実例シナリオ
デバイスインテリジェンスが変えるもの
エンジニアリングチームが、不正・ボット・インフラコストに対してDevice Identification、Bot Detection、Smart Signalsをどう活用するか — 具体的なシナリオとして解説します。
典型的な導入をモデルにした実例シナリオであり、実名顧客の事例ではありません。数値は、これらの導入が目指す成果の種類を示すものであり、監査済みの結果ではありません。実際のケーススタディは、顧客の承認が得られ次第公開します。
例：決済プラットフォーム
フィンテック · シリーズB規模
課題
深刻なアカウント乗っ取り被害に直面する決済プラットフォーム。WAFルールでは巧妙なATOの試みのごく一部しか捕捉できず、手動レビューは成長に伴ってスケールしません。
解決策
ログインと決済のフロー全体にDevice IdentificationとBot Detectionを導入します。Device IdentificationはCookie削除後でも再訪デバイスをフラグ付けし、Bot Detectionは自動化された認証情報テストをエッジで遮断します。
変わること
このシナリオでは、チームは1日に数百件の不正アラートをトリアージする状態から、その一部の量へと移行します。正規ユーザーが誤ってフラグ付けされることも大幅に減り — サポートチームが真っ先に気づくような変化です。
例：データインフラSaaS
SaaS · エンタープライズ規模
課題
既存のWAFをすり抜ける大規模なクレデンシャルスタッフィングに見舞われたSaaSプラットフォーム。攻撃トラフィックがインフラリソースを消費し、実ユーザーのパフォーマンスを低下させています。
解決策
アプリケーションサーバーに到達する前に自動化トラフィックを遮断するためBot Detectionをエッジに導入し、加えて、人間の行動を模倣する巧妙なボットを捕捉するサーバー側セッション分析のためにSmart Signalsを追加します。
変わること
このシナリオでは、以前ボットトラフィックの処理に費やされていたインフラ支出の大部分が回収されます。ほとんどの自動化リクエストが、アプリケーションサーバーに到達する前にエッジで遮断されるためです。
例：アナリティクスプロバイダー
アナリティクスプラットフォーム · 成長段階規模
課題
別のデバイスインテリジェンスベンダーからの移行を検討しているアナリティクスプロバイダー。切り替えを決断する前に、精度が同等であることを検証する必要があります。
解決策
検証期間中、既存ベンダーと並行してDevice Identificationを実行し、切り替え前に精度・レイテンシ・識別安定性を追跡する並列比較ダッシュボードを使用します。
変わること
このシナリオでは、両システムを並行して動かすことで、追跡している指標全体でDevice Identificationが従来のベンダーと同等かそれ以上であることをチームが確認できます。移行の判断は、約束ではなく自社のデータに基づくものになります。