Improving Fraud Detection Accuracy Through Data Preprocessing and Decision Tree Machine Learning
تُثبت هذه الورقة أن تطبيق تقنيات معالجة مسبقة صارمة للبيانات، بما في ذلك زيادة العينات بطريقة SMOTE واختيار الميزات، على مصنف شجرة قرار واحد يحسن بشكل كبير من استدعاء اكتشاف الاحتيال (77.46%) في مجموعة بيانات بطاقات ائتمان أوروبية غير متوازنة، مما يقدم حلاً فعالاً من الناحية الحسابية وقابلاً للتفسير رغم انخفاض الدقة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 غمرة الهمهمة الهادئة للنظام المالي العالمي، تُخاض معركة مستمرة وغير مرئية فوق كل معاملة رقمية. فعندما يمرر شخص ما بطاقة أو ينقر بهاتفه للدفع، تقرر شبكة معقدة من الأنظمة الآلية على الفور ما إذا كانت تلك المشتريات آمنة أم مشبوهة. صُممت هذه الأنظمة للإيقاع بالمحتالين الذين يسرقون الأموال، لكنها تواجه واقعاً رياضياً صعباً: الغالبية العظمى من المعاملات هي معاملات نزيهة، بينما المعاملات الاحتيالية القليلة تشبه الإبر في كومة قش. ولأن المعاملات النزيهة تفوق عدد المعاملات السيئة بكثير، يمكن خداع برنامج كمبيوتر ليعتقد أنه يقوم بعمل مثالي بمجرد تجاهل "الإبر" وعدم تحديد أي شيء كعملية مشبوهة. وهذا يخلق حاجة إلى نهج مختلف، نهج يعلم الكمبيوتر أن ينظر بعناية إلى البيانات نفسها قبل أن يحاول اتخاذ قرار. الهدف ليس مجرد بناء آلة أذكى، بل تنظيف وتنظيم المعلومات بحيث يمكن حتى لأداة بسيطة وشفافة أن ترى أنماط السرقة التي قد تظل مخفية لولا ذلك.
هذا هو السؤال المركزي الذي استكشفه دارشان أهر، الباحث في جامعة سانجيفاني في الهند، والذي بحث فيما إذا كان التحضير الدقيق للبيانات يمكن أن يجعل نموذجاً حاسوبياً أساسياً فعالاً بقدر الأنظمة المعقدة والضخمة التي تستخدمها البنوك غالباً. وبدلاً من بناء ذكاء اصطناعي ضخم ومعقد يصعب فهمه، ركز أهر على نوع واحد بسيط ومباشر من النماذج يُعرف باسم "شجرة القرار". تخيل مخططاً انسيابياً حيث تؤدي سلسلة من الأسئلة البسيطة التي تُجاب بنعم أو لا إلى إجابة نهائية؛ هكذا تعمل شجرة القرار، مما يجعل من السهل على البشر رؤية السبب وراء تصنيف معاملة ما بأنها مشبوهة. استخدمت الدراسة مجموعة بيانات من العالم الحقيقي تحتوي على ما يقرب من 285,000 معاملة بطاقة ائتمان لحاملي بطاقات أوروبيين، وهي مجموعة تمثل فيها المعاملات الاحتيالية أقل من جزء من مائتين من الواحد بالمائة. وكان التحدي يكمن في تعليم شجرة القرار البسيطة كيفية العثور على تلك المعاملات السيئة النادرة دون أن ترتبك بسبب العدد الهائل من المعاملات الجيدة.
ولحل هذه المشكلة، لم يبدأ الباحث بتغيير "عقل" الكمبيوتر، بل بتنظيف "الغرفة" التي يعمل فيها. بدأت العملية بإزالة السجلات المكررة وتنظيم الأرقام لتكون على مقياس متسق. ثم تم تقسيم البيانات إلى مجموعتين: مجموعة كبيرة ليتعلم منها الكمبيوتر، ومجموعة أصغر لاختبار مهاراته لاحقاً. ومن الأهمية بمكان أن المجموعة الاختبارية تُركت تماماً كما وُجدت في العالم الحقيقي، بخللها الطبيعي الثقيل بين المعاملات الجيدة والمعاملات السيئة النادرة. ولمساعدة الكمبيوتر على تعلم شكل الاحتيال، أضاف الباحث أمثلة إضافية من المعاملات الاحتيالية إلى مجموعة التعلم فقط. هذه التقنية، التي تنشئ أمثلة اصطناعية جديدة بناءً على الأمثلة الموجودة، سمحت للنموذج بدراسة أنماط السرقة دون تشويه الاختبار النهائي. كما اختار الباحث فقط المعلومات الأكثر فائدة، مستبعداً "الضجيج" الذي لا يساعد في التمييز بين السارق والعميل النزيه.
وعندما تم اختبار شجرة القرار المدربة أخيراً مقابل مجموعة المعاملات الواقعية غير المعدلة، حققت أداءً فعالاً بشكل مفاجئ. فقد حدد النموذج بشكل صحيح 110 من أصل 142 معاملة احتيالية، أي أنه كشف حوالي 77 بالمائة من حالات السرقة. ويعد هذا تحسناً كبيراً مقارنة بنظام يتجاهل الاحتيال ببساطة، والذي سيصطاد نسبة صفر بالمائة. ومع ذلك، كشفت الدراسة أيضاً عن تكلفة هذا اليقظة. فبسبب ضبط النموذج ليكون حساساً بما يكفي للعثور على المعاملات السيئة النادرة، فقد صنف أيضاً بعض المعاملات النزيهة على أنها مشبوهة. فمن بين كل تسع معاملات صنفها النموذج على أنها قد تكون احتيالية، كانت واحدة فقط منها سيئة بالفعل. وهذا يعني أنه بينما نجح النظام في العثور على معظم اللصوص، فقد تسبب أيضاً في عدد من الإنذارات الكاذبة التي تتطلب مراجعة بشرية. وقد أشار الباحثون إلى أن هذه المقايضة متوقعة ويمكن إدارتها؛ ففي بيئة العالم الحقيقي، من المرجح أن يعمل هذا النموذج كمرشح أول، حيث يمسك بمعظم حالات الاحتيال ليتفرغ المحللون البشريون للتركيز على الحالات المحددة التي صنفها الكمبيوتر.
تشير النتائج إلى أن تعقيد نموذج تعلم الآلة ليس هو العامل الوحيد، أو ربما ليس العامل الأكثر أهمية، في اكتشاف الاحتيال. فمن خلال التحضير الدقيق للبيانات واستخدام تقنية لموازنة عملية التعلم، يمكن لشجرة قرار بسيطة وسريعة وقابلة للتفسر بالكامل أن تحقق معدلات اكتشاف عالية. وتثبت الدراسة أن شجرة قرار واحدة، عندما تُغذى بمعلومات نظيفة ومتوازنة، يمكنها استعادة معظم حالات الاحتيال بتكلفة حوسبية منخفضة. وبينما لا يعد النموذج مثالياً ويتطلب ضبطاً لموازنة عدد الإنذارات الكاذبة مقابل الجرائم المفقودة، إلا أنه يثبت أن الشفافية والكفاءة لا يجب أن يُضحى بهما من أجل الدقة. ويشير هذا العمل نحو مستقبل تظل فيه أنظمة الأمن المالي خفيفة الوزن وقابلة للتفسير، مما يسمح للبنوك بفهم السبب الدقيق وراء إيقاف معاملة ما، بدلاً من الاعتماد على خوارزميات "الصندوق الأسود" الغامضة التي يصعب فحصها أو الوثوق بها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.