Improving Credit Card Fraud Detection Using Ensemble Machine Learning Techniques

المحقق الرقمي والإبرة في كومة القش

تخيل أنك تسير في مدينة ضخمة وصاخبة حيث يشتري الملايين من الناس القهوة، ويدفعون الإيجار، ويطلبون البيتزا في كل ثانية. في هذه المدينة، يوجد لصوص جيوب يحاولون سرقة المحافظ، لكنهم نادرون للغاية—ربما يكون هناك لص أو اثنان أو ثلاثة فقط لكل 100 متسوق نزيه. إذا استأجرت حارس أمن كانت مهمته الوحيدة هي رصد هؤلاء اللصوص، فقد يصبح بارعاً جداً في قول "لا أحد يسرق!" لأنهم، من الناحية الإحصائية، على حق في معظم الأوقات. لكن هذه وظيفة سيئة لحارس أمن! فإذا فاته حتى لص واحد، ستكون العواقب وخيمة. هذا هو الكابوس اليومي لشركات بطاقات الائتمان عبر الإنترنت: يتعين عليهم العثور على المحتالين الصغار والمتسللين المختبئين داخل جبل من المعاملات الطبيعية تماماً.

لحل هذه المشكلة، يستخدم العلماء شيئاً يسمى تعلم الآلة (Machine Learning). فكر في هذا كأنه روبوت فائق الذكاء يتعلم من خلال قراءة التاريخ. إنه ينظر إلى آلاف المعاملات الماضية ليفهم كيف يبدو الإنفاق "الطبيعي" والإنفاق "المشبوه". ومع ذلك، هناك عقبة: نظرًا لقلة حالات الاحتيال، يصاب الروبوت بالارتباك. الأمر يشبه محاولة تعليم الروبوت شكل الأسد من خلال إظهار صورة واحدة فقط للأسد له، بينما تظهر له مليون صورة لقطط. سيظن الروبوت ببساة: "أوه، كل شيء عبارة عن قطة!". ولإصلاح ذلك، يستخدم الباحثون حيلة ذكية تسمى الشبكات التنافسية التوليدية (GANs). يمكنك التفكير في الـ GAN كفريق من المزور الماهر والمحقق الماهر يعملان معاً. يحاول المزور إنشاء صور "أسود" مزيفة تبدو حقيقية جداً لدرجة تخدع المحقق، بينما يصبح المحقق أفضل في كشف التزييف. وبحلول الوقت الذي ينتهيان فيه، يكون المحقق قد رأى ما يكفي من "الأسود" ليتعرف أخيراً على الأسود الحقيقية. تستكشف هذه الورقة كيفية استخدام هؤلاء المزورين والمحققين الرقميين للإمساك بسارقي بطاقات الเครديت بشكل أسرع وأذكى.

---

الفكرة الكبرى للورقة: تعليم الروبوتات كيفية رصد الإبرة

في هذه الدراسة، قرر فريق من الباحثين من جامعة القاضي عياض في المغرب بناء حارس أمن رقمي أفضل. أرادوا معرفة ما إذا كان بإمكانهم دمج حيلة "المزور" (GANs) مع فريق من روبوتات تعلم الآلة المختلفة (تسمى التعلم الجماعي - Ensemble Learning) للإمساك بالاحتيال في بطاقات الائتمان في الوقت الفعلي. لم يرغبوا فقط في روبوت دقيق؛ بل أرادوا واحداً سريعاً بما يكفي لإيقاف السارق قبل أن تنتهي المعاملة حتى.

بدأ الباحثون باستخدام مجموعة بيانات حقيقية من موقع يسمى AirportRental. احتوت المجموعة على 76,900 معاملة، ولكن هنا كانت المشكلة: 1,922 منها فقط (حوالي 2.5%) كانت احتيالية بالفعل. لقد كانت كومة قش ضخمة مع عدد قليل جداً من الإبر.

أولاً، حاولوا تعليم روبوتاتهم باستخدام هذه البيانات غير المتوازنة والفوضوية. وكما هو متوقع، أعطت الروبوتات الأولوية للفئة الأكثر انتشاراً. لقد كانوا بارعين جداً في قول "هذه معاملة طبيعية" لدرجة أنهم فاتهم معظم حالات الاحتيال. ولكن بعد ذلك، استقدم الباحثون تقنية الـ GANs. استخدموا فريق المزور والمحقق لإنشاء أمثلة اصطناعية (مزيفة ولكن واقعية) للمعاملات الاحتيالية. قاموا بخلط هذه الأمثلة الجديدة مع الأمثلة الحقيقية حتى أصبح لديهم مجموعة بيانات متوازنة تماماً: 50% معاملات طبيعية و 50% معاملات احتيالية. فجأة، أصبح لدى الروبوتات دليل دراسي أفضل بكثير.

بعد ذلك، اختبروا تشكيلة من نماذج تعلم الآلة المختلفة لمعرفة أي منها هو أفضل محقق. لقد جربوا:

• الانحدار اللوجستي (Logistic Regression) و نايف بايز (Naïve Bayes) (مفكرون بسيطون وسريعون).
• KNN و SVM (مفكرون أبطأ وأكثر تعقيداً).
• الغابة العشوائية (Random Forest) و XGBoost (فرق قوية من صناع القرار الذين يعملون معاً).

وقاسوا شيئين: مدى جودة قدرتهم على كشف الاحتيال؟ (يسمى هذا الاستدعاء - Recall). ومدى سرعتهم؟ (وهذا هو وقت التنفيذ - Execution Time).

النتائج: الفريق السريع هو الفائز

أظهرت التجارب أن حيلة "المزور" حققت نتائج مذهلة. عندما تعلمت الروبوتات من البيانات المتوازنة التي أنشأتها الـ GANs، ارتفرت قدرتها على رصد الاحتيال بشكل صاروخي. في المتوسط، قفز الاستدعاء (القدرة على إيجاد الأشرار) بنحو 25 نقطة مئوية. وهذا يعني أنهم توقفوا عن تفويت اللصوص.

من بين جميع النماذج التي تم اختبارها، برز فريق واحد كبطل واضح: XGBoost.

إليك سبب كون XGBoost هو نجم العرض:

1. كان الأكثر دقة: على البيانات المتوازنة، حقق XGBoost دقة (Precision) بنسبة 95% (كان مصيباً في كل مرة يطلق فيها إنذاراً تقريباً) و استدعاء (Recall) بنسبة 93% (أمسك بمعظم حالات الاحتيال). كما حقق 99% في مقياس AUC-ROC، وهو طريقة متطورة للقول بأنه كان شبه مثالي في التمييز بين المعاملات الجيدة والسيئة.
2. كان الأسرع تحت الضغط: هذا هو الجزء الأكثر إثارة. لم يختبر الباحثون الروبوتات واحداً تلو الآخر فحسب؛ بل قاموا بمحاكاة مكتب تأجير مطار مزدحم حيث تحدث مئات المعاملات في نفس الوقت.
   • عند التعامل مع معاملة واحدة فقط، كانت النماذج البسيطة مثل Naïve Bayes هي الأسرع، حيث استغرقت 0.09 مللي ثانية فقط.
   • ولكن مع نمو الزحام إلى 30 معاملة في وقت واحد، بدأت النماذج البسيطة والمعقدة (مثل KNN و SVM) في التباطؤ بشكل كبير. قفز وقت KNN إلى 18.45 مللي ثانية، واستغرق SVM حوالي 21.10 مللي ثانية. لقد تدهور أداؤهم (Degraded) بأكثر من 800%.
   • أما XGBoost، فقد ظل هادئاً. حتى مع وجود 30 معاملة، استغرق 2.90 مللي ثانية فقط. انخفض أداؤه بنسبة 480% تقريباً، وهو أفضل استقرار بين المجموعة.

تستبعد الورقة صراحةً فكرة أن النماذج السريعة البسيطة (مثل Naïve Bayes) هي الخيار الأفضل للأنظمة الواقعية. فبينما تكون سريعة لمهمة واحدة، إلا أنها لا تستطيع التعامل مع ساعة الذروة في يوم مزدحم. كما تجادل الورقة ضد الاعتماد على البيانات القديمة غير المتوازنة، موضحة أنه بدون موازنة الـ GAN، حتى أفضل النماذج ستعاني للعثي على الاحتيال.

الحكم النهائي

خلصت الدراسة إلى أن أفضل طريقة لكشف الاحتيال في بطاقات الائتمان هي استخدام GAN لإنشاء مجموعة تدريب متوازنة، ثم ترك نموذج التعلم الجماعي (Ensemble model) مثل XGBoost للقيام بعملية الكشف. يوفر هذا المزيج أفضل ما في العالمين: روبوت بارع للغاية في رصد المحتالين الصغار والنادرين، وروبوت سريع بما يكفي لإيقافهم قبل أن تخرج الأموال من حسابك.

يقترح المؤلفون أن هذا النهج هو حل قوي وقابل للتوسع للأنظمة المالية الواقعية. لم يكتفوا بإيجاد فوز نظري؛ بل قاموا بمحاكاة الضغط في الوقت الفعلي لنظام معاملات مزدحم وأثبتوا أن XGBoost يمكنه تحمل الحرارة. وبينما لم يدّعوا أن هذا هو الحل النهائي لكل أنواع الاحتيال (بما أن اللصوص يغيرون حيلهم دائماً)، إلا أنهم أظهروا أن هذا المزيج المحدد من الأدوات هو خطوة قوية وموثوقة وعملية للغاية نحو الحفاظ على سلامة محافظنا الرقمية.