CircuitHunt: Automated Quantum Circuit Screening for Superior Credit-Card Fraud Detection
تقدم هذه الورقة البحثية CircuitHunt، وهو إطار عمل مؤتمت يقوم بفحص وتحسين الدوائر الكمومية بكفاءة من مجموعة بيانات KetGPT لتحقيق أداء فائق في الكشف عن الاحتيال في بطاقات الائتمان بدقة تصل إلى 97%، مما يقلل بشكل كبير من وقت البحث عن البنية التحتية مع معالجة تحديات مثل عدم توازن الفئات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم التمويل عالي المخاطر، تُعد المعركة ضد الاحتيال في بطاقات الائتمان حرباً صامتة ومستمرة. ففي كل يوم، تتدفق ملايين المعاملات عبر الشبكات المصرفية، وتختبئ داخل ذلك النهر الهائل من البيانات قطرات نادرة وخطيرة من السرقة. لعقود من الزمن، اعتمدت البنوك على برامج حاسوبية كلاسيكية لرصد هذه الحالات الشاذة، لكن المجرمين يزدادون ذكاءً، وأصبحت البيانات أكثر تعقيداً مما يمكن للطرق القديمة التعامل معه بمفردها. وقد دفع هذا العلماء للبحث عن أفق جديد: تعلم الآلة الكمي. وخلافاً للحواسيب الموجودة في منازلنا، والتي تعالج المعلومات كنبضات بسيطة من "التشغيل" أو "الإيقاف"، تستخدم الحواسيب الكمية قوانين الفيزياء الغريبة للاحتفاظ بالمعلومات في حالات متعددة في آن واحد. وهذا يسمح لها باستكشاف احتمالات عديدة في وقت واحد، مما يوفر طريقاً مختصراً محتملاً لحل المشكلات التي تكون شديدة التشابك بالنسبة للآلات التقليدية. ومع ذلك، فإن بناء هذه البرامج الكمية أمر صعب للغاية؛ فتصميم الدائرة الكمية — وهي الترتيب المحدد للتعليمات الذي يخبر الحاسوب الكمي بما يجب فعله — هو عملية يدوية بطيئة حالياً. وغالباً ما يضطر الباحثون إلى التخمين بشأن التصميم الذي سينجح، تماماً مثل محاولة بناء آلة معقدة عبر تركيب تروس عشوائية معاً والأمل في أن تعمل.
لقد قدم فريق من الباحثين في جامعة نيويورك أبوظبي وكلية تاندون للهندسة بجامعة نيويورك طريقة جديدة لحل مشكلة التصميم هذه، وهي طريقة تلغي التخمين تماماً. فقد أنشأوا نظاماً يسمى "CircuitHunt"، وهو أداة مؤتمتة تبحث عن أفضل دائرة كمية ممكنة للكشف عن الاحتيال. وبدلاً من الاعتماد على الحدس البشري أو التجارب العشوائية، التي غالباً ما تؤدي إلى الفشل، يعمل "CircuitHunt" كمرشح صارم. يبدأ النظام بمكتبة ضخمة تضم أكثر من ألف دائرة كمية جاهزة، تم إنشاؤها بواسطة ذكاء اصطناعي مدرب على أكواد برمجة كمية حقيقية. ثم يخضع النظام كل مرشح من هذه المرشحات لسلسة من الاختبارات الصارمة؛ حيث يتحقق مما إذا كانت الدائرة صغيرة بما يكفي للعمل على التكنولوجيا الحالية، وما إذا كانت تحتوي على النوع الصحيح من الأجزاء القابلة للتعديل للتعلم من البيانات، وما إذا كان بإمكانها التنفيذ فعلياً دون تعطل. هذه العملية تشبه برنامج مواهب حيث يؤدي آلاف المتسابقين تجارب الأداء، لكن الحكام يستبعدون الغالبية العظمى منهم بعد ثوانٍ قليلة فقط، محتفظين فقط بأولئ ever الذين يظهرون وعداً حقيقياً.
بمجرد أن يقوم النظام بتقليص القائمة إلى عدد قليل من المرشحين القابلين للتطبيق، فإنه يضعهم للعمل على تحدٍ من العالم الحقيقي: تحديد معاملات بطاقات الائتمان الاحتيالية. وتعتبر البيانات المستخدمة لهذه المهمة صعبة للغاية لأن الاحتيال نادر؛ ففي مجموعة بيانات نموذجية، تقل نسبة المعاملات المزيفة عن واحد بالمئة. هذا الخلل يجعل من السهل على الحاسوب أن يفترض تلقائياً عدم وجود احتيال في كل مرة، وهو أمر سيكون دقيقاً معظم الوقت ولكنه عديم الفائدة في كشف اللصوص. وللتعامل مع هذا، درب الباحثون نظامهم المؤتمت للبحث عن نوع محدد من النجاح: درجة توازن بين القدرة على كشف المحتالين دون اتهام الأبرياء ظلماً. يقوم النظام بسرعة بتدريب كل دائرة مرشحة لفترة قصية، ويتحقق من درجة التوازن هذه. وإذا كان أداء الدائرة ضعيفاً، يتم استبعادها فوراً، أما إذا أظهرت بوادر نجاح، فيتم الاحتفاظ بها لمزيد من الاختبار. هذه العملية من الفحص، التي كانت ستستغرق من الخبراء البشر أياماً أو أسابلاً لإدارتها يدوياً، أتمها النظام في غضون ساعات فقط.
وكانت نتيجة هذا البحث المؤتمت هي دائرة كمية واحدة تميزت عن البقية. وعندما منح الباحثون هذه الدائرة الفائزة جلسة تدريب كاملة، حققت مستوى مذهلاً من الدقة. وفي الاختبارات، حددت حالات الاحتيال والحالات غير الاحتيالية بنسبة نجاح بلغت 97 بالمئة، وهو أداء تفوق على عدة نماذج كمية متقدمة أخرى تم تصميمها بعناية يدوياً من قبل خبراء. كما كشفت الدراسة عن شيء مهم حول كيفية تعلم هذه الأنظمة الكمية؛ فقد وجد الباحثون أن الدائرة الفائزة تضمنت ميزة معمارية محددة — وهي رابط مباشر يسمح للمعلومات بالتدفق بسلاسة من بداية العملية إلى نهايتها. وعندما قاموا بإزالة هذا الرابط لمعرفة ما سيحدث، انهار أداء النظام، وانخفض إلى دقة أقل بكوة بكثير. وقد أثبت ذلك أن عملية الاكتشاف المؤتمتة لم تجد دائرة تعمل فحسب، بل وجدت الهيكل الصحيح لجعل الحاسوب الكمي فعالاً.
إن أهمية هذا العمل تتجاوز مجرد كشف لصوص بطاقات الائتمان. فهي تثبت أنه يمكننا الانتقة من التصميم اليدوي البطيء للخوارزميات الكمية نحو مستقبل تصمم فيه الآلات نفسها لوظائف محددة. ومن خلال أتمتة البحث عن أفضل الهياكل الكمية، أظهر الباحثون أنه من الممكن إيجاد حلول فعالة للغاية بسرعة، حتى في المهام الصعبة حيث تكون البيانات شحيحة وغير متوازنة. وبينما أُجريت الاختبارات الحالية على محاكٍ وليس على آلة كمية فيزيائية، فإن النتائج توفر خارطة طريق واضحة لكيفية نشر هذه الأنظمة في العالم الحقيقي. وتشير الدراسة إلى أن مستقبل الحوسبة الكمية في التمويل والأمن لن يعتمد على عدد قليل من المصممين البشريين العباقرة، بل على أنظمة مؤتمتة يمكنها فحص آلاف الاحتمالات بلا كلل لتجد الأفضل بينها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.