یادگیری ماشین - تشخیص تراکنشهای تقلبی با جنگلهای انزوا
در یک دنیای دیجیتال بهطور فزایندهای بههمپیوسته، میلیاردها تراکنش هر روز از طریق سیستمهای مختلف انجام میشود، از پایانههای فروش در فروشگاههای سنتی تا درگاههای پرداخت آنلاین. این سیستمها فرصتهای بزرگی فراهم کردهاند و به راهاندازی کسبوکارهای نوآورانه جدید با مدلهای کسبوکار منحصربهفرد کمک کردهاند. در حالی که مزایای قابلتوجهی به همراه داشته است، افزایش شدیدی در جرایم سایبری بهطور فزایندهای پیچیده نیز مشاهده شده است.
یکی از رایجترین اشکال جرایم سایبری، تقلب با کارت اعتباری است که مسئول میلیاردها دلار ثبتشده در بخش مالی در سراسر جهان است. با توجه به تعداد تراکنشهایی که هر روز رخ میدهد، مبارزه با مجرمان سایبری برای مؤسسات مالی چالشبرانگیز است؛ پیشرفتهای اخیر در یادگیری ماشین به روشهای جدیدی برای شناسایی و تشخیص تراکنشهای تقلبی منجر شده است. تشخیص دقیق تقلب امکان استراتژیهای کاهش خودکار مانند هشدار به مشتری و درخواست تأیید بیشتر پیش از انجام تراکنش را فراهم میکند.
این مطالعه موردی به بررسی رویکرد مبتنی بر یادگیری ماشین برای شناسایی تقلب در کارت اعتباری میپردازد. یادگیری ماشین در بسیاری از شرایط مختلف مؤثر بوده است و همچنین در اجرای حجم زیادی از دادهها کارآمد است، که این یک ملاحظه اساسی برای مهندسان نرمافزار پیادهساز سیستمهای بانکی است.
حل مسئله از طریق هوش مصنوعی
تشخیص ناهنجاریها بهطور سنتی مشکلی در حوزه آمار بوده است. روشهای متعارف فرض میکنند که یک مجموعه داده در توزیع نرمال قرار دارد. بنابراین، دادههای پرت با مشاهده اینکه کدام نقاط داده بهطور قابلتوجهی از هنجار منحرف میشوند، تشخیص داده میشوند. نقطه ضعف این روش این است که اگر مجموعه داده بهطور نرمال توزیع نشده باشد، اثربخشی این تکنیک محدود است.
رویکردهای یادگیری ماشین با استفاده از پیشرفتهای اخیر الگوریتمی بعداً مورد آزمایش قرار گرفتند که به شدت مؤثر، مقیاسپذیر و غلبهکننده بر محدودیتهای ذکرشده روشهای آماری ثابت شدند. اگرچه خارج از بخش مالی به طور گسترده پذیرفته نشدهاند، بسیاری از این روشها در حال حاضر در بانکداری به تولید رسیدهاند.
یک رویکرد نوین در سال ۲۰۰۸ در [1] با بهرهگیری از یک ویژگی منحصربهفرد نقاط دورافتاده (Outliers) توسعه یافت، به این صورت که نقاط دورافتاده معمولاً نسبت به اکثریت نقاط داده ایزوله هستند. با توجه به این ویژگی، میتوان پارتیشنهای تصادفی اطراف نقاط داده ایجاد کرد تا یک نقطه داده را در بر بگیرد؛ هرچه پارتیشنهای کمتری برای ایزوله کردن یک نقطه داده لازم باشد، احتمال اینکه چنین نقطه دادهای یک نقطه دورافتاده باشد بیشتر است. الگوریتم توسعهیافته دارای پیچیدگی زمانی خطی است و ثابت شده است که حتی زمانی دادههای آموزشی محدودی در دسترس است بهخوبی کار میکند؛ این در تضاد با رویکردهای معمول است که به دادههای آموزشی گسترده نیاز دارند.
نمای کلی از چالش سازمانی
با توجه به اینکه میلیاردها تراکنش روزانه انجام میشود، شناسایی موارد تقلبیِ خارج از الگو و اجرای یک مدل در زمان واقعی چالشبرانگیز است. یک بازرسی بصری نشان میدهد که یافتن یک سوزن در انبار کاه مانند یافتن یک سوزن است. تصاویر زیر تراکنشهای بانکی را در طول زمان نشان میدهند، که تراکنشهای قانونی به رنگ سبز و تقلبی به رنگ قرمز هستند. جدا کردن تراکنشهای تقلبی چالشبرانگیز است. موسسات مالی موظفند برای مقابله با تقلب تلاش کنند تا با مقررات مطابقت داشته باشند. این همچنین انتظار مشتریان است. معمولاً وقتی تقلب رخ میدهد، موسسه مالی هزینه را پرداخت میکند تا رضایت مشتری را حفظ کند.
سازمانها بهطور فزایندهای به روشهای یادگیری ماشین به عنوان بخشی از سفر تحول دیجیتال خود روی میآورند تا مشکلاتی را که نیازمند مقیاسپذیری مانند تشخیص تقلب هستند، حل کنند. بسیاری از نشانگرها برای تشخیص تقلب معمولاً در انبارهای داده ذخیره میشوند. تکنیکهای حسابداری قضایی نیز در تعیین معیارهای مورد استفاده به عنوان ورودی برای مدلهای یادگیری ماشین بسیار پیشرفته هستند.
جنگلهای انزوا بر مجموعه داده کارت اعتباری Kaggle [2] اعمال شدهاند و نشان داده شده است که در تشخیص تراکنشهای تقلبی 99% مؤثر هستند [3]. با توجه به اینکه یک رویکرد عمومی که کار میکند تعیین شده است، بیشتر سازمانها با چالشهای پیادهسازی در مقیاس بزرگ مواجه هستند تا اینکه مجبور به تحقیق باشند & توسعه یک راهحل.
دادههای سازمانی موجود به عنوان ورودی ML
منابع دادههای مورد استفاده توسط مؤسسات مالی به شرح زیر است:
- فرادادههای مشتری.
- مُهرهای زمانی و مبالغ تراکنش.
- تاریخچه تراکنشهای مشتریان.
- موقعیت جغرافیایی تراکنشها.
- قانون بنفورد.
روشولوژی یکپارچهسازی
در ادامه یک مرور کلی از فرآیندی که ما در سطح کلان برای تحلیل چنین فیدهایی در یک سازمان انجام میدهیم آورده شده است:
- شناسایی معیارهای مالی از سیستمهای ERP که میتوانند بهعنوان ورودی استفاده شوند.
- یک جنگل انزوا را روی یک مجموعه داده اولیه آموزش دهید و در آینده به آموزش مدل ادامه دهید تا از تشخیص الگوهای تراکنش تقلبی اخیر اطمینان حاصل شود.
- با فراخوانی APIهای Telemus AI™ برای اجرای Isolation Forest روی تراکنشهای ورودی، API بر اساس مدل، یک برآورد احتمالی از احتمال یک تراکنش تقلبی را برمیگرداند.
- راهاندازی گردشکارها و فرآیندهای سفارشی برای هشدار دادن به تیم تقلب و همچنین مشتریان در مورد تراکنشهای بالقوه تقلبی
Telemus AI™ دارای مدلهای قدرتمند یادگیری ماشین است تا سازمان شما بتواند بر منطق کسبوکار تمرکز کند نه بر پیادهسازی فنی.
کاربردهای سازمانی
فهرست زیر سایر کاربردهای بالقوه برای سازمان شما را نشان میدهد:
- تشخیص تراکنشهای تقلبی.
- تشخیص ادعاهای تقلبی کارکنان.
- تعیین رفتار سازمانی غیرعادی از طریق سیستمهای ردیابی منابع انسانی.
مزایای بالقوه و محققشده
با توجه به وسعت زیاد زمان و هزینهای که تقلب مالی به همراه دارد و آسیب به اعتبار و نارضایتی مشتری که میتواند ایجاد کند، پیشگیری فعال از تقلب میتواند تا میلیونها، حتی میلیاردها دلار، بسته به مقیاس عملیات، صرفهجویی کند. نهادهای نظارتی نیز به طور مداوم دستورالعملهای انطباقی سختگیرانهتری را منتشر میکنند. انتظار میرود که مؤسسات مالی فرآیندها، رویهها و سیستمهایی برای پیشگیری و مبارزه با تقلب داشته باشند. فناوریهای نظارتی، یا RegTech یک حوزه نوظهور است که پتانسیل هدایت نوآوریهای زیادی در بخشهای عملیات بسیاری از سازمانها در حرکت به سوی آینده را دارد.
Telemus AI™ یک شرکت هوش مصنوعی مستقر در استرالیا است که راهحلهای پیشرفتهای را به دولت و سازمانهای بزرگ ارائه میدهد. همین امروز با ما تماس بگیرید تا یک مشاوره رایگان در مورد نحوه ادغام Telemus AI™ در سازمان شما دریافت کنید.
منابع
[1] - جنگل انزوا - فی تونی لیو، کای مینگ تینگ، و ژی-هوا ژو
[2] - تشخیص تقلب کارت اعتباری - Kaggle
[3] - یادگیری ماشین در تشخیص تقلب کارت اعتباری - S Joel Franklin
