【フルリモート／週5】Python 不正検知・グラフデータアーキテクト（大規模トランザクションのリアルタイム解析と巨大ネットワークの解明）

お任せしたいこと

自社で展開する数千万ユーザーを抱える決済プラットフォーム、または巨大な経済圏を持つCtoCマーケットプレイス等において、Pythonのデータ処理エコシステムとグラフデータベースを極限まで駆使し、金融犯罪（マネーロンダリング等）や悪意ある不正アカウント群をリアルタイムに炙り出す「アンチフロード（不正検知）基盤」の設計・構築をお任せします。
「正規ユーザーの利便性を損なうだけの、IF-THENルールをツギハギした脆い検知ロジック」や「バッチ処理による事後対応（被害発生後のモグラ叩き）」を徹底的に排除し、PyTorch Geometric等を用いたグラフニューラルネットワーク（GNN）の実装と、Apache Kafkaを経由したミリ秒単位でのストリーミング・スコアリングを泥臭く牽引することで、プロダクトの安全性とビジネスの収益性を最高次元で両立させる中核的なポジションです。

具体的な業務内容

・Python（FastAPI等）を活用した、決済やログイン要求に対して数ミリ秒〜数十ミリ秒で不正スコアを返却する、超低遅延・高スループットな推論APIの設計と実装
・Neo4j、Amazon Neptune等のグラフデータベースを利用した、ユーザー・デバイス・IPアドレス・決済手段の複雑な関係性をモデリングする巨大なナレッジグラフの泥臭い構築
・NetworkXを用いたグラフ構造の基礎的なネットワーク分析（中心性、コミュニティ抽出等）と、CypherやGremlin等のグラフクエリ言語の極限のパフォーマンスチューニング
・PyTorch Geometric（PyG）や DGL（Deep Graph Library）を活用した、グラフニューラルネットワーク（GNN）による高度な不正ネットワークの予測モデル開発
・Apache Kafka および PyFlink（Apache Flink）を利用した、ペタバイト級のトランザクションデータからリアルタイムに特徴量（Feature）を抽出・集計するストリーミングパイプラインの構築
・Scikit-LearnやXGBoostを利用した既存の機械学習モデルと、グラフ表現学習（Graph Representation Learning）から得られた埋め込み（Embedding）ベクトルの最適なアンサンブル実装
・誤検知（False Positive）による正規ユーザーへのビジネス逸失利益と、未検知（False Negative）による実害額のトレードオフを定量化し、動的な閾値（スレッショルド）制御を行う基盤の開発
・Airflow等のワークフローオーケストレーションを利用した、日々進化する不正手法に適応するための継続的な再学習（CT）およびグラフデータの非同期バッチ更新パイプラインの構築

必須スキル・経験

・Pythonを用いたバックエンドシステム、またはデータパイプラインの開発実務経験（目安として3年以上）
・機械学習モデル（特に分類問題、異常検知）の本番環境へのデプロイ・運用経験
・巨大なリレーショナルデータ、またはNoSQLデータベースに対する複雑なデータモデリングとチューニング経験
・Apache Kafka等のメッセージキューを利用した、非同期処理またはストリーミング処理基盤の開発経験
・Git / GitHubを用いたチーム開発、および大規模トラフィックを想定したパフォーマンステストの実務経験

歓迎スキル・経験

・Neo4j、Amazon Neptune等のグラフデータベースを用いたシステム構築経験
・PyTorch Geometric等のGNNフレームワークを用いた研究、または実務でのモデル開発経験
・決済システムにおける不正検知（Anti-Fraud）、AML（アンチマネーロンダリング）、またはリスクマネジメント領域での実務経験
・PyFlinkやSpark Streamingを用いたリアルタイム分散処理基盤の構築経験
・Docker / Kubernetesを利用したコンテナベースの推論基盤の運用経験

開発・業務環境

開発言語：Python 3.11+
Web・推論フレームワーク：FastAPI
ML・グラフ解析：PyTorch (PyTorch Geometric), NetworkX, XGBoost, Scikit-Learn
データベース：Neo4j (または Amazon Neptune), PostgreSQL, Redis
ストリーミング・データ処理：Apache Kafka, PyFlink, Apache Airflow
インフラ・コンテナ：AWS または GCP, Docker, Kubernetes
コミュニケーション・管理：GitHub, Jira, Slack, Zoom

プロジェクトチームについて

「悪意ある攻撃者は常にシステムの手薄な部分を突いてくる。我々はそれをコードと数学で迎え撃つ」という強い使命感を持ち、犯罪者のネットワークをプロファイリングによって暴き出すフロード・リスク対策コアチームへの配属となります。
「とりあえず怪しいからアカウントを凍結する」というユーザー体験を軽視した強権的な対応を極めて嫌い、なぜそのアカウントが不正と判定されたのかを、グラフのトポロジーや特徴量のSHAP値から泥臭く論理的に説明しようとする手堅いカルチャーです。本番環境で未知の不正アタック（ゼロデイ的な攻撃）が発生し被害が出た際にも、現場の運用担当者を責めるのではなく、グラフ構造のどの特徴を見落としていたのかを徹底的に分析し、パズルを解き明かすように新たな防御ロジックを実装する実直なメンバーが集まっています。

求める人物像

・「単に言われた通りのAPIを作る」のではなく、攻撃者がどのようにシステムを騙そうとしているのかという「犯罪者の思考モデル」をハッカー的な知的好奇心を持って想像できる方
・複雑に絡み合った数億ノード・数十億エッジのグラフデータから、目視では絶対に気づけない「微かな不正の匂い（異常なサブグラフ）」を数理的に抽出することに美学を持てる方
・誤検知（正常なユーザーをブロックしてしまうこと）の重みを深く理解し、ビジネスの成長を阻害せずに安全性を高めるという、極限のトレードオフ調整を泥臭く楽しめる方

仕事の魅力

金融やECが完全にデジタル化した現代において、高度に組織化された詐欺グループやボットネットワークからシステムを守り抜く「不正検知基盤」の強弱は、企業の存続を直接的に左右します。最先端のグラフニューラルネットワーク（GNN）とリアルタイム分散処理基盤を掛け合わせ、実世界の巨大な悪意を泥臭くアルゴリズムで制圧する経験を通じて、単なる「Pythonバックエンドエンジニア」を完全に凌駕し、世界中の決済プラットフォームや金融機関が最も高額な条件で渇望する「リスク＆フロード データアーキテクト」としての圧倒的な市場価値を築くことができます。

働き方

リモート環境

[フルリモート] 基本的にフルリモートで働いていただけます（※極めて機密性の高い不正手口の分析や、緊急のインシデント対策会議などにおいて、スポットでオフィスでの密な同期コミュニケーションが発生する場合があります）。