取引が行われている

30分

コンプライアンス責任者＋リスクマネージャー

P2 中

極めて疑わしい、手動による審査が必要

自己一致率が50％を超える口座

4時間

リスクマネージャー＋オンコール・コンプライアンス担当

P3 低

シグナルが弱い、バッチ処理

2σの範囲から外れた出来高

24時間

オンコール遵守状況

9.2 人的レビューのワークフロー

人的レビューは「ざっと見て通過する」ものではなく、標準化されたプロセスが求められます：

1. アラートの受信：システムがコンプライアンス担当者のチケットシステムに、証拠資料一式（不審な取引、関連性グラフ、モデルSHAP、口座プロファイル）を送信します；
2. 迅速な分類：5分以内に「誤検知」「継続監視」「エスカレーション」のいずれかを決定；
3. 証拠の凍結：口座の状態、取引記録、デバイスフィンガープリント、オンチェーンアドレスを証拠保管庫にアーカイブする（読み取り専用ログへの書き込み＋オンチェーンアンカー）；
4. 決定と実行：是正措置を選択（次節参照）、二重署名による承認を申請；
5. フォローアップとアーカイブ：措置実施後、7日・30日・90日間の経過をフォローアップし、再発がないことを確認した上で、モデル学習用にケースライブラリに記録する。

コンプライアンス担当者は24時間365日、シフト制で勤務し、単一の過失によるリスクを回避するため、各シフトに少なくとも2名が配置される。SoonTechのチケットシステムには「二重審査」メカニズムが組み込まれており、P0/P1レベルの是正措置を実行するには、2つの独立した承認が必要となる。

9.3 執行措置

ユーザー体験の低下

中程度

アカウントを凍結

明らかな違反、調査が必要

ユーザーからの苦情

中

注文／取引のキャンセル

自己マッチング、明らかなエラー

市場への影響

中（利用規約の開示が必要）

約定無効

市場操作、イベント無効

プラットフォームの評判

中程度（明確なルールが必要）

決済の遅延

紛争が存在するため、再検討が必要

ユーザー体験の低下

中程度

資金の削減

重大な違反、プロトコル上の規定が存在する

ユーザーによる訴訟

中程度（利用規約の明確化が必要）

司法機関への照会

刑事犯罪が関与、国境を越える

長期にわたる訴訟

高

プラットフォームは、利用規約およびマーケットルールにおいて、各措置の発動条件、承認プロセス、および異議申し立ての手順を明確に規定しなければならない。これは法的コンプライアンス要件であるだけでなく、ユーザーに対する「事前通知」でもある。

9.4 マーケットの無効化

マーケットの無効化は最も厳しい執行措置の一つであり、通常、以下の場合に適用される：

• イベントの説明に解決不能な曖昧さがある場合；
• 結果が操作されたことを示す相当な証拠がある場合；
• オラクルに違反があり、異議申立期間内に解決できない場合；
• 規制当局が明示的に要求する場合。

無効化後の資本処理：

• 均等比例による償還：すべてのシェアを1/Nで償還し、操作者およびその他のユーザーを平等に扱う；
• 補償基金：「無効市場保険プール」を活用し、違反していないユーザーのポジションを直近の正常価格にて買い戻す；
• 部分的な無効化：操作されたサブ結果のみを無効化し、その他は通常通り決済する。

SoonTechは、無効化の決定について、コンプライアンス・法務・事業部門が共同で審査し、決定の根拠と証拠の連鎖を記録することを推奨します。

10. 紛争解決、証拠の連鎖、および説明可能性

10.1 3層構造の紛争解決アーキテクチャ

UMAの「楽観的オラクル」とAugurのフォークメカニズムを参考に、SoonTechは3層からなる紛争解決アーキテクチャを実装しています：

1. 第1層：提案–異議申し立て（2～24時間）

• 提案者は結果と証拠を提出し、保証金を差し入れる；
• 誰でも異議を申し立てることができ、異議申立人はより高額な保証金を差し入れなければならない；
• 異議申し立てがなければ自動的に承認される。

1. 第2層：評議会の投票（3～7日）

• 異議申し立てがあった場合、9～15名の評議会が投票を行う（SoonTechのクライアントはメンバーをカスタマイズ可能）；
• 単純過半数で可決され、提案者・異議申立者は結果に応じて保証金を分割して受け取る；
• 投票の詳細はオンチェーンで記録され、各メンバーの理由を公開することも可能。

1. レイヤー3：DAOまたは管轄機関（7～30日）

• 極めて重大な紛争（数百万ドル規模のものや憲法上の問題を含む）は、DAOによる投票または特定の管轄区域における仲裁へとエスカレートする；
• これは「核ボタン」に相当し、発動されることは極めて稀である。

10.2 証拠チェーンの保持

いかなる執行措置（注文の取消、凍結、無効化）にも、監査可能な証拠チェーンが必須である：

• アカウント状態のスナップショット：措置実施時点におけるKYCステータス、ポジション、資金、リスクスコア；
• 取引詳細：関連するアカウント、取引相手、IPアドレス、デバイスフィンガープリント、タイムスタンプを含む完全な取引履歴；
• モデル出力：疑わしさスコア、主要特徴量の寄与度（SHAP）、関連アラート；
• 決定記録：決定者、決定時刻、決定理由、審査者；
• フォローアップ：7日、30日、90日後の口座の行動変化。

SoonTechのコンプライアンスシステムは、証拠パッケージを読み取り専用ログ（PostgreSQL + S3）に記録し、さらにオンチェーンでのアンカーリング（Ethereum/Polygonへの1時間ごとのログハッシュの書き込み）を行うことで、不変性と長期的な照会可能性を確保しています。

10.3 説明可能性

規制当局や裁判所は、AIによる決定に対して説明可能性を求める傾向が強まっています。SoonTechの取り組み：

• ルールアラート：各ルールには自然言語による説明が付随しています（「24時間以内に3つのIPアドレスに関連付けられたアカウント」など）；
• 統計アラート：時系列チャート、閾値ライン、統計値を表示；
• MLアラート：SHAP特徴量寄与度チャートを添付し、「なぜこのアカウントがフラグ付けされたのか」を明示；
• グラフアラート：「これらのアカウントが関連付けられている理由」を明記し、関連性グラフを可視化。

コンプライアンス担当者は、自然言語を用いて規制当局やユーザーに次のように説明できます。「このアカウントがフラグ付けされたのは、事象発生の30分以内に、既知の4つのサイビルアカウントと同じWi-Fi BSSIDを使用していたこと、およびオンチェーンアドレス0xab12から資金が送金されていたためです...」

11. 規制報告およびコンプライアンスとの統合

11.1 東南アジアの主要な管轄区域

四半期ごとの貿易報告書、即時STR

インドネシア

BAPPEBTI（先物）／OJK（証券）

先物取引の監視、AML

リアルタイム監視、月次コンプライアンス報告書

タイ

タイ証券取引委員会（SEC Thailand）

デジタル資産、AML

リアルタイムの異常レポート、年次コンプライアンス監査

シンガポール

MAS（シンガポール金融管理局）

DPT（デジタル決済トークン）、AML/CFT

リアルタイムSTR/CTR、年次コンプライアンス報告書

ベトナム

中央銀行＋情報通信省

デジタル資産、AML

試験運用期間、段階的な統合が必要

フィリピン

BSP（中央銀行）＋SEC

デジタル資産、AML

四半期報告＋リアルタイムのSTR

11.2 報告内容

直ちに

通貨取引報告書（CTR）

閾値を超える単発または累計

取引の詳細、取引相手、KYC

日次／週次

市場操作報告

操作ルールへの該当

操作手法、関与した口座、損失の推定額

即時＋月次

システムのセキュリティインシデント

ハッキング、オラクル障害

事象のタイムライン、影響範囲、是正措置の進捗状況

即時

年次コンプライアンス報告書

年次

全体的なリスク状況、主な出来事、改善計画

年次

規制当局からの照会への回答

規制当局からの積極的な要請

特定の口座／市場に関する詳細データ

要請に応じて

11.3 国境を越えた規制当局間の連携

予測市場は本質的に国境を越えた性質を持っています。ユーザーはフィリピンで入金し、マレーシアで取引を行い、インドネシアで出金するといったことがあり得ます。SoonTechのコンプライアンスシステムは以下をサポートしています：

• 管轄区域をまたぐコンプライアンス規則ライブラリ（各規則で適用地域を指定可能）；
• 国境を越える不審取引の自動報告（フィリピンの口座＋マレーシアの市場＋インドネシアでの出金 → 3つの規制当局へ同時に報告）；
• 規制当局とのAPI連携（MAS、SC、タイSECはいずれも専用のAPI仕様を備えています）；
• 規制サンドボックスモード（必要に応じて匿名化や特定機能の制限が可能）。

12. エンジニアリングアーキテクチャとパフォーマンス設計

12.1 全体アーキテクチャ

監視パイプライン全体は、取引のエントリーポイントから人的な執行に至るまでをカバーしており、データフローに沿って7つのレイヤーに分解されます：

1. エントリ層：クライアントおよびモバイルからのリクエストは、APIゲートウェイを経由してマッチングエンジンまたはAMMへ送信されます。ゲートウェイは同時に、デバイスフィンガープリント、IP、ユーザーエージェントなどの識別情報に関する生データを取得します。
2. イベントバス：マッチングエンジンは、すべての約定、注文の発注／取消、およびポジションの変更を、次のようなKafkaトピックに書き込みます。 trade-event-stream や order-event-streamといったKafkaトピックに書き込み、これらをすべての下流の検知モジュールにとっての「唯一の真実の源」として機能させます。
3. リアルタイム計算層：Flinkジョブがイベントストリームを処理し、アカウント、市場、時間ウィンドウごとにリアルタイムの特徴量（自己一致率、注文対取消率、決済ウィンドウにおける取引高シェアなど）を集計します。
4. 特徴量ストア層：リアルタイムの特徴量は、低遅延のオンライン推論のために Redis または特徴量ストアに書き込まれ、オフラインのトレーニングおよびバックテスト用にデータレイクに並列コピーが保存されます。
5. 推論および集計層：ルールエンジン、統計モデル、機械学習モデルが並列でスコアリングを行います。アラート集計サービスは、重複を排除し、同一発信元のシグナルを統合して、最終的なリスクスコアを算出します。
6. グラフ分析層：Neo4j などのグラフデータベースが、アカウント・デバイス・資金調達・オンチェーンアドレスの関連付けネットワークを保持します。オフラインジョブが定期的にコミュニティ検出と関連性の強さを再計算し、その結果をアカウントレベルのフィーチャーとしてフィードバックします。
7. 執行層：閾値を超えたアラートはアラートキューおよびチケットシステムに入り、重大度に応じて当直のリスク担当スタッフ、コンプライアンス審査、または自動化された執行アクションへとルーティングされる。

12.2 ストリーム処理コア：Flink + Kafka

• Kafkaは、すべての取引イベント、ユーザー行動、オンチェーンイベント、オラクルイベントを処理します。
• Flinkは、リアルタイムの特徴量計算（スライディングウィンドウ、CEP（複合イベント処理））、リアルタイムのモデル推論、リアルタイムのアラート生成を担当します；
• Flink CEPは、「時系列パターン」（例：「Aが5分間に30秒間隔で3回の注文を行う」など）の検出に特に適しています；
• Exactly-Onceセマンティクスにより、アラートの重複や見落としが防止されます（重要なコンプライアンス要件）。

12.3 特徴量ストア

SoonTechは、階層化された特徴量ストアを推奨します：

• リアルタイム特徴量（Redis / Aerospike）：レイテンシ < 1ms、Flinkのリアルタイム計算用；
• オフライン特徴量（S3上のParquet／Hudi）：T+1、オフラインモデル学習用；
• 特徴量プラットフォーム（Feast / Tecton）：特徴量の統一的な定義、バージョン管理、チーム間の共有；
• オンライン推論（100ms未満）とオフライン学習は同じ特徴量定義を共有し、学習とサービングの不整合を回避します。

12.4 グラフデータベース

• 中小規模（1億ノード未満）の関連性分析にはNeo4j；
• 大規模（10億ノード級）のグラフアルゴリズムにはTigerGraph；
• GraphX / NetworkX：1回限りのオフライン分析（コミュニティ検出、サブグラフマッチング）用；
• クラウドネイティブ展開にはAmazon Neptune／Alibaba GraphScope。

一般的なグラフクエリ：

• 「過去24時間に、既知のサイビルアカウントとCセグメントのIPを共有しているアカウント」;
• 「過去7日間のアカウントXのオンチェーン入金アドレス、Common Spendingクラスタリング後のグラフ」;
• 「3つの市場で5つのアカウントが同期してウォッシュトレードを行った最短の時間枠」。

12.5 パフォーマンスと可用性

事前計算 + インデックス + サブグラフキャッシュ

システムの可用性

99.95%

マルチアクティブ展開、サーキットブレーカー、パフォーマンス低下

スループット

10万 TPS（取引イベント）

Kafkaのパーティション + Flinkの並列処理

ストレージ

5年間のコンプライアンス準拠によるデータ保持

ホット／コールド階層化 + オブジェクトストレージ

13. SoonTech 市場監視ソリューション

13.1 ソリューションの概要

SoonTechの市場監視スイートは、AMM、オーダーブック、オラクルと並んで、予測市場プラットフォームにとって重要なインフラストラクチャの一部です。モジュールの構成：

1. データ取り込み層：取引イベント、ユーザー行動、オンチェーンイベント、オラクルイベント、デバイスフィンガープリント；
2. リアルタイム処理層：Kafka + Flinkによるリアルタイム特徴量抽出およびCEP；
3. 検知層：ルールエンジン（L1）＋統計的異常検知（L2）＋グラフアルゴリズム（L3）＋機械学習（L4）；
4. アラートおよびチケット：段階的なアラート、二重レビュー、エビデンスチェーン；
5. 措置および実行：ポジション制限、注文取消、凍結、無効化、決済遅延；
6. コンプライアンスレポート：STR/CTR、規制当局APIとの連携、国境を越えた連携；
7. 説明可能性および監査：SHAP、エビデンスチェーン、オンチェーン・アンカリング；
8. 管理コンソール：コンプライアンス担当者のワークベンチ、事例ライブラリ、モデル監視、ルール管理。

13.2 3つの代表的な導入シナリオ

シナリオ1：東南アジアの大手CEXに組み込まれた予測市場

このクライアントは、シンガポールおよびマレーシアで認可を受けたCEXであり、MASおよびSCのコンプライアンス要件を満たしつつ、既存のアプリに予測市場ビジネスを追加したいと考えています。 当社は、包括的な監視スイートを導入し、MASのDPTおよびSCのガイドラインに基づきルールライブラリをカスタマイズするとともに、アラートの優先度設定および対応フローをクライアントの既存のコンプライアンス部門と整合させました。サービス開始から6ヶ月以内に、380件の疑わしい取引を特定・処理し、220万ドルの潜在的な損失を回収するとともに、規制当局による検査において重大な指摘事項はゼロでした。

シナリオ2：インドネシアの独立型UGC予測市場

このクライアントは、インドネシアのユーザーを対象としたUGC予測市場であり、スポーツ、eスポーツ、政治を扱っています。当社は、シビル攻撃の検知（インドネシアのアカウントファームが活発に活動している）、ソーシャルグラフ分析（Twitter/Instagram上の予測インフルエンサー）、およびインセンティブアービトラージの検知（エアドロップやリーダーボードファーミング）を強化しました。 サービス開始から4ヶ月以内に、1,800以上のシビルアカウントグループを凍結し、ファーミング関連の苦情は92％減少しました。

シナリオ3：グローバルな分散型予測市場

クライアントは、Polygon/Base上に展開された分散型予測市場であり、「KYC不要、完全オンチェーン」を掲げています。プライバシー保護を前提として（ZK証明＋オンチェーン行動分析を活用）、シビル攻撃の特定、オラクル攻撃の検知、およびプロトコル横断的な資金追跡を実施しています。 ローンチ後、複数のMEV対策サービスやオンチェーン分析プロバイダーと提携し、「簡易なKYCと強力なオンチェーン分析」を組み合わせたハイブリッド監視システムを構築しました。

13.3 納品スケジュール

• 第1～2週：ビジネス調査、規制要件の確認、初期ルールライブラリの構築；
• 第3～6週：データ取り込みおよびKafkaとの統合、Flinkによるリアルタイム機能、ルールエンジン；
• 第7～8週：グラフデータベースおよびオフライン処理機能、MLモデルのトレーニング；
• 第9～10週：チケットシステム、コンプライアンス部門との連携、演習；
• 第11週：本番環境での試験運用、グレースケールルール；
• 第12週以降：アラートの品質に基づいた閾値の調整、ルールおよびモデルの拡張。

14. エンタープライズ導入に関する推奨事項

14.1 監視体制構築の3つのフェーズ

フェーズ1（生存）：ルール＋統計（0～3ヶ月）

• Kafka／Flinkの統合、ルールエンジン、自動照合／なりすまし／制限ルール；
• 最低限の規制要件（KYC／AML／STR）に重点を置く；
• 2～3名のチームで運用可能。

フェーズ2（防御）：グラフ＋機械学習（3～9ヶ月）

• グラフデータベースの構築、クラスタリング、行動の類似性の対応；
• XGBoost／GNNモデルの展開；
• データサイエンティストを含め、チーム規模を5～8名に拡大。

フェーズ3（主導）：予測＋予防（9～18ヶ月）

• コンプライアンス対応のためのエージェント型AIを活用し、先制的な脅威検知を実施；
• 規制当局との情報共有体制を構築；
• 業界をリードするコンプライアンスブランドを確立する。

14.2 チームの構成

監視チームの最小構成：

• コンプライアンス責任者 1名（規制当局との連携、ポリシー策定）；
• コンプライアンス担当者 2名（24時間365日のシフト制、アラートの確認および是正措置）；
• データエンジニア 2名（Kafka／Flink／グラフデータベース）；
• データサイエンティスト 1名（機械学習モデルのトレーニングおよびチューニング）；
• リスク・プロダクト・マネージャー 1名（ルールライブラリの反復改善、ケース管理）；
• 法務担当者 1名（越境コンプライアンス、紛争解決）。

SoonTechのアウトソーシングおよびコンサルティングサービスを利用すれば、3ヶ月で完全な監視システムを構築できます。

14.3 主要指標

• アラートの品質：P0/P1の誤検知率 < 5%、P2/P3 < 20%；
• アラートの遅延：P0 < 5分、P1 < 30分、P2 < 4時間；
• 是正措置の完了：アラートの100％がSLA内に処理され、是正措置の100％に完全な証拠チェーンが確保されている；
• モデル指標：サイビル攻撃の特定におけるリコール率 > 85%、インサイダー取引のリコール率 > 70%；
• 規制遵守：STR/CTRの漏れゼロ、規制当局からの照会への回答時間 < 24時間；
• ビジネスへの影響：誤凍結率 < 0.1%、ユーザー苦情率 < 0.05%。

14.4 よくある落とし穴

• 機械学習への過度な依存：多くのチームは「AIですべてを解決しよう」と試みるが、結果としてリコール率5％、誤検知率80％という結果に終わってしまう。まずはルールと統計から始め、ルールではカバーできない場合にのみ機械学習を活用することを推奨する；
• アラート疲労：アラートが多すぎるとコンプライアンス担当者の感度が鈍り、結果として真のP0を見逃すことになる。厳格な階層化、割り当て、統合を行う必要がある；
• 証拠の連鎖の欠如：事後に責任を追及しようとした時に初めて、証拠が保存されていなかったことに気づく。証拠の連鎖は、システム設計の初日から考慮しなければならない；
• 規制当局とのコミュニケーション不足：規制当局が検査に来る時だけ説明を行う。規制当局とのコミュニケーションチャネルを積極的に確立し、定期的に報告を行うこと；
• 国境を越えたコンプライアンスの空白：「ユーザーがいる場所に規則が適用される」と考えがちだが、実際にはプラットフォームの登録地、サーバーの設置場所、ユーザーの物理的な所在地によって、それぞれ異なるコンプライアンス要件が適用される。

よくある質問

Q1：なぜ予測市場は現物取引所よりも操作されやすいのですか？

A: 3つの根本的な原因があります：1) 決済が二者択一であるため、操作による利益が非線形に拡大する（0.30→0.90 = 200%のリターン）；2) イベントの95%で1日の取引高が5万ドル未満であり、1つの注文で価格を決定できてしまう； 3) 情報の非対称性が必然的に生じる（参加者の家族や政治家の補佐官などが、公開情報の数分前にポジションを構築できる）。これら3つの特徴が相まって、予測市場はインサイダー取引、ウォッシュトレード、シビル攻撃、決済ウィンドウ狙いなどの温床となっている。

Q2：インサイダー取引と「下調べ」をどのように区別しますか？

A: 100％区別するのは困難ですが、いくつかのシグナルによって判断できます：1) ポジション構築時刻と情報源の公開時刻との時間差（30分未満の場合は極めて疑わしい）；2) アカウントグループのクラスタリング（複数のアカウントが同時に同じ方向にポジションを構築していること）； 3) 口座の特性（新規登録、クロスプラットフォームでの初登場、既知の違反者と関連するIP/デバイス）；4) 情報源が「非公開」であるかどうか（先発メンバー、内部投票、未発表の経済データはすべて「非公開情報」に該当します）。 SoonTechのインサイダー検知モデルは8つの特徴量に基づいてスコアを算出しており、スコアが0.65を超えると高レベルの警告が発動する。

Q3：どの程度の自己マッチング率であれば「深刻」とみなされますか？

A: SoonTechは3つの閾値を推奨しています：自己マッチング率＝関連口座からの取引相手先による取引高／当該口座の総取引高。30％を超えると中程度のアラート、50％を超えると高レベルのアラート、70％を超えると即時凍結および手動による審査が行われます。 純粋な「自己マッチ」が必ずしもウォッシュトレードであるとは限りません（プロのマーケットメイカーによるヘッジ取引でも、関連口座間の取引が発生する可能性があります）が、クローズドループPnL、キャンセル率、および口座間の関連性の強さを総合的に判断する必要があります。

Q4：シビル検出は、「家族で1台の端末を共有している」場合に悪影響を及ぼしませんか？

A: はい、これがシビル検出における最大の課題です。 SoonTechのアプローチ：1) 「家族利用のシナリオ」（同一のWi-Fi BSSID＋同一の配送先住所＋関連するKYC ID）をホワイトリストに登録する；2) ただし、同一のデバイスから複数のアカウントが頻繁に取引を行い、その取引方向が極めて一致している場合は、依然として異常として扱う（「家族ユーザー」が取引を正確に同期させることは稀である）； 3) KYC（顔認証、IDの4要素）を強化し、アカウントファームを根源から削減する；4) フラグが立てられたグループを定期的に手動で審査し、「家族ユーザー」と「アカウントファーム」を区別する。

Q5：市場操作が発生した後、取引の無効化（Void）が最善の措置でしょうか？

A: 必ずしもそうとは限りません。取引の無効化は最も厳しい措置であり、プラットフォームの評判や全ユーザーの信頼を損なうため、最終手段とすべきです。SoonTechが推奨する優先順位は以下の通りです：1) 関係するアカウントの凍結＋注文の取消（影響が最小限）；2) 決済の遅延（調査のための時間確保）； 3) 部分的な無効化（操作されたサブ結果のみを無効化）；4) 市場全体の無効化＋保険プールによる補償（極端な措置）。取引の無効化については、コンプライアンス、法務、事業部門が共同で検討し、対外的に明確に説明する必要があります。

Q6：規制当局への報告を、コンプライアンスを遵守しつつ効率的に行うにはどうすればよいですか？

A: SoonTechのコンプライアンスシステムは、規制当局への報告を「設定駆動型」にします。各報告ルールにおいて、トリガー条件、コンテンツテンプレート、提出方法、規制当局、頻度を設定します。システムは監視アラートや取引データからフィールドを自動的に抽出し、報告書の草案を生成します。コンプライアンス担当者のレビュー後、API経由または手動で提出します。 また、当社は「規制当局からの照会対応ライブラリ」を整備しており、規制当局からのよくある質問をテンプレート化することで、平均回答時間を5日から1日に短縮しています。

🌐 SoonTechで、安全かつスケーラブルなWeb3プラットフォームを構築しましょう。

ホワイトラベル暗号資産取引所、予測市場、MPCウォレット、マッチングエンジン、流動性統合、コンプライアンス向けのソリューションをご覧ください。